基于卷积模型的核信号仿真

NaI(Tl)探测器因具有探测效率高和成本低等优点,常被用于核辐射能谱测量和核辐射监管等领域．由于实验条件等的限制,研究人员往往较难获取理想的实验核信号,虽然可以借助探测器的仿真信号来实现研究目的,但是常规的探测器单指数或双指数模型和实际采集到的核信号模型存在一定的差异,需要一种更为精准的数学模型对探测器输出信号进行描述．我们通过对探测器信号形成过程分析,将探测器视为线性时不变系统,探测器各个部分响应的总卷积即为输出的核信号模型．本文建立的探测器输出信号卷积模型,结合实测伽玛源的幅度分布规律和相邻脉冲时间间隔分布规律,可以提供更精确的NaI(Tl)探测器输出信号,以便用于伽玛能谱测量算法研究;通过调节脉冲间隔时间大小,可以仿真不同计数下探测器输出信号的堆积情形,以便用于堆积信号还原算法研究．经过与伽玛辐射源的对比测试,该仿真信号与真实探测器输出信号一致,既避免了研究人员接触放射源,提高辐射防护安全性,又为开展数字化核信号处理算法研究及能谱算法研究提供了极大的便利性．     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。     

结构方程模型在兴安落叶松林生长中的应用

【目的】通过结构方程模型,确定气候、土壤和海拔对兴安落叶松林生长指标的影响以及路径关系。【方法】选取年平均气温、年平均降水量、太阳辐射、土壤全氮含量、土壤有机碳密度和海拔作为影响因素,探究兴安落叶松地上生物量、地下生物量、树高与这些影响因素的关系,并利用AMOS 21.0软件构建衡量兴安落叶松生长的3个指标与气候、土壤和海拔的结构方程模型。【结果】兴安落叶松的地上生物量、地下生物量随着海拔、年平均降水量的增大呈现先增大后减少的趋势,树高随着海拔的增加而增加。地上和地下生物量随着土壤有机碳密度的增加而增加。海拔对兴安落叶松生长的总效应系数为0.200且是正向效应,海拔对兴安落叶松生长的直接效应(0.224)大于间接效应(-0.024);气候因子对兴安落叶松林生长的总影响系数为-0.771且是负向效应;土壤因子对兴安落叶松生长的总影响系数为-0.216,其对兴安落叶松林生长起到一定的抑制作用。【结论】根据结构方程模型的路径系数,气候因子的总影响系数绝对值最大,其次是土壤和海拔,兴安落叶松林静态生长主要受到气候因子的制约。     

基于电阻率层析扫描的水下抛石体内部空洞探测

为提高水下抛石体的识别精度,构建了预留有内部空洞的抛石体物理模型与电阻率层析扫描模型研究电阻率层析扫描技术在水下抛石体内部空洞探测中的成像效果,并与传统克里金插值法效果进行了对比。结果表明:电阻率层析扫描可以有效识别水下抛石体中的空洞,并且在刺激源数量为6时电阻率层析扫描模型模拟精度达到较高值;电阻率层析扫描技术在通道纵剖面上的识别能力要远高于传统克里金插值法;将数值模拟结果中电导率大于300.μS/cm的区域视为空洞区,整体反演结果略大于真实值,在 x、y、z 3个方向上的偏差分别为2.73、1.75、6.95.cm;基于反演结果对电阻率层析扫描模型进行正演,正演结果与实测数据的拟合度超过0.95,证明了电阻率层析扫描模型反演的准确性。     

台阶爆破模型试验下破碎岩石抛掷速度规律分析

为了研究台阶爆破破碎岩石抛掷速度的主要影响因素与变化规律,采用量纲分析法确定破碎岩石抛掷速度的主要影响因素,并借助高速摄影系统与台阶爆破模型试验研究不同影响因素下破碎岩石抛掷速度的变化规律.结果表明：破碎岩石抛掷速度的主要影响因素为炸药单耗、最小抵抗线与炸药量的关系(W³/Q)和不耦合系数,抛掷速度对炸药单耗最为敏感,W³/Q与不耦合系数次之;高速摄影图像显示,当爆破作用时间为0.5 ms时,台阶自由面岩石出现位移,当爆破作用时间为2.0 ms时,在爆炸应力波作用下,台阶自由面出现裂缝,破碎岩石的运动形态可分为鼓包运动阶段与抛掷运动阶段,二者之间存在明显的过渡阶段;炸药单耗、W³/Q、不耦合系数与抛掷速度间存在明显的非线性关系,抛掷速度随炸药单耗的增加呈指数函数递增,且存在临界炸药单耗使破碎岩石的抛掷速度出现激增,抛掷速度随W³/Q、不耦合系数的增大呈幂函数递减.     

带有Ornstein-Uhlenbeck 过程的随机logistic种群模型

研究带有均值回复Ornstein-Uhlenbeck过程的随机logistic种群模型的动力学行为。证明收获努力E＊可以控制随机微分方程模型的随机灭绝和持续:若E≥E＊并且满足一些其他条件,则种群灭绝;若E     

区间删失数据下基于OLLGG分布的多参数回归模型的参数估计

该文基于Ⅱ型区间删失数据,在OLLGG分布下提出多参数回归模型,通过线性回归刻画分布参数与协变量之间的关系,并通过极大似然方法给出了模型的参数估计,数值模拟验证了模型参数的估计有良好的性质,将提出的模型应用到血友病患者HIV感染的数据中,发现提出的模型对数据有灵活的拟合效果.     

基于STIRPAT模型的京津冀“碳达峰”预测研究

为了解决京津冀地区碳排放量达峰问题,以河北省为例,研究京津冀碳排放达峰实现路径,对京津冀未来的碳排放量进行预测分析,建立以河北省2004—2021年碳排放相关数据为基础的STIRPAT碳排放预测拓展模型。设置了6个情景,通过综合考虑人口规模、人均GDP、城镇化率、产业结构、能源强度、能源结构数据的变化速度,模拟不同情景下京津冀2022—2040年的碳排放趋势,进而预测京津冀三地的“碳达峰”时间与碳排放峰值。结果表明：北京除清洁发展情景是在2030年达峰,其余情景均在2035年达到峰值;天津除经济放缓情景是在2030年达峰,其余情景均在2035年实现“碳达峰”;河北除基准情景在2035年达峰外,其余情景均是在2030年达到峰值。所提的碳排放预测拓展模型在考虑多情景分析下,就京津冀地区如何控制和减少碳排放量提出相关建议,可为京津冀低碳经济的发展提供一定的参考依据。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

利用早停可微架构搜索的三维点云模型分类

针对现有三维点云分类网络采用人工设计费时费力的问题,提出早停可微架构搜索(early-stopping differentiable architecture search,ES-DARTS)算法。利用从人工设计网络架构中提取到的先验知识,预定义一个包含高效候选操作的搜索空间,可快速搜索出适用于三维模型分类任务的高性能网络模型;通过追踪网络搜索阶段各候选操作的权重变化,找出跳跃连接操作在双重优化过程中发挥不公平竞争作用的临界点并在此处停止搜索,以保证各候选操作之间的稳定性,解决DARTS算法搜索过程中易出现性能崩溃的问题。提出的算法在ModelNet40数据集上达到了93.2%的识别准确率,比当前人工设计的主流网络具有更高的识别准确率。