页岩油藏开发合理焖井时间数值模拟

为解决页岩油藏焖井开发过程中,合理焖井周期难以确定等问题,建立了包含油水渗吸置换的数学模型,基于全隐式方法构建了油水两相渗流、渗吸数值模拟模型.通过与实际井的生产数据进行对比验证模型的准确性.针对Y区块压裂水平井Y-1,分别计算了焖井0～160 d的累产油量.研究认为:随着焖井时间的增长,累产曲线的曲率变化逐渐平缓,压...     

用户异质下公交定价和道路收费收入再分配

针对收费道路与公共交通并行的竞争交通系统,在异质用户的出行时间价值服从均匀分布的假设下,结合公共交通的边际成本定价和平均成本定价策略,建立了均衡交通模型,分析了出行者的出行行为.研究发现,随着出行者时间价值之间的差异增大,无论收费收入上交财政还是补贴公交,自驾车人数在不同定价策略下差距减小.进一步,基于效率和公平的准则,考察了道路拥挤收费收入再分配原则所导致的系统总出行成本的变化情况,对四种公交定价和道路收费收入再分配策略进行了对比分析.研究表明,当道路收费收入直接补贴给公交出行者时,比较系统的总出行成本,平均成本定价策略优于边际成本定价.从公平角度分析,当出行用户的时间价值差异不是很大时,无论公交采取边际还是平均成本定价策略,收费收入全部用于补贴公交用户会使得公平性提高.最后,算例结果验证了当固定成本足够大时,受补贴的公交平均成本定价策略是一种较优的策略.     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

基于动态时间弯曲的区间值时间序列匹配算法

结合vague集的优点,将区间值的思想应用于时间序列研究,定义了基于区间值的时间序列.同时,在综合分析了不同的vague值(区间值)的相似度量的缺点后,提出了一种新的基于vague值的相似度量,并结合动态时间弯曲的思想,给出了一个基于动态时间弯曲的区间值时间序列的相似性匹配算法.     

态势估计中的统计时间区间推理方法

在战场态势估计中 ,许多事件有一个持续过程 ,因此需要引入时间区间来表示这些事件发生的时间。态势估计中常常需要判断这些事件发生的时间顺序 ,而对事件发生的时间区间的推测或观测往往含有统计不确定性。利用似然比检验理论 ,建立了一种判别两个事件发生的不确定时间区间的顺序的新方法 ,并讨论了利用检验结果进行限制传播的方法 ,从而有效地增强了态势估计中对时间关系的描述和推理能力     

"已实现"双幂次变差与多幂次变差的有效性分析

近年来,基于金融高频数据的波动率研究成为金融学研究领域的热点,而有效性是衡量波动率估计量优劣的重要标准,本文对波动率估计量的新方法“已实现”双幂次变差和“已实现”多幂次变差的有效性进行了研究,得出“已实现”双幂次变差在一般条件下比“已实现”波动更有效的结论,并且证明了在一定条件下,“已实现”多幂次变差的幂次个数越多,该波动率估计量的有效性越高.这一结论为“已实现”多幂次变差的幂次个数选取提供了原则.     

时间分数阶Fisher型非线性种群扩散模型的近似解

利用时间分数阶微积分理论并结合变分迭代法,对含源项的一维时间分数阶种群扩散模型进行求解,得到了模型近似解的表达式;通过与相应整数阶精确解的对比验证了模型的合理性.     

具有脉冲作用的离散广义切换线性系统的稳定性

应用驻留时间方法和平均驻留时间方法研究了一类由脉冲作用的离散广义切换线性系统的稳定性,给出了系统指数稳定的充分条件,讨论了当平均驻留时间足够大且重设律是允许的,那么系统是全局指数稳定的,利用广义系统受限的等价性质具体给出重设律的设计方法.数值算例和仿真方法说明了本方法的有效性.     

一类区间时滞切换系统的稳定性分析

在过去的几十年里,具有离散和分布时滞的混合系统受到很多关注,并有着广泛应用,如绝对稳定控制,非线性延迟MIMO系统周期控制T不变性等。有关切换系统的研究中,稳定性问题引起较多关注,因而,研究具有混合时滞的切换系统稳定性有着重要意义。讨论了一类具有离散和分布时滞的切换系统指数稳定问题。首先,运用平均驻留时间法构造分段Lyapunov函数和切换规则;其次,引入倒凸组合技术和Jensen积分不等式对求导后的分段Lyapunov函数进行放缩,得出系统指数稳定的充分条件;最后,利用LMI工具箱实现仿真算例验证了定理的有效性,得到保守性更小的时滞上界。     

基于LSTM的燃煤电厂NOx排量软测量

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_x为其中之一。针对燃煤电厂生产过程中NO_x排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_x排放量进行预测。在分析NO_x产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_x排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明：基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。