基于MATLAB的多目标规划最优投资组合方法的探讨

目前投资种类繁多且风险各异,投资者很难选取收益较高而风险较低的可操作性投资组合.针对这一问题,利用多目标规划的方法建立投资组合优化问题的一般模型,在合理假设的基础上将多目标规划问题转化为单目标规划问题,使模型简化更具有可操作性.采用Matlab对实例进行计算,验证了所提方法的可行性和实效性.     

图像分辨率对草本植物根系形态学参数的影响

应用EPSON V7000图像扫描仪,选择不同的图像分辨率,获得了北美车前(Plantago virginica)、加拿大一枝黄花(Solidago canadensis)、小飞蓬(Conyza canadensis)和春飞蓬(Erigeron philadelphicus)4种草本植物的根系图片,应用WinRhizo根系分析软件测定了不同分辨率下的每种植物的根总长、总面积、总体积这3个参数.结果表明:不同分辨率测定对根系形态参数均存在明显影响,分辨(X)和形态参数(Y)均符合:Y=A·e(B/X),拟合的相关系数均在0.92以上.分析表明:对于不同的植物,既能保证数据精度又能有较高工作效率的图像分辨率并不相同.例如北美车前和加拿大一枝黄花根系扫描时建议图像分辨率为200 dpi,而小飞蓬和春飞蓬的图像建议的分辨率为400 dpi.     

一氧化氮生成反应的课堂讨论和课外实践

通过“问题-探索-分析-结论”教学模式,引发学生的求知欲和探索未知的好奇心,激发学生主动学习的热情并牢固掌握所学的内容.结构化学教学中,氧气和氮气化合生成一氧化氮引起了学生的兴趣.为了加深学生对前线轨道的理解,课堂教学中讨论了该反应发生的条件.课外实践中,学生利用分子轨道理论计算验证了反应的机理,得出了一些有趣的结论.这次教学实践活动加深了学生对前线轨道理论的理解,同时增加了对分子轨道理论的认识和利用该理论探索化学现象的兴趣.     

初探电磁仿真软件与电磁场与电磁波课程的结合

电磁仿真软件可以将抽象的电磁场理论以直观的结果与图形的形式呈现在学生面前,有助于提高学生对电磁场与电磁波课程中所介绍内容的理解。本文介绍了电磁场与电磁波课堂教学与电磁仿真软件仿真实例的相互渗透,探索更好的教授电磁场基本理论的方法。     

虚拟仿真PLC编程教学浅探

探讨了在缺乏PLC情况下如何开展PLC编程教学的办法,认为可用三种方法解决此问题,分别是使用 GX Developer编程软件中的PLC模拟器、使用FX-TRN-BEG-C学习软件以及自行开发动画软件,并认为第二种方法最为直观可行。     

软件能力成熟度模型及其应用

本文首先分析了软件开发过程中存在的问题,然后介绍了软件能力成熟度模型CMM(Capability Maturity Model),定义了CMM中有关概念,分析了CMM结构及每个成熟度等级,最后讨论了CMM的应用．     

基于通用软件无线电平台的电离层高频多普勒频移监测仪

测量经电离层反射的无线电波频率的多普勒频移是一种经典的电离层探测技术.本文介绍了以通用软件无线电平台作为射频前端的新型设备的系统设计、数字信号处理流程及数据后处理的方法.前端输出的宽频带数字信号由计算机软件进行选频、滤波、降采样等处理,具有可随时改变接收频点及数据处理流程的灵活性,并降低系统复杂度和研发周期及成本.本文比较了由快速傅里叶变换和希尔伯特变换两种方法得到的信号多普勒频移量,在电波仅有单一频移分量时,两种方法的结果是一致的;快速傅里叶变换方法能够分辨多个频移分量,而希尔伯特方法的优点则是具有较高时间分辨率.此外,采用多站数据反演了电离层扰动传播速度,把频移得到的多普勒速度与电离层垂测仪观测的电离层虚高的变化进行了对比,验证了该设备的探测能力及数据准确性.该设备已替换升级子午工程一期原设备,并将部署于子午工程二期各观测台站.     

多线程技术在工控软件中的应用

本文概述了工控软件中应用多线程技术的原因,并进而论述了线程与进程的区别、线程的创建、终止、优先级及MFC类库对多线程技术的支持 最后;本文提出了用MFC类库开发工控软件时采用多线程技术所遇到的问题,并给出解决方案.     

基于数据驱动的盾构竖向姿态预测深度学习模型

在盾构掘进过程中,竖向姿态控制难度较大,盾体常与设计轴线产生偏差。为解决既有盾构姿态预测模型无法准确提取数据特征和有效去除数据噪声的问题,充分挖掘盾构掘进实测数据时间序列信息,依托合肥地铁7号线耕耘路站—清潭路站区间盾构隧道工程,对收集的掘进数据进行预处理,包括去除停机状态数据及异常数据,提出用于盾构竖向姿态预测的CNN-LSTM组合模型,并将测试集上的模型预测结果与传统回归模型进行对比,最后对不同样本数量及固定网络参数时的模型性能进行研究。研究结果表明：CNN-LSTM组合模型对盾构竖向姿态的预测效果较好,在测试集上的预测平均绝对误差E_MA和均方根误差E_RMS较低,同时预测的决定系数R²较高,表明模型具有较小的预测误差和较高的预测精度;与ARIMA、LSTM和SVR模型相比,CNN-LSTM模型在测试集上预测的R²分别提高了1.04%、19.75%和79.63%,此外,模型的预测E_MA和E_RMS较低,并且训练耗时显著降低;不同训练集样本数量对CNN-LS...