中国大区域间投入产出连接模型

区间投入产出连接模型描述了区域之间物资和服务各部门的相互流通和综合平衡关系 ,由于我国各大区域间资源状况的生产水平有很大差异 ,研究区域间投入产出关系有重要意义 .一般情况下 ,区域间投入产出表是的各地区的投入产出表为基础建立的 ,表中各部门仅统计了调入调出总量 ,两区域间调入调出关系并不清楚 .为此 ,要根据现有的各地区投入产出表建立区间投入产出表 .本文提出了建立区域间投入产出连接模型的几种方法 .该模型也可用于研究国际间连接模型 ,以分析各国间的贸易状况 .     

黑龙江农田养分平衡和养分水平的动态变化

研究了黑龙江省１９４９￣１９９９年农田养分平衡盈亏的动态变化。指出氮素平衡一直是亏缺的,但进入９０年代,减亏速率很快,到目前氮素收支接近平衡,磷素平衡进入９０年代开始盈余,目前磷素平衡盈余已达４０％;而钾素平衡一直呈双比例亏缺。文章选择了两个典型村农田实际测定在１０年和１８年中土壤养分水平的变化,结果证实了农田养分平衡状况决定了农田养分的变化方向。文章还讨论了农田养分平衡盈余的调控对策。     

四维搜索——交通OD流的一种解法

交通ＯＤ流的解法从二维搜索发展到三维探索。本文提出四维搜索的方法。二维搜索是解决所谓的“两端守恒”问题,三维搜索是求解网络特性参数问题,而四维则是将节点的直达流与迂回流分离,即求解节 生量和集中量问题。     

基于PID理论的平衡梁控制系统仿真与实验

平衡梁控制系统是我们研制的一种新型现代控制理论实验装置。本文通过建立系统的数学模型并对系统进行了仿真。比较了系统在ＰＩＤ控制器作用下的仿真结果和实际控制效果,最后讨论了模型的准确性和平衡梁系统的控制控制效果。     

带有学习效应和机器可用性限制的排序问题

针对单机和两台机器的平行机排序问题,建立了机器具有学习效应和可用性限制的排序模型。在这个模型中,机器具有学习效应。在学习效应下,工件的加工时间与所排位置有关,对于需要在同台机器上加工的工件,工件随位置的靠后其实际的加工时间减少。同时由于定期维修等原因而导致机器在某段时间内不能加工工件。考虑了目标函数为极小化总完工时间的单机和两台机器的平行机问题。对于机器在任意时间进行维修的一般情况给出了动态规划算法,通过数值例子说明了算法的有效性,对机器在使用前进行维修的特殊情况给出了多项式算法。     

内平衡系统多目标最优模型降阶研究

土木工程结构模型的自由度数目很大,按照原结构模型设计的控制器阶次非常高,从而导致主动控制和半主动控制实施过程中时滞效应十分突出.首先采用均衡实现技术对结构模型的状态变量重新排序形成内部均衡的模型,然后分别基于系统的可观度和可控度指标与内平衡系统二次型性能指标来进行结构模型降阶,略去对结构动力反应贡献小的状态变量.通过对Highway Bridge的Benchmark模型进行多目标模型降阶计算,得到最优的降阶模型,说明方法的可行性和有效性.     

可跨工位操作的随机混流装配线平衡问题研究

装配线平衡问题是在满足一定约束的条件下,将一系列任务单元分配到各个工位上,使其工作强度与利用率相适应.研究了带有跨工位操作,且任务单元完成时间为随机量的一类特殊装配线平衡问题,目标是缩短整个生产过程中的总任务超载时间;参考机会约束规划的思想,建立了α任务超载时间最小化模型;结合随机模拟和遗传算法设计了混合遗传算法以求解,并通过实例仿真验证了算法的有效性.     

土工膜衬垫填埋场边坡稳定性数值分析

基于边坡稳定性分析的极限平衡原理,建立了考虑渗流影响和地震作用的土工膜衬垫填埋场边坡稳定性分析模型,通过对各种参数的灵敏度分析,得出了填埋场边坡安全系数的变化规律.研究结果表明:边坡角度和界面摩擦角对土工膜衬垫填埋场边坡稳定性影响最大,填埋场边坡安全系数随着边坡角度、边坡长度、渗透力、地震影响系数的增大而减小,随界面摩擦角的增大而增大,覆盖土层摩擦角的变化对填埋场安全系数基本无影响;在考虑了边坡渗流作用和地震影响时,土工膜衬垫的填埋场边坡安全系数降低.研究结果可为垃圾填埋场边坡几何参数的确定提供理论依据,同时为垃圾填埋场边坡稳定设计及防护提供技术支持.     

多联机室内机制冷剂管网流量分配仿真模型

针对多联机室内机制冷剂管网中制冷剂流量分配不均,将流体网络理论应用于包含蒸发器、管段、电子膨胀阀、三通等单相、两相制冷剂的复杂管网系统,按照管网拓补结构连接各个部件模型,得到了5台室内机及连接管构成的管网的稳态仿真模型;针对流阻的非线性特点设计了以每两个相邻环路压降之差小于50Pa作为控制条件的迭代算法,根据流阻分配各个环路流量直至管网达到压强平衡.该模型可以研究、评价制冷剂流量分配不均程度,为解决多联机流量分配不均提供理论依据.     

基于样本重采样的电路非平衡数据预处理方法

针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先,采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后,对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。