有限序列的定位复杂度

该文首先引入了一种度量序列的局部随机性的新指标,这种指标可用来检测序列的局部稳定性,其次,用统计的观点分析了有限序列的稳定性。     

多点Pad逼近的几乎处处收敛性

讨论了在某些插值点解析的函数的多点Ｐａｄｅ逼近,得到多点Ｐａｄｅ逼近行子序列在一定区域上几乎处处收敛的结果．     

钢筋混凝土构件有限元弹塑性分析(Ⅱ) 构件裂缝的随机性分析

钢筋混凝土构件的弹塑性分析中,混凝土的力学状态,尤其是混凝土裂缝的开展明显影响着钢筋混凝土构件的强度和变形。鉴于混凝土材料的非均质多相结构和各组成成分位置、性能的随机性,可认为其裂缝开展在本质上带有随机性。本文应用随机序列的分析方法,建立了裂缝开展的随机数学模型,并应用于实际分析。     

不含K~3的哈密顿图的次序列

本文证明了:不含K~3的图类中,如果简单图G 的次序列是■■,其中r≥5,则G 是哈密顿图.     

Hausdorff空间中逐次叠代法的一点注记

<正> 设(S,τ)是一个拓扑空间,它满足Hausdorff分离公理,算子A作用于空间(S,τ),它变收敛序列为收敛序列,例如,A是拓扑空间(S,τ)中的连续映射。如所周知,从拓扑空间(S,τ)中某一个初始元x0∈(S,τ)出发,经过逐次叠代法     

Orlicz空间中依测度收敛序列系数

本文首先在Banach函数空间中引进了依测度收敛序列系数的概念,并给出依测度收敛序列系数大于1的自反的Odicz函数空间中任何定义在依测度紧集上的非扩张映射均有动点性质,同时给出了Odicz函数空间具有依测度收敛序列系数大于1的等价条件。     

基于LSTM神经网络深度序列机械钻速实时预测

机械钻速是钻井优化、缩短钻井周期的关键因素,传统的机械钻速预测大多是在钻井后进行钻井分析,预测效率和精度低、地层适用性不广。为了以更高效的方法预测得到高精度机械钻速,提出基于长短期记忆(LSTM)神经网络的深度序列机械钻速预测方法。采集实时钻井数据集,使用皮尔逊相关系数衡量各特征之间的相关性,筛选出井深、伽玛射线、地层密度、孔隙压力、井径、钻时、排量、钻井液密度等8个参数。构建LSTM神经网络模型,训练LSTM模型并预测ROP,对预测结果进行分析,并用决定系数(R²)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)等指标对LSTM模型、BP模型和SVM模型性能进行对比分析。结果表明：LSTM模型其R²、RMSE和MAPE的值分别为0.948、1.151和17.075,相较于BP模型和SVM模型,其R²更大,RMSE和MAPE较小,说明LSTM模型预测性能更好。该方法有助于钻井工程师和决策者提前获得钻井信息,从而更好地规划钻井作业,缩短钻井周期,同时为钻井参数预测提供新的途径,能改善以往预测方法在处理复杂地层问题时...     

在PowerBuilder中实现任意两序列间相关图

在很多管理类应用中 ,其数据是不同指标构成的时间序列 ,为反映两指标之间的相关性 ,需按相同的时间值 ,将两列指标数据对应坐标的x轴和y轴 ,得到一个点。不同时间值下得到的多个点即为两指标间的相关图。本文提供了实现PowerBuilder中实现任意两序列数据相关图的方法     

混沌时间序列可预报时间长度分析

摘要：以经典混沌序列——Henon映射序列为例,对不同长度、不同噪声水平的序列进行了预报试验．结果表明：(a)纯净序列,序列越长,预报精度越高,同时预报精度衰减速度随之减慢,并且,当序列足够长时,即使较长预报步长的多步预报,仍可取得相当高的预报精度;(b)含噪声序列,其预报精度随步长的增加迅速地呈指数衰减,并且,序列长度基本上不会对预报时间长度产生影响,但噪声水平对可预报时间长度有一定影响,噪声水平越高,可预报时间长度越短．因此,不明确可预报的标准、不考虑序列长度、噪声水平等因素的影响而简单地以最大Lyapunov指数的倒数定义最大可预报时间长度,是不可取的．同样,根据最大Lyapunov指数推断水文过程的可预报时间长度也是不合适的．     

腊寨水电站大坝右岸滑坡位移矢量角的时序分析

基于腊寨水电站大坝右岸滑坡位移观测资料,运用分形几何中的时间序列分析方法对滑坡位移矢量角变化规律进行深入研究,发现滑坡位移矢量角的赫斯特指数H与时间相关函数C（t）随着滑坡失稳程度的加剧呈现明显的下降趋势,表明位移矢量角与滑坡稳定状态同步的动态变化过程,进而说明时间序列分析方法用于滑坡动态预报是可行的。