最短二次样条插值研究

样条技术在计算机辅助设计,计算机辅助制造,和计算机图形系统得到了广泛应用。分析了二次样条函数插值的条件,给出了其中一种边值条件二次样条插值的求解方法。在分析了样条函数插值基础上,提出最短二次样条插值问题,并提出用黄金分割法解决该问题。最后给出了实例来说明求解方法。     

小蛋白天然结构与折叠速度关系的分子动力学模拟研究

用分子动力学模拟方法研究了小蛋白天然结构集合与其折叠速度的关系．根据蛋白质内存在接触的不同定义方式．利用分子动力学模拟方法得到了10个小蛋白的一系列构象集合,分析了其拓扑参数与折叠速度的关系,并与PDB单构象的情况进行了比较．用含主链重原子的方式定义接触,所计算的结果较好,天然结构集合所计算的拓扑参数与蛋白质折叠速度的关系可以更真实地反映实际情况．     

样条数值微分研究

在分析了三次样条函数插值基础上,给出了样条数值微分在3种边界条件下的计算公式,最后给出了一个实例.     

基于补偿激励的电动汽车与电网联合优化调度

为减少电动汽车(EV,Electric Vehicle)无序充放电对电网造成的冲击影响和促进新能源消纳,考虑EV集群的储能能力和可调备用负荷特性,提出一种基于补偿激励用户引导的电动汽车-新能源-区域电网联合优化调度控制策略。充分考虑车主充放电意向和所能接受的充电成本,建立EV充放电服务系统(EV-CDSS,Electric Vehicle Charging and Discharging Service System)。利用接入系统的EV集群储能作用,辅助区域火电,平抑区域电网功率的波动,改善EV无序充放电,并提高区域电网稳定性和节省EV充电成本。以典型的区域配电网负荷及风光电厂输出功率数据为例,通过仿真,验证了所搭建的EV-CDSS及控制策略的可行性和有效性。     

能源需求的支持向量机预测

对灰色、神经网络和支持向量机的三个预测模型进行了研究,以某城市的1999-2006年能源需求为例,对能源需求进行了预测.经过比较,支持向量机的预测方法精度较高.     

蚁群算法与免疫算法的混合算法

蚁群算法是近些年来启发式算法研究的一个热点,在求解复杂组合优化问题上具有强大的优势.作为一种全局搜索的方法,它具有正反馈性、并行性、分布性、自组织性等特点.但是,蚁群算法也存在一些不足之处:例如,算法需要较长的搜索时间、容易出现早熟、停滞现象.针对上述不足,在深入研究蚁群算法的同时,又对免疫算法进行了一定的研究和分析后,针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能力,将免疫算法中疫苗的思想引入到蚁群算法中,提出了蚁群算法与免疫算法的混合算法.将问题的特征信息作为疫苗注射给蚂蚁,使蚂蚁具有"免疫"的能力,旨在借鉴其他仿生算法的长处,利用其优点弥补蚁群算法的不足,从而提高蚁群算法的求解性能.     

基于上三角矩阵李代数的李超代数

利用李超代数理论和线性代数方法从矩阵视角研究基于二阶上三角矩阵李代数L及其自然模的李超代数G的结构。给出了L的自同构和导子的矩阵形式,并说明了李代数L上的局部自同构都是自同构,李代数L上的局部导子都是导子。利用李代数L上的结果刻画了李超代数G的自同构和超导子的矩阵形式,证明了李超代数G的局部自同构都是自同构,局部超导子都是超导子。     

不完全判断矩阵权值的粒子群优化算法计算

不完全判断矩阵权值求解是一个重要问题.在分析不完全判断矩阵权值求解的各种方法基础上,提出以使判断矩阵的最大特征值达到最小为目标,建立求解权值准则.给出利用粒子群优化算法解决此问题,实例表明该方法比较有效.     

兰州远郊区春季碳气溶胶的质量浓度特征

 为探讨春季沙尘(暴)期间兰州大学半干旱气候与环境观测站(SACOL)碳气溶胶的变化特征, 2012 年5 月17-26 日于SACOL 站采用石英膜收集PM₁₀样品, 利用DRI-2001A 热/光碳分析仪测量元素碳(EC)和有机碳(OC)的质量浓度。结果显示, 沙尘(暴)是导致OC、EC 质量浓度增大的主要因素。采样期间EC、OC 和总碳(TC)的平均质量浓度分别为2.71、11.26 和13.97 μg/m³。进一步分析显示, 沙尘(暴)期间兰州城区碳气溶胶污染逐渐加重主要受本地源的影响。PM₁₀中OC 和EC 的相关系数达到0.94, 揭示SACOL 站OC、EC 的来源相对一致。OC/EC 的均值为5.05, 表明春季SACOL 站PM₁₀中碳气溶胶存在二次污染。二次有机碳(SOC)的质量浓度为3.37 μg/m³, 为OC 的29.9%。结合考察周边环境, 分析表明SACOL 站春季碳气溶胶的主要来源是直接污染源, 来自周边环境中的燃煤以及机动车尾气排放。对碳气溶胶8 种组分的因子分析结果也表明, 周边环境的燃煤和机动车尾气排放是春季SACOL 站碳气溶胶的主要贡献源。     

基因表达系列分析在肿瘤研究中的应用

基因表达系列分析(serial analysis of gene expression, SAGE)是一种快速分析基因表达信息的技术.它不但能快速、详细地分析成千上万个基因,还能发现新基因,因此是基因表达定性和定量研究的一种新的有效手段.近年来此技术广泛应用于肿瘤的研究,了解肿瘤发病机制,识别诊断和治疗肿瘤的新基因.可以预测SAGE在肿瘤研究和诊断过程中的应用将会对肿瘤的认识和治疗产生深远的影响.