混沌现象中的定点研究

混沌现象是一种普遍存在的复杂的运动形式,在混沌区似乎没有稳定的状态,事实上仍然存在着一些稳定点;但这些稳定点是暂稳点。对混沌现象中的定点进行了详细的讨论,并分析了这些定点的稳定性。     

2011-16 科技新闻媒体关注指数排行榜

 大气环境是动植物生存、经济社会发展、人类生活的重要影响因子。因此,世界各国对大气环境质量越来越关注。     

破解谜题:研究气候变化对全球的影响(Ⅰ)

气候变化是21世纪影响人类生活的最重要的因素之一,但气候变化的原因,特别是气候变化与人类活动之间的关系问题仍然是科学中的未解之谜。美国国家科学基金会(NSF)高度重视气候变化对全球的影响研究,其对全球变化研究的资助遍及几乎所有部门,包括地球科学部,极地计划办公室,生物科学部,社会,行为与经济科学部,工程学部,国际合作办公室,数理科学部,教育与人力资源部,网络基础设施办公室,计算机及信息科学与技术部等,资助工作取得了丰硕的成果。2009年8月,NSF主任办公室联合上述资助部门,发布了题为《破解谜题:研究气候变化对全球的影响》的报告,从天空、陆地、冰域、海洋、生命和人类等6个方面探讨了全球变化研究中的重要问题,展示了NSF资助的相关研究取得的主要成果。     

土壤微生物加速全球变暖

《自然》杂志公布的最新研究表明,空气中越来越多的二氧化碳导致泥土释放高浓度的温室气体甲烷和一氧化二氮。这项对于大气变化的研究结果揭示了大自然并不像我们先前认为的那样能够减缓全球变暖。     

风云三号气象卫星红外分光计

大气是地球上一切生命赖以生存的重要物质条件之一。人类在各项生产和生活活动中,必须了解和掌握大气温度、湿度、气压、风力等气象要素,以及风、云、雨、雪等天气现象信息。现代气象预报为了提高预报精度、延长预报时效,需要高性能大气遥感仪器提供初始大气信息资料。风云三号红外分光计具有创新性和独立知识产权的技术主要有：     

钠荧光多普勒激光雷达测量中间层顶区域大气温度

建立了一套钠荧光多普勒激光雷达系统用于测量中高层大气环境参量. 钠荧光多普勒激光雷达系统主要包括发射系统、接收系统、数据采集控制和数据处理系统等. 该激光雷达主要使用窄线宽的589 nm激光去激发中间层顶区域的钠原子, 钠原子受激后发射共振荧光; 接收采集钠原子共振荧光, 通过分析其多普勒展宽获得中间层顶区域(约75~105 km)的大气温度. 利用该激光雷达系统开展了观测实验, 成功获得了中间层顶区域钠原子数密度廓线和大气温度廓线; 将钠荧光多普勒激光雷达测量结果与TIMED/SABER温度测量结果进行比较, 结果显示两者非常一致, 说明了该激光雷达探测结果具有可靠性.     

鲁棒的高速物理随机数发生器

基于宽带混沌激光作为物理熵源, 提出一个性能稳定的高速物理随机数发生器实现方案. 利用差分比较器对宽带混沌信号延迟作差, 再经由时钟控制的触发器进行采样保持以及后续异或处理, 实验获得了速率为1.44 Gbit/s 的随机数. 该方案免去了精确的阈值电压调节过程, 利用差分比较纠正了混沌幅值概率密度分布的偏差, 使混沌幅值分布的中值偏斜度系数为γ= 1.5×10^-6. 此实验系统可抗外界波动信号的干扰, 能够连续稳定工作至少12 h.     

物种间不确定性相互关系分析: 一种基于非参数估计的变系数模型

物种间相互作用的研究通常假定物种间相互作用具有某种固定的模式, 因此线性或者非线性参数回归模型(如指数分布或者logistic 模型)被广泛用来描述物种间的相互作用.然而, 这些模型假定了相互作用关系物种之间具有特定响应函数, 而这个假设可能并不适用于真正的生物群落, 如物种间相互作用关系随不同环境变化的混沌系统. 为了用一个更精确的方法来描述这种关系, 我们以榕树-榕小蜂为模式系统, 建立了一个变系数分析模型进行物种间相互关系的分析. 在这个模型中, 用非参数估计方法分析物种间相关系数如何随其他变量(函数)的变化而变化. 当其他因素对相关系数的影响效应可以用一个指定的参数模型来描述时, 新方法就会转化为传统的参数相关分析. 对于经验数据的分析, 新方法更具有普遍性和灵活性, 其与传统方法不同之处在于我们可以研究物种间的相互作用是否会随着某些因素变化而变化, 或者找出维持或改变物种间的相互作用其他关联因素. 这种方法在理论研究和应用研究(如流行病学和群落管理)领域都有着重要的应用价值.     

水往高处流——奇妙的虹吸现象

"水往高处流"——有趣的虹吸现象。"人往高处走,水往低处流。"这是一句流行的"口头禅"。"水往低处流"符合能量守恒定律——如果水自然而然就会向高处流的话,那不就是将自然增加能量而违反这个     

基于生产间歇改进Elman的转炉煤气发生量预测

针对钢铁企业转炉煤气发生量间歇时长波动大,预测精度低的问题,基于生产间歇特征分类,提出基于混沌映射粒子群算法（CPSO）优化Elman神经网络的转炉煤气发生量预测模型（CPSO-Elman）。提取转炉煤气发生量时间序列中生产间歇特征,并根据间歇时长进行分类;引入经混沌扰动改进的PSO算法优化ENN的初始权值和阈值,利用非线性更新的惯性权重以平衡全局搜索与局部搜索能力,并在粒子初始化中添加了混沌映射;构建CPSO-Elman转炉煤气发生量组合预测模型;在预测未来时间内间歇时长基础上,预测转炉煤气发生量。仿真结果表明：所提方法在预测精度上比未经过优化而预测的方法提高了5%左右。