非线性模型的非线性强度及其在变形分析中的应用

介绍了Bates和Watts的非线性强度度量指标--最大固有曲率和最大参数效应曲率,提出了当模型固有非线性不显著而参数效应非线性显著时,利用M.J.Box提出的偏差计算和模拟研究重新参数化的方法.结合某实测边坡的变形监测资料,选用非线性模型lt=α-βexp(-γtδ)+εt描述边坡变形规律.对该边坡上73个点的监测资料分别进行非线性回归计算,发现其中大部分点不能收敛于LS估计,该模型有较强的非线性特性;研究该模型的非线性性态时,发现其最大固有非线性曲率不显著,而模型的最大参数效应曲率非常显著.模拟结果表明,估计量类似对数正态分布,因此,用新参数=-lgγ对模型重新参数化.用重新参数化后的模型对该边坡的实测资料进行回归计算时,只有4个点未能收敛于LS估计,而模型的最大固有非线性曲率和最大参数效应曲率则基本符合要求.     

利用双频载波相位观测值解算整周模糊度

频率不同,波长也不同,两种载波的相位差随着传播路径的不同而变化．根据两种载波相位观测值,可求整周模糊度．此模糊度解也具有多值性．通过CIA码伪距观测值提供约束,缩小模糊度解的空间．最后,采用最小二乘平差和RATIO检验获得整周模糊度的惟一解．     

兼顾形状-距离的正态云模型综合相似度测算

研究了正态云模型相似度的测算方法.提出了正态云模型的形状相似度和距离相似度概念,建立了云模型综合相似度测算框架.结合云模型的数字特征,给出了形状相似度计算公式.研究了云模型距离对相似度的影响关系和数学性质,提出了基于距离的相似度测算定义,并研究了便捷的计算方法.算例说明了算法的可行性.     

三端点区间数互补判断矩阵的一致性及权重

提出了一种新型不确定性判断矩阵--三端点区间数互补判断矩阵的概念并研究其一致性及权重求解.在三端点区间数互补判断矩阵完全一致性概念的基础上,利用模糊隶属度的方法,提出了三端点区间数互补判断矩阵满意一致性的定义,建立了相应的权重求解模型,并基于满意度系数方法估计权重的可能分布上限和下限.最后给出了两个算例,来验证模型的有效性.     

复杂网络视角下的大规模群体DEMATEL决策方法

针对如何实现群体DEMATEL意见集结的问题,以关系网络为切入点,提出一种新的复杂网络视角下的大规模群体DEMATEL决策方法.首先,将决策者视为网络节点,并依据决策者DEMATEL评分矩阵的一致性构造复杂网络;其次,设计网络凝聚度和子群凝聚度,在此基础上确定节点权重和子群权重;最后,基于网络密度算子对大规模群体DEMATEL矩阵进行有效集结,并利用DEMATEL方法进行多属性决策.文末通过一个算例验证了所提方法的可行性与合理性.数值算例分析表明,该方法能够较为全面、准确地集结大规模群体DEMATEL评分,且其结果的稳定性亦较为理想.     

体教融合背景下运动教育模式在大学篮球选项课教学中的应用策略

体教融合是落实"立德树人"根本任务,促进学生学科核心素养的形成关键因素之一.运用文献法,从运动教育模式的内涵与特征入手,结合篮球的本质特点与篮球教学的实际目标,分析大学篮球选项课教学中应用运动教育模式的价值导向,进而提出运动教育模式在大学篮球选项课教学中的实现策略:结构化的教学设计,固定分组的练习,多种比赛的设计,全面...     

考虑双重预期的云模型决策

针对指标值为云模型且考虑目标预期和增长预期的多属性决策问题,提出了一种基于前景理论的决策方法。提出了增长预期和目标预期的刻画方法,针对以云模型形式给出的属性评价值和双预期值建立了相似性度量方法,根据累积前景理论和云模型相似度定义了综合前景价值函数,最后根据方案之间的综合前景值总体差异最大化为目标建立权重寻优模型;案例说明了方法应用步骤和可行性。     

"多元"关联模式的时空数据挖掘

为了从大量的时空数据集中挖掘类似于星型和序列型的多元关联规则模式,首先,针对要素同类和关系同质,提出多元关联模式的概念,即多类别和多要素下的多规则的关联组合;其次,用图论的方法构建常见的星型和序列型等多元关联模式;再次,提出多元关联模式的挖掘算法,引入等价类,搭建多元关联模式。合成实例(城市规划)说明多元关联模式的时空数据挖掘模式及其挖掘算法具有可用性。     

基于MYCIN不确定因子和前景理论的随机直觉模糊决策方法

针对指标权重未知, 方案的指标值为直觉模糊数的随机直觉模糊决策问题, 提出了一种基于MYCIN不确定因子和前景理论的随机决策方法.根据直觉模糊数的记分函数和前景理论得到各指标下不同方案的MYCIN 不确定因子, 运用灰色关联方法确定各指标的信度; 推导出多证据下不确定因子的融合方法, 并证明了其满足交换律和结合律, 通过该融合方法确定最优方案.最后, 算例分析说明了该方法的合理性和可行性.     

基于Orness测度的多阶段不确定语言信息优化集结

研究不确定情境下多阶段语言信息的集结问题. 建立了多阶段不确定语言信息集结的TOPSIS分析框架, 以贴近度思想表征各方案单阶段绩效; 基于决策矩阵信息和Orness测度约束, 建立以相邻阶段方案的综合贴近度离差和最小为优化目标的阶段权重确定模型, 考虑了主观偏好和方案决策信息对阶段权重的综合影响; 设计各方案贴近度范围分布估算模型, 解决多阶段决策过程中的决策风险问题; 建立了Orness测度的参数灵敏度分析模型, 探讨不同取值范围对方案多阶段优选排序的影响. 算例说明了方法的应用步骤和可行性.