钢筋混凝土框架柱受力全过程分析

为了对在压弯剪复合受力情况下的钢筋混凝土框架柱进行合理的受力全过程分析，采用桁架—拱模型、协调备件和钢筋混凝土应力-应变关系，并结合最小势能法，经过计算机编程，进行了不同参数的框架柱在复合受力情况下的全过程分析，通过计算结果与国内不同参数的52个框架柱和46个约束梁实验结果的对比，数据吻合较好，取得了较为满意的结果，为规范的修订、设计及施工提供有益的参考。     

矩阵方程组[A1XB1,A2XB2]=[C,D]的最小二乘解

一类复合线性系统的数学模型归结为求解线性矩阵方程组[A1XB1，A2XB2]=[C，D]，但该方程组在一般情况下未必相容，因此研究其最小二乘解与研究其相容条件下的准确解同样具有重要意义，利用矩阵对的广义奇异值分解及Frobenius范数正交矩阵乘积不变性，给出了实矩阵方程组[A1XB1，A2XB2]=[C，D]的最小二乘解的求法及其解的表达式。     

基于预测有效度的组合预测模型近似求解

在文献[1]的基础上,首先指出了文献[1]算法存在的一些缺陷,然后给出了组合预测方法精度均值E(A)等于各单项预测模型精度序列均值E(Ai)(i=1,2,…,m)的线性组合的一个充分条件,并给出了组合预测精度的上限和下限估计,从而就一般的情况提出了基于预测有效度的组合预测模型新的近似求解方法.最后以文献[1]中的实例说明了本文算法的有效性.并和文献[1]的结果进行了比较分析.     

组合预测模型的回归分析方法

给出求解组合预测权系数的回归分析方法，文章首先给出了基于最小二乘和最小一乘准则的线性回归组合预测模型，然后应用最小二乘原理得到权系数最小二乘估计值。由于最小一乘准则下，目标函数不可微，传统的优化规则方法无法求解，故文中提出用基于最小二乘的逐步变权方法进行求解。同时，还给出了百分误差绝对值最小为目标的组合预测模型及权系数求解方法。通过实例分析，表明组合预测模型的预测精度很高，回归效果很显著。     

线性方程组几种解结构

本文对线性方程组的一般解,最小二乘解、极小范数解和极小范数最小二乘解分别进行了讨论,并得出它们的表出形式。     

Some Properties of Fractals Generated by Linear Cellular Automata

Fractals and cellular automata are both significant areas of research in nonlinear analysis. This paper studies a class of fractals generated by cellular automata. The patterns produced by cellular automata give a special sequence of sets in Euclidean space. The corresponding limit set is shown to be a fractal and the dimension is independent of the choice of the finite initial seed. As opposed to previous works, the fractals here do not depend on the time parameter.     

海南省高校科研资助项目（Hjkj200326）

记δ和α分别表示图G的最小度和独立数，1991年Faudree等人得到图G不相邻的任意2点x,y均有|N(x)∪N(y)|≥n-δ的Hamiltonian结果。1993年美国乔治亚州立大学的陈冠涛教授深化Fan条件并且得到满足1≤|N (x)∩N(y)|≤α-1的不相邻的任2点x，y均有max{d(x),d(y)}≥n/2的Hamiltonian结果。进一步改进Faudree等人的条件和综合陈冠涛教授的思路,研究满足1≤|N(x)∩N(y)|≤α-1的不相邻的任2点x,y均有|N(x)∪N(y)|≥     

欧氏环中多个元素的最小公倍子

给出了在欧氏环中求多个元素的最小公倍子的一个矩阵方法，该方法可用来计算整数环Z中的最小公倍子和多项式环P[x]中的最小公倍式。     

两类自反有向平衡不完全区组设计的存在性

给出了一个递归构造，并且应用这个递归构造给出了区组长为4，v≡2（mod12)和v≡6（mod 12)的SCDB（4，3；v)；这相当于上述两类结构存在性的证明。     

用于恒模数字信号的变步长归一化最小均方算法

为全面分析用于数字信号的最小均方（LMS）算法性能，提出了一种新的性能评估参数－误码率，为了提高LMS算法性能，提出了一种新的变步长归一化LMS自适应算法，该算法长在启动阶段主要由瞬时误差控制，以加速收敛，在收敛阶段主要由其历史值来决定，以获得低的误码率，而切换条件是基于短时均方误差值，与已有类似的变步长LMS算法相比，在几乎不增加算法复杂度的情况下，具有更快的跟踪速度，更低的比特误码率，特别是其控制参数在观测噪声强度发生变化时不需重新调整，计算机仿真效果支持了理论分析。