城市交通拥挤与系统分担交通理论的应用

应用系统分担交通理论,提出了解决城市交通拥挤的新途径。一是分散布局交通拥挤点以提高系统的整体效率;二是发展城市地下小汽车道路系统,形成地下以小汽车和地铁并存、地面以公共汽车及私人交通车为主、地上以轻轨为主的多层次、多功能的立体交通形式;三是大力推进交通需求管理,达到交通总量削减的目的。     

幂律思考系列文章3——无标度网络中几个有争议的命题

利用无标度网络的定义和分类,以及无标度网络度指数的定义,研究了3个有争议的命题:是否所有无标度网络都是稀疏的,从无标度网络随机抽样所得的子网络是否无标度,阿波罗尼斯网络度指数要不要加1。分析了产生争议的根源,给出了正确的解答。     

河流相储层随机建模的几种方法

河流相储层在我国石油工业中占有重要的地位 ,由于其具有很强非均质性的特点 ,使得难以对其进行定量描述 .随机建模技术是近十几年发展起来并逐渐完善的一项先进的储层表征技术 ,它能够较好地表征储层的非均质性 .介绍了包括布尔模拟、顺序指示模拟、截断高斯模拟、目标法及层次目标法 ,并分析了各自的优缺点 .可表征储层非均质性及对储层不确定性进行定量评价 ,适合我国以陆源碎屑岩储层 ,尤其以河流相储层为主的情况     

旋转机械轴系扭振频率微弱信号的混沌检测方法

利用Duffing随机方程的混沌特性,提出了应用于旋转机械正常扭振频率微弱信号检测的方案.分析了应用Duffing随机方程的检测原理,给出了一种将旋转机械正常运转条件下的扭振响应传感器信号作为Duffing方程周期策动力的摄动,使信号中包含的旋转机械扭振频率在幅值较小时也能得到检测分离的方法.该方法对非检测频率的噪声信号具有免疫力,仿真分析结果表明了所提方法的可行性.     

用随机神经网络优化求解C-TSP

基于动态随机神经网络(DRNN:Dynamical Random Neural Network)求解典型旅行商优化问题TSP(Traveling Salesman Problem),通过简化方程参数的改进算法,针对解决大规模TSP的求解效果在时间以及路径寻优上所存在的问题,提出一种新的分区方案来解决中国31城市的旅行商问题.所获得的最优路径结果与目前公开文献中已有的其他神经网络所解的结果相比较,显示出采用随机神经网络解决多于10个变量TSP问题的优越性.实验结果表明,采用该方法解决31个城市TSP的优化,所得出的最短距离(15 112.7km)比已有5种算法的结果都要少.     

随机介质中两相混相驱替的灵敏度分析

应用系综分析方法建立了两相混相驱替的随机模型，分析了突破时间与孔隙度和渗透率分布之间的关系。应用一阶近似方法对突破时间的概率分布及其可靠性指标进行了计算，建立了失效区域的一阶近似及失效曲面上设计点的方向余弦表达式，它们反映了孔隙度、渗透率与突破时间概率分布的关系。研究结果表明，对于较小的时间τ，突破时间的概率分布主要依赖于孔隙度的变化。随着τ的增加，突破时间的概率分布将更多地依赖于渗透率的变化。     

压杆稳定可靠性优化设计

在稳定可靠性设计理论和优化设计方法的基础上,讨论了压杆稳定可靠性优化设计问题,提出了压 杆稳定可靠性优化设计的计算方法。在基本随机参数的前两阶矩已知的情况下,通过计算机程序可以实现压杆 稳定可靠性优化设计,迅速准确地得到压杆稳定可靠性优化设计信息。     

一种基于图像LSB的信息隐藏方案

首先介绍了一种基于LSB算法的信息隐藏方案,在该方案中信息嵌入到根据密钥随机选取的图像像素的最低k位,接收方无需原始图像就可将隐藏信息提取出来;然后用MATLAB工具实现了方案,实验结果表明该方案简单,容易实现,具有失真度小、隐藏量大、准确性高、良好的不可见性和安全性等特点。     

经验过程的随机加权逼近及其应用

本文得到了有界函数的指标集上经验过程的随机加权逼近,给出了该过程的强一致收敛速度.在对总体的多元未知分布无任何限制的条件下,给出了多元Von Mises型泛函统计量及其投影寻踪(PP)的随机加权逼近,这一结果对上述统计量的Bootstrap逼近亦成立.     

基于组合预测的间断性需求器材预测

为了提高间断性需求装备器材的预测精度,提出一种组合预测模型。该模型从解释变量序列和自相关序列两个方面进行组合预测,对解释变量序列采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,整合两个预测结果得到最终的提前期需求。实验结果表明,该预测模型具有较高的预测精度。