复杂裂隙网络无压渗流分析的变分不等式提法

通过对仅适用于湿区裂隙渗流的Darcy定理进行延拓处理,并将潜在溢出面归纳为Signorini型互补边界条件,建立了定义在裂隙网络全域上无压渗流问题的偏微分方程（PDE）提法.为了减小试探函数的选取难度和消除溢出点的奇异性,进一步发展了与PDE提法等价的变分不等式（VI）提法,并给出了离散型变分不等式提法的有限元数值求解格式、迭代算法与计算流程.由于使用了连续型的Heaviside函数代替阶跃型函数,避免了对位于过渡区域裂隙单元进行积分时形成的数值跳跃,从而显著提高了有限元数值求解过程中的稳定性.典型算例的计算结果验证了该方法的有效性和可靠性,并表明基于离散裂隙网络模型的无压渗流分析不但可以较好模拟裂隙岩体渗流的非均质性和优势水流方向,还可以准确预测坡体内部排水结构的渗流量,为裂隙岩体边坡防渗排水系统的优化布置提供科学依据.     

基于非等量采样的伪码同步技术研究

针对数字通信系统中伪随机噪声(pseudo-random noise, PN)码同步技术的同步精度受限于采样间隔的问题,结合可变群时延的高精度同步思想,利用采样点位置偏移量的变化,推导出了非等量采样(non-commensurate sampling, NCS)下的PN码相关函数解析表达式,提出了基于精度因子的NCS率选取准则,通过精度因子可快速判断出NCS后PN码的同步精度下限。在此基础上,分析了码序列周期、接收机前端滤波器等附加因素对PN码同步精度的影响。对NCS率选取准则的研究,为优化数字通信系统设计提供了理论指导,达到以低硬件消耗实现高精度同步的目的。     

黄芪建中汤对慢性胃炎患者的干预效果分析

分析黄芪建中汤对慢性胃炎患者的干预效果。以甘肃省镇原县第一人民医院2019年3月—2020年11月接收的106例慢性胃炎患者作为研究对象,按1:1的比例随机分配入两组内：参照组53例,以三联疗法治疗;治疗组53例,在参照组基础上加用黄芪建中汤治疗。于治疗前、治疗4周后对两组主要中医症状进行量化评分,检测血清肿瘤坏死因子-α(TNF-α)、转化生长因子β1(TGF-β1)等炎症相关因子水平,并评定两组治疗4周疗效。治疗组治疗总有效率明显较参照组优（P<0.05）;治疗后两组主要中医症状评分及血清TNF-α、TGF-β1水平与同组治疗前相比均明显降低（P均<0.05）,且和同时间点参照组相比,治疗组均明显更低（P均<0.05）。对慢性胃炎采用黄芪建中汤治疗的效果较佳,可明显降低中医症状评分,有效下调血清炎症相关因子水平。     

清肺化痰汤+盐酸氨溴索治疗AECOPD并呼吸衰竭的效果及对患者血清炎症因子水平的影响

评价清肺化痰汤+盐酸氨溴索治疗AECOPD并呼吸衰竭的效果。随机选择98例医院（2018年1月—2020年8月）收取的AECOPD（慢性阻塞性肺疾病急性加重期）并呼吸衰竭,等分为对照组、研究组,对照组采用盐酸氨溴索,研究组采用清肺化痰汤+盐酸氨溴索,将2组疗效、血清炎症因子水平作对比。治疗总有效率行组间对比,有差异性（P<0.05）。治疗前,血清炎症因子水平行组间对比,无差异性（P>0.05）;治疗前后组内对比、治疗后组间对比均有差异性（P<0.05）。对于AECOPD并呼吸衰竭患者,清肺化痰汤+盐酸氨溴索治疗效果显著。     

基于密度结构分析的改进FCM混合矩阵估计

欠定盲源分离问题中,针对传统FCM算法(fuzzy C-means,FCM)需要预先设定聚类数目和初始聚类中心,以及聚类结果易受噪点干扰的问题,提出一种基于密度结构分析的改进FCM聚类算法,并利用改进后的算法实现混合矩阵估计.这一改进算法首先用OPTICS(ordering points to identify the...     

基于DMA模型的价值投资策略有效性

基于我国股市数据,运用三类多因子DMA模型,制定价值投资策略,引导投资者进行理性投资,对我国股票市场的股票投资策略的有效性进行研究.研究表明,将大盘指数与行业指数作为反映情绪与政策影响的因子纳入模型,其拟合效果有显著提升.而仅基于客观财务指标制定的价值投资策略,其实施的收益率远高于市场平均收益率.研究成果不仅可以引导投...     

低合金Q420D钢蠕变损伤研究

本研究对低合金Q420D钢进行高温（温度为750℃和800℃）蠕变试验,利用高温蠕变试验数据对K-R蠕变损伤模型和双曲正弦蠕变损伤模型进行拟合,并求得蠕变损伤模型的材料常数。从损伤因子的演化和蠕变寿命预测两方面对K-R蠕变损伤模型和双曲正弦蠕变损伤模型进行比较。结果表明：在损伤因子演化方面,K-R蠕变损伤模型不能完全表述损伤因子从0到1的演化过程,而双曲正弦蠕变损伤模型则能很好地表述损伤因子的演化;在蠕变寿命预测方面,K-R蠕变损伤模型的预测效果优于双曲正弦蠕变损伤模型。     

基于变分模态分解和神经网络的风速组合预测

风速预测在风能开发和利用中起着关键作用,然而风速序列往往存在强波动性和非平稳性的特征。为了提高风速预测的精度,文章提出变分模态分解(variational mode decomposition, VMD)和神经网络相结合的风速组合预测模型。首先采用变分模态分解将风速序列分解为若干不同频率的子序列;其次计算各子序列的样本熵(sample entropy, SE)以量化复杂程度,引入熵值法建立神经网络组合预测模型,对复杂度较高的分量采用神经网络组合预测模型,其余分量采用支持向量机(support vector machine, SVM)模型进行预测;最后将各分量预测结果运用BP神经网络拟合得到最终预测值。针对北京测风塔实测样本进行建模预测,验证所提出预测模型的可行性,并与6种不同风速预测组合模型开展对比分析,证明所提出的预测模型具有更好的鲁棒性和预测精度。     

无零因子的EP-内射环

对EP-内射环作等价刻画,利用无零因子条件,得到若干等价条件,并得出:若R是无零因子环,则R是左EP-内射环当且仅当R的任意主左理想都是EP-内射的。推广了相关结果。     

3类3-正则图中的1-因子数

构造了3类3-正则图,并用划分与求和的方法给出了这3类图1-因子数的计算公式.