世界十大奇异植物

1．日轮花 在南美洲亚马逊河流域那茂密的原始森林和广袤的沼泽地带里,生长着一种令人畏惧的吃人植物叫目轮花。日轮花的叶子一般有1米长,花就散在一片片的叶子上面。人们要是不小心碰上它或去摘它,那些细长的叶子便马上从四周围像鸟爪一样地伸卷过来．紧紧地把人拉住。拖倒在潮湿的草地上。直到使人动弹不得。这时,躲在日轮花上的大蜘蛛便蜂拥地爬到受害者的身上,     

估计高可信Markov系统可信性测度的一种新方法

重要抽样和重要性分裂方法经常被用来估计高可信Markov系统从初始状态出发首次回到该状态前发生故障的概率. 提出了一种新的方法估计这个小概率. 通过采用新的估计量来减小计算方差, 提高计算效率. 从描述Markov系统状态转移的积分方程推导出了新的估计量, 并从理论上证明了新的估计量的方差小于直接仿真方法的方差. 用本文方法、RB方法、IGBS方法、SB-RBS方法和直接仿真方法计算了包含延迟维修的系统的可信性测度, 结果表明本文方法具有最小的相对误差.     

对低代数次数分组密码的SQUARE攻击

利用代数方法,对SQUARE攻击的数学基础进行了研究.指出SQUARE区分器存在当且仅当n比特输出平衡字节和n比特输入活跃字节之间的多项式函数的次数2n-2,并给出了平衡字节通过S盒后仍为平衡字节的充要条件.在寻找SQUARE区分器时,采用代数方法有可能分析更多轮输出的性质.文中还研究了SQUARE攻击对不同结构密码的有效性问题,指出当一个Feistel密码的轮函数具有低代数次数时,SQUARE攻击有可能会失效,即对Feistel密码实施SQUARE攻击时,S盒的性质对攻击将产生一定的影响;在对SPN密码实施SQUARE攻击时,非线性S盒的性质不会对攻击产生影响.文章的最后研究了SQUARE攻击与其他密码分析方法之间的联系,指出一个算法抗插值攻击的一个必要条件是算法能抵抗SQUARE攻击.     

基于奇异熵定阶降噪的水工结构振动模态ERA识别方法

针对原型动力试验激励难的问题,结合水工结构在工作状态下环境激励荷载的特点,直接根据水工结构在工作环境激励荷载作用下的动力响应识别结构的动力特性,提出一种利用特征矩阵奇异熵对信号进行降噪、重构、定阶以及模态参数识别的方法,解决了系统特征矩阵定阶难的问题,揭示了结构在工作状态下的模态阶次及模态特性。最后将该方法应用于二滩拱坝在不同泄洪工况下的模态参数识别以及李家峡双排机厂房在停机过程中的结构振动频率识别。该方法的提出,为解决大型水工结构在工作环境激励下的模态参数识别问题提供了捷径。     

一元不可微函数的局部分数阶定积分的问题

利用Jumarie的分数阶微积分理论推广了Kolwankat和Gangal的局部分数阶微积分,并且重新讨论了局部分数阶定积分,讨论了局部分数阶定积分的性质及其定理.     

双积分政策对新能源汽车上下游企业财务绩效的异质性影响研究

双积分政策的有效性很大程度上取决于其能否激励新能源汽车产业链各环节企业(上下游企业)财务绩效的协同与均衡发展.以新能源汽车产业链的上游企业和下游企业作为研究对象,关注财务绩效的四个方面:盈利能力、营运能力、偿债能力、抗风险能力,运用间断时间序列法分析了双积分政策对新能源汽车上下游企业财务绩效影响的差异性.研究发现:1)双积分政策更能提升新能源车企抗风险能力、盈利能力和营运能力,而对偿债能力的提升作用较弱;2)双积分政策对上下游企业盈利能力、营运能力、抗风险能力的提升作用同步性较强,而对偿债能力的提升作用同步性较弱;3)双积分政策对产业链不同环节的新能源车企财务绩效的影响存在一定的差异.具体地,双积分政策对上游企业盈利能力、营运能力和抗风险能力的提升作用更强,而对下游企业的偿债能力提升作用更强.     

基于Choquet积分的区间灰数多属性决策方法

针对多属性决策中属性间的关联性对决策结果的影响,提出了基于区间灰数灰度和Choquet积分的区间灰数多属性决策方法。根据区间灰数灰度的定义,证明了区间灰数的灰度是一种灰测度,由此定义了关于区间灰数灰度的离散Choquet积分并证明其性质;依据各方案的综合属性值的方差最小的原则建立多目标优化模型,确定了各属性或属性集的权重,最后利用Choquet积分对各方案的效果评价向量进行集成。通过实例说明了该方法的有效性。     

基于BP神经网络PID参数自整定的研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。但在实际应用中，其参数整定仍未得到较好的解决。本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控制器，并通过仿真试验，取得较好的结果。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.