Bernoulli多项式与幂和多项式的关系

研究了Bernoulli多项式与幂和多项式的关系,给出了用幂和表示Bernoulli多项式的一个公式,得到了关于Bernoulli多项式的形式上非常对称的两个恒等式.     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

用荧光猝灭法研究人血清白蛋白与吲哚美辛的结合反应

应用荧光光谱法研究了吲哚美辛与人血清白蛋白(HSA)的相互作用. 发现吲哚美辛对HSA的荧光有较强的猝灭作用. 采用两种计算结合常数K^A的方法, 并对两种计算方法进行比较. 探讨了温度对吲哚美辛与HSA结合反应的影响, 得到了不同温度下的结合常数 K^A 与结合位点数n值. 进一步探讨了一些金属离子对吲哚美辛与HSA结合常数的影响. 根据热力学常数确定了它们之间的主要作用力类型.     

一种非线性非平稳时间序列预测建模方法

提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的.     

基于Web Services的电子采购支持系统框架研究

快速采购需求一直是生产企业关注的重点,基于Web Services的构建电子采购支持系统(WSEPSS)能够对快速采购进行实时、动态的支持,从而可以大幅度提高B2B供应链中的电子采购效率;该文给出了WSEPSS的系统框架结构及功能Agent组件设计,并进行了应用实验及实时性和动态性分析.     

作物耐低磷机制及耐低磷育种研究进展(综述)

概述了植物耐低磷机制研究进展及耐低磷育种现状,从常规育种和基因工程技术两方面探讨了提高作物利用土壤难溶性磷效率的育种策略。     

三峡库区典型滑坡危险度评价方法探讨

随着滑坡学的发展,如何定量和客观的评价典型滑坡的危险度越来越得到关注,根据典型滑坡的强度指标和发生可能性指标建立典型岩质滑坡危险度评价指标体系,利用信息熵原理,结合巫山县21个典型岩质滑坡计算各评价因子客观权重,建立定量评价模型.计算巫山县21个典型岩质滑坡的危险度,通过实地调查对评价结果进行对比验证,危险度评价结果处于高危险度的有3个点,占14.2%;中等危险度14个,占66.7%;低危险度4个,占19.1%;准确率达90.4%,此模型可作为评价典型滑坡危险度的新方法进行推广运用,为滑坡的防治提供依据.     

基于PEMS的混合动力客车排放和油耗性能评价

在中国城市客车行驶工况条件下,运用车栽排放测试技术（portable emission measurement system,简称PEMS）研究了某重型混合动力客车在怠速运转时采取停机和不停机两种不同控制策略下的实际排放因子和燃油消耗率．试验研究结果表明,停机模式比不停机模式可提高该车燃油经济性4．6％,但CO排放因子却增加了53．6％;怠速不停机时,HC＋NOx排放增加20．6％．同时说明对于混合动力车辆的油耗和排放,特别是排放的评价,应当采取基于整车的评价方法．     

面向跟踪任务需求的主动传感器调度方法

以多传感器多目标跟踪为背景,针对跟踪任务需求中辐射风险控制问题,提出一种面向跟踪任务需求的主动传感器调度方法。该方法首先结合不敏卡尔曼滤波,给出了仅考虑跟踪任务需求的传感器调度策略;然后建立基于部分可观马尔可夫决策过程的辐射模型,并采用隐马尔可夫模型滤波器动态更新传感器辐射;最后考虑跟踪任务需求和传感器约束,将辐射风险控制下传感器调度问题转化为非线性约束下寻优问题。仿真实验结果验证了所提方法有效性。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.