日内金融高频数据的异常点检测

融市场上日内的异常波动可能与重大经济事件相关.因此通过分析高频市场数据的异常与市场内在事件属性及其联系,可以帮助市场参与者更深刻地理解市场动态特性.采用了基于最大模量小波转换(WTMM)的多重分形形式,通过上海证券市场的日内指数价格数据来判断高频时间序列下异常点的存在和定位. 结果表明,上述小波方法在检测和定位高频金融时间序列数据中的异常点方面是有效的.     

纳入雷诺数修正的GA-Elman算法对EGTM的研究

为进一步减小排气温度裕度计算误差,对发动机起飞排气温度裕度基线观察值和雷诺数影响系数进行了多元非线性拟合,提出了利用雷诺数影响系数修正排气温度（Exhaust Gas Temperature,EGT）基线观察值的方法,将雷诺数影响系数加入神经网络的输入层,利用遗传算法（Genetic Algorithm,GA）优化Elman网络模型,建立排气温度裕度（Exhaust Gas Temperature Margin,EGTM）的预测模型。通过结合飞行数据计算,对比多元非线性拟合以及Elman网络模型和基于Elman网络优化的GA-Elman模型的计算误差效果,得出实验结果：GA-Elman对EGTM计算精度更高,鲁棒性更强。     

基于吡嗪基吡唑类卟啉构筑的配位聚合物的合成、结构及性质研究

使用吡嗪基吡唑类卟啉配体与CdCl2·5H2O在溶剂热条件下构筑了两个卟啉基配位聚合物[Cd(TPPP)]·DMF(1)和[Mn(TPPP)]·DMF(2),并通过单晶X射线衍射分析、元素分析和红外光谱表征了其结构组成.单晶结构分析显示:化合物(1)属于三斜P-1空间群,化合物(2)为单斜P21/c空间群.化合物(1)...     

基于多Agent和HLA的潜艇战场损伤评估仿真研究

分析和研究潜艇战场损伤不确定性因素及其关联因素的基础上,设计了一个基于多主体的分布式战场损伤评估体系结构(Multiagent-Based Distributed Battlefield Damage Assessment Architecture—MDBDAA),定义了多agent的结构、协作以及功能属性在仿真环境体系结构和战场损伤评估体系结构中的表现形式,实现了仿真环境体系结构和战场损伤评估体系结构的分离。     

虚拟模板分子印迹固相萃取 高效液相色谱法检测果蔬中三唑类杀菌剂

采用本体聚合法自制了联苯三唑醇分子印迹聚合物(MIP),以此聚合物为固相萃取剂,制备固相萃取柱,对果蔬中烯唑醇、戊唑醇进行分离富集,并采用高效液相色谱法测定其在果蔬中的残留。烯唑醇平均回收率在74.6%⁸8.6%之间,检测限为0.5μg/mL。戊唑醇平均回收率在66.9%88.6%之间,检测限为0.5μg/mL。戊唑醇平均回收率在66.9%⁷3.3%之间,检测限为0.25μg/mL。     

基于组合测试的V&V单元测试用例设计研究

核电安全级应用软件的特点包括:复杂的数字逻辑结构,输入变量多等。组合测试旨在使用较少的测试用例,有效地检查出由各因素之间的作用而产生的缺陷。针对核电安全级应用软件输入变量多的特点,结合传统组合测试算法,提出一种基于分级组合测试思想的单元测试用例设计方法。实践表明该方法能够大幅度减少测试用例数量,有效提升测试效率,更快速地发现潜在软件缺陷,是一种值得继续深入研究的可行方法。     

基于C#.NET的坦克大战游戏的设计与实现

本文以坦克大战游戏为例,采用了C#.NET技术,设计和完成了游戏的全部功能,主要包括:项目背景、模块设计、业务流程,以及游戏代码的分析;在游戏界面设计时,采用GDI+技术,绘制出了游戏的运行效果图;对于游戏涉及到的关键算法,给出了简要的分析。     

武陵山区南部药用植物资源调查——以湖南省通道侗族自治县为例

本文通过大量的野外调查、标本采集和鉴定,对湖南省通道侗族自治县的药用植物资源现状进行了调查研究,结果表明通道侗族自治县共有药用植物103科249属299种.同时对其种类组成、功能主治和用法用量等进行了编目记录,对其药用植物的民族和区域的特点进行了分析,并对其开发利用提出了建议.     

外部表象与内在实际的分离——《荒凉山庄》中的社会现实与社会批判

本文以《荒凉山庄》中的社会批判为着眼点展开描述。《荒凉山庄》中的社会批判以描写社会现实而展开,社会现实的描写主要集中在外部表现与内在实际的分离方面。外部表象与内在实际的分离是《荒凉山庄》中的社会现实,也是各种社会弊病产生的根源。《荒凉山庄》这部小说的艺术特色在于社会现实的描写同社会批判的有机融合。本文意在以《荒凉山庄》中的社会现实描写为着眼点,着重探讨作品所表现的社会现实,分析外部表象与内在现实的分离作为各种社会弊病所产生的根源,以此展示社会批评与小说艺术在作品中的统一。     

基于机器学习的汽油精制工艺操作方法优化

降低辛烷值损失是石化企业催化裂化汽油脱硫精制工艺过程中的重要目标之一。针对该工艺过程中控制变量维度高且存在非线性和强耦联性等问题,研究利用皮尔森、斯皮尔曼、最大信息系数三种方法,对操作变量进行相关性分析及特征降维,选取与辛烷值损失强相关的21个主要变量,建立了基于XGBoost辛烷值损失预测模型,交叉验证平均准确率达96.54%;然后,提出以硫含量不大于5 ug/g 为约束的工艺操作方法优化模型实现辛烷值损失最小,并通过遗传算法-聚类递归的方法进行求解,确定主要变量取值。以133号样本为例的模型可视化结果表明,所提出的优化模型可以在主要变量逐步调整过程中实现硫含量降至最低点,辛烷值损失接近最小。这既验证了模型的有效性和可移植性,也为汽油精制工艺提供了量化科学优化支撑。