α-多项式插值及其优化

利用函数的相对导数的概念和性质及Lagrange插值法讨论α-多项式进行插值的问题,首先给出了插值多项式的存在唯一性,然后给出了插值多项式的构造及多项式插值的误差范围.在此基础上给出了最优插值多项式的存在性,并通过数值例子给出求最优插值多项式的方法.     

互联网、技术创新与经济高质量发展

采用2015—2018年我国29个省级面板数据，分析互联网、技术创新及两者的交互作用对经济高质量发展的影响。研究发现：互联网、技术创新对经济增长效率、经济增长稳定性、产业结构优化和可持续发展水平均具有促进作用，其中技术创新的促进作用更为显著，但对经济福利水平有一定的阻碍作用；互联网与技术创新的交互作用对经济高质量发展呈现显著正相关，也强化了技术创新对经济高质量发展的促进作用；人力资本对经济高质量发展各方面都起到显著的促进作用，而财政支出对经济高质量发展的影响不显著。因此，要坚持以互联网为驱动力，提高技术创新能力，更好发挥政府引导作用。     

结合交并比损失的孪生网络目标跟踪算法研究

SiamRPN算法采用Ln范数损失训练边界框预测，未考虑预测框与真值框间交并比(inersection over union, IoU)的关系，导致准确性不足。针对该问题，提出一种结合IoU损失的SiamRPN目标跟踪改进算法。设计了IoU-smooth L1范数联合优化模块，对候选正样本进行IoU损失与smooth L₁范数损失的联合优化；依据回归预测结果，用预测框与真值框的IoU作为权重对正样本进行加权分类预测，增加正样本间的区分度，同时确保分类预测与回归预测的关联性。对比实验结果表明：本文所提改进算法能有效提升跟踪性能。     

城市灾区无人机基站部署优化

通过优化无人机基站（UAV-BS）三维空间部署位置，以最小化满足通信需求的UAV-BS部署数量.针对城市灾区中UAV-BS的部署优化方法较少考虑到建筑的具体形状及位置对通信影响情况，在构建一个建筑物对UAV-BS视距（LoS）链路的遮挡模型的基础上，提出一种UAV-BS部署算法——PSO-PPGE.该算法首先采用粒子群算法（PSO）在目标区域搜索全局部署方案，然后基于相邻UAV-BS部署间的势博弈关系，根据遮挡信息及UAV-BS负载制定博弈策略，局部调整每个粒子中的UAV-BS位置，以提高UAV-BS的用户覆盖率，进而确定所需UAV-BS的最小数量.仿真结果表明，所提出的算法与PGE、PSO等优化算法相比，在最小化UAV-BS数量同时最大化用户覆盖率方面具有明显优势.     

黄河上游流域径流变化特征与归因分析研究

基于黄河上游头道拐水文站1982-2015年的月尺度径流量数据，采用累积距平值方法识别径流突变年份，继而分析研究区生态水文气象要素的年内变化规律，然后采用多元线性回归方法，评估了气候变化和人类活动对黄河上游植被变化的贡献率.最后，运用Budyko假设方法计算了人类活动引起的植被变化和气候因子(包括降水、蒸发和气候变化引起的植被变化)对黄河上游径流变化的贡献率.结果表明：(1)头道拐水文站的年径流量存在着明显减小的趋势，并且年内分配更加均匀；(2)归一化植被指数、年平均降雨量和年平均参考蒸散发量均呈现逐渐增长的趋势；(3)人为因素在黄河上游植被覆盖率增长方面发挥了主要作用，贡献率为75.02%;(4)气候因子(包括降水、蒸发和气候变化引起的植被变化)和人类活动引起的植被变化对头道拐水文站径流变化的贡献率分别为36.81%和63.19%.     

基于集合卡尔曼-Elman网络的软测量建模方法

污水处理系统是一个复杂的非线性、大时延的动态系统，由于工艺的复杂性、检测设备的不完备性以及经济成本的限制，一些重要的出水指标无法实现精准的检测。为解决此问题，文中提出了基于集合卡尔曼-Elman网络的软测量方法。传统动态神经网络具有能够处理时延信息数据的动态记忆能力，可用于基于数据驱动的软测量建模过程。但是，常规训练方法容易使神经网络陷入局部最小值，导致模型预测性能欠佳。鉴于此，文中引入集合卡尔曼滤波技术和对偶有限样本集合卡尔曼技术对典型的动态神经网络——Elman神经网络进行无梯度训练，构建新型软传感器模型，不仅有效提高了传统Elman神经网络的预测能力，而且提供了一种简单、无梯度的神经网络训练方法。将该方法在加州大学欧文分校的污水处理数据（UCI数据）上进行验证，结果表明，文中方法具有较好的预测性能，集合卡尔曼滤波技术可作为一种无梯度的替代方法来训练神经网络。