MPS水流数学模型在冲击压力计算中的应用

通过引入SPH（smoothed particle hydrodynamics）方法中的样条函数作为核子函数，并进一步修正扩散模型及梯度模型的计算公式，对已有MPS（moving particle semi—implicit）水流数学模型进行了改进．将该模型应用于垂向二维水柱倒塌过程计算，结合直立挡板的冲击压力过程实测结果，探讨了水流黏滞系数和摩阻项对直立挡板压力过程计算结果的影响，发现黏滞系数影响峰型的尖锐度，摩阻项影响压力过程的相位；通过适当选取黏滞系数和摩阻系数，获得了与实测结果一致的压力数值计算结果．     

蓄水两坝间长系列水动力及泥沙淤积的研究

对黄河上游龙羊峡至李家峡间的贵德-李家峡河段的蜿蜒河道进行了研究，为蓄水两坝间的通航和河床稳定性问题提供可行性分析依据．根据二维水流连续、运动方程、悬沙扩散方程和两相流底沙运动方程，采用加权集中质量剖分方法，建立了蓄水两坝间水动力、泥沙淤积数学模型．提出了泥沙交换和河床粗化计算模拟的物理图案，对长系列水动力和泥沙运动进行了模化处理．通过调试，验证了水尺水位和李家峡建坝前该河段4年的地形演变量．应用李家峡建坝后典型水文年长系列的组合资料，预报了河床经长期冲淤调整后迭到基本平衡需要的时间．介绍了泥沙交换和河床粗化计算模拟的物理图案和长系列河床演变数学模型的研究方法．     

一种求解容量制约下交通网络流模型的新梯度方法

容量制约下的交通网络流模型是一个非线性规划问题，表现为在路段容量约束条件下的用户均衡网络的优化，这个模型能够描述交通网络的拥挤特征．容量制约下的交通网络流模型可以转换成传统的用户均衡模型的形式，为此对于任意一个给定的结点对，定义了一个新梯度，这个新梯度等于所有使用路径的费用的均值．利用新梯度的特征，并结合惩罚函数方法，可以获得容量制约下的交通网络流的解．数值实验表明所提出的方法表现出优良的收敛性能．     

密度演化方法在概率分布估计中的应用研究

利用密度演化方法，提出了随机变量概率分布估计的一个新方法．在此方法中，构造一个与基本随机变量相关的虚拟随机过程，使得基本随机变量成为该随机过程的截口随机变量．利用独立随机抽样的样本值，即可获取虚拟随机过程的瞬时概率密度函数，进而获得随机变量的概率密度函数估计．以约束混凝土极限应变的试验与理论预测值之比值为例，进行了概率密度函数估计．     

动态小生境遗传算法在多模函数优化中的应用

提出一种基于动态小生境技术的自适应遗传算法．算法的进化过程中，通过物种的辨识和保存过程确定小生境的峰值，引入个体趋向于高适应度的方向这一控制参数控制搜索的方向，采用自适应调整种群距离的方法控制搜索的范围，大大提高了搜索效率．仿真试验表明，该算法能够很好地保持解的多样性，同时具有很高的全局寻优能力和收敛速度，适合求解复杂多峰函数优化问题．     

基于标准正交基的随机过程展开法

建议了一类基于标准正交基的随机过程展开方法．提出此方法的主要目的，在于希望能用少量的独立随机变量来反映随机过程的主要概率特性，以便为工程结构的随机动力响应及可靠度分析奠定基础．该方法是在随机过程相关特性或频谱特性的基础上，预先指定标准正交基的形式，通过随机向量的相关分解对展开系数实施正交化，它在形式上等价于Karhunen-Loeve分解法．研究表明，随机过程正交展开所需独立随机变量的数量，主要取决于随机过程的频谱特性与持续时间，同时与标准正交基的选取也有一定的关系．     

前馈神经网络复值盲均衡算法的研究

提出了一种新的前馈神经网络(N-FNN)复值盲均衡算法。新算法改变了传统均衡技术大量发送训练序列而降低系统传输的有效信息率,有效地消除码间干扰,提高了通信质量。笔者设计出新的传递函数和代价函数,利用最陡梯度下降法推导出输出层和隐层单元权值的迭代公式。通过对QAM信号进行计算机仿真,笔者提出的新算法与同类算法相比,具有均方误差收敛速度加快、误码率降低、稳态剩余误差减小等优点     

模糊关系的S-负传递内部的研究

提出一般t-余模下S-负传递性内部的概念,即包含于该关系的最大的S-负传递关系,给出相应的计算公式及加速计算方法,并利用研究传递闭包相类似的方法,在一些特殊的情况下(如论域有限、相似关系等)给出简化算法。S-负传递内部的研究,不仅完善了模糊关系的性质,而且方便了模糊关系在其它方面的应用。     

多输入多输出系统特征模发射最小化误码率优化功率分配

在多输入多输出系统特征模发射设计中,基于最小化误码率准则优化发射功率分配问题没有简单的闭式解,求解方法有通用优化算法(如内点法)和Q函数契尔诺夫近似功率分配法.前者计算量大且不能理论分析,而后者只能获得近似功率分配解.文中将此约束优化问题的解用W主分支函数表示,将其转化为求解关于W函数的问题,提出了W函数求解法.利用W函数的简单求解算法,所提出方法能获得更精确的优化功率分配解.数值模拟结果也显示,该方法获得了较其他求解方法更低的系统误码率.     

基于数据流的频繁集挖掘

针对数据流特殊的数据类型,提出了一种新的数据流挖掘算法.该算法引入了一个全新的优化方法,将边界集和频繁产生集结合起来.频繁产生集是频繁集的一种无损简缩表达方式.它所包含的模式数量比频繁集所包含的模式数量小若干数量级.边界集是频繁产生模式和其他模式之间的边界,通过观察边界集的变化可以生成新的频繁产生模式.实验结果表明,该算法的性能有明显的提高.