啁啾激光脉冲控制电子纵向动量关联谱研究

采用三维半经典再散射模型研究了周期量级啁啾脉冲中He原子非序列双电离电子的纵向(沿激光电场极化方向)动量关联谱,其中一、三象限分布的不对称性对啁啾参数变化很敏感.该性质是由电场分布的不对称性引起的.通过调节啁啾脉冲参数可以比调节一般周期量级脉冲的绝对相位能更灵敏地控制动量关联谱.     

基于叶绿体基因组全序列分析真叶植物叶绿体基因的适应性进化

 真叶植物包括蕨类、裸子植物和被子植物。迄今已积累有较为丰富的真叶植物叶绿体基因组全序列数据。选取了29种真叶植物的叶绿体基因组全序列,采用PAML 软件基于位点间可变ω模型,分别分析了蕨类、裸子植物和被子植物叶绿体基因的适应性进化。结果显示：① 蕨类、裸子植物和被子植物各有6.5%、7.5%和19.2%的叶绿体基因受正选择作用;被子植物经历正选择的叶绿体基因明显比蕨类和裸子植物为多;② 被正选择作用的叶绿体基因主要是遗传系统和光合系统基因,它们的编码产物涉及叶绿体蛋白质合成、基因转录、能量转化与调节及光合作用等过程。推测叶绿体功能基因可能在真叶植物对陆生生态环境的适应过程中起着重要作用。     

基于比特向量组的数据流邻近序列模式挖掘算法研究

引入项的半垂直比特向量结构,提出挖掘数据流邻近序列模式的MCSP-TSW算法.通过改进比特向量组结构和引入两个剪枝策略,提出改进的MCSP-TSW-Imp算法来减少判断一个候选序列是否频繁的时间.实验表明,两种算法空间消耗相当,但MCSP-TSW-Imp算法比MCSP-TSW算法具有较高的时间效率.     

多元时间序列聚类算法分析

为解决高多元时间序列聚类算法的问题,采用了一种基于主元分析方法的多元时间序列聚类分析方法,利用MTS序列的前z个主元与每个簇的代表元素之间的Eros距离,将原有的复杂数据降维.在此基础上通过改进K-means算法对选取的多元时间序列的主元进行聚类分析,最后得到K个MTS聚类.理论分析和实验结果表明该算法能有效解决聚类问题.     

序列脉冲激光由地面斜入射空中的热晕效应研究

当强激光在地面以不同天顶角向空中传输时,大气的吸收系数不是常数,利用大气中吸收系数随高度变化的函数,通过内插法得到了中纬度夏季时一定海拔高度下大气的吸收系数,建立了序列脉冲激光在地对空传输的热晕模型.分析了强激光以不同天顶角入射对热晕效应的影响.数值结果表明:当高斯激光束传输同样距离,其他条件不变时,天顶角减小,重心沿逆风偏移程度减弱,峰值光强和桶中功率增大,光束聚焦能力增强,热晕效应减弱;当激光沿海平面水平传输时,热晕效应最强烈.     

豇豆枯萎病病原分离鉴定

通过采集武汉市豇豆种植区豇豆枯萎病病株,经常规组织分离法分离纯化获得菌株JKW-1、JKW-2和JKW-3,并对3个菌株进行致病性测定、形态学及分子生物学鉴定.结果表明,3个菌株均为致病的镰刀菌,其中菌株JKW-1和JKW-2菌落色泽为紫红色,JKW-3菌落色泽为白色,均能产生大型分生孢子、小型分生孢子和厚垣孢子,但在菌落形态、产孢量、分生孢子大小等方面存在差异;对这3个菌株的核糖体RNA基因内转录间隔区(rDNA-ITS)进行了PCR扩增和序列测定,并在GenBank中进行Blast搜索和比对分析,根据rDNA-ITS序列分析结果结合豇豆病株症状和病菌的形态学特征,判定引起武汉市豇豆枯萎病的病原菌为尖孢镰刀菌(Fusarium oxysporum Schl.).     

基于MODIS NDVI的秦岭地区植被覆盖变化研究

目的利用重建后的NDVI时间序列数据研究秦岭地区植被覆盖变化。方法利用非对称高斯拟合算法(AG)对秦岭地区2000—2009年MODIS NDVI时间序列数据重建,计算生长季NDVI均值、变异系数及变化趋势,分析秦岭地区2000—2009年植被的时序稳定性和变化趋势。结果①分布于秦岭山区腹地的森林和山间沟谷的灌木植被的时序稳定性较高,而分布在研究区西北部、秦岭北坡、居民聚集地周边农林混合植被,受人类活动的影响,年际波动较大;②研究区西部、东部、秦岭山区腹地,农田覆盖区域改善趋势明显。山区的森林植被和山间沟谷的灌木植被有一定程度改善趋势,但相对稳定。主要城市周边区域的植被呈明显退化趋势,以西安市的周边最为明显。结论秦岭地区植被生长状况整体呈现改善趋势,植被时序稳定性与其跟人类聚集区之间距离呈现明显的逆向分布,说明人类活动对秦岭地区植被波动影响较大。     

约束优化问题中LP最小值序列的性质和判定

借助于谱分解定理以及矩阵理论中的特征值的排序,优于等相关性质定理来研究Hermite矩阵近似特征向量与相应的Rayleigh商矩阵作为近似特征值之间的关系,进行特征值的扰动分析,并推广了一个应用广泛的结论.     

逐步回归时间序列和RBF-ANN在降水预测中的应用

将逐步回归融入到时间序列预测模型的建立中,摒弃了传统的“考虑所有变量”模式,利用“有进有出”的形式,分清各因子主次关系,仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络,准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例,分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型,并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284,平均绝对误差分别为18.37、15.65、13.82 mm,有效系数分别为0.87、0.94、0.93,精度均满足要求,最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。     

LNQD样本最近邻密度估计的相合性

本文在LNQD样本下研究最近邻密度估计的相合性,给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件,同时研究了失效率函数估计的一致强相合性。