Douglas-fir树木生长模型分析及建模

主要对一棵24岁的Douglas-fir(花旗松，北美西北部的主要树种之一)的生长情况进行详细的测量和描述，其目的是创建出一个准确的计算机三维模型．同样的研究由Mark Goebel在2002年对同一试验地砍伐的另一棵Douglas-fir的地下部分作过．把两次研究的结果结合起来制作出一个可以用于教学演示的Douglas-fir生长模型．使用G．H.Dufr和Noran J.Nolan首创的分析法对测量结果进行了分析．主千年轮的直径生长，主干平均年轮面积，主干垂直生长，枝干长度增长和年平均枝干直径的数值都进行了构图分析．生长曲线同理想生长曲线表现出了一定的差异，同时显示了各年问的细微变化．过去24年间好的生长年份可以因此被确定出来．测量分析结果和Goebel的研究结果相吻合，因此重建一棵Douglas-fir的目的能够被实现．但是研究结果表示我们砍伐的Douglas-fir并不是完全没有受到生长压力的绝对优势物种，要进一步创建三维模型还需要一些计算才能实现．     

亚热带岩溶山区植被演替和夏季土壤CO2浓度动态关系

对南川市金佛山西坡相近的环境条件下不同植被类型土壤CO2 浓度及其主要环境因子进行连续观测的基础上 ,采用空间换时间的方法对植被演替对夏季土壤CO2 浓度的动态影响作了详细的研究 ,认为 :土壤CO2 随气温的变化有明显的日变化 ,降水对其浓度也有较大的影响 ,其变化过程及CO2 浓度剖面动态与植被类型有关 ;不同植被条件下土壤CO2 浓度月动态受环境因素影响显示出的差异不大 ,但浓度值水平有很大差别 ;植被演替是岩溶和土壤吸收CO2 作用的重要促进因素 .     

基于人工神经网络的城市航空遥感图像植被分类研究

研究了一种基于模糊量化与多层前馈神经网络相结合进行多类别遥感图像植被分类的新方法.对分类指标 进行π隶属函数模糊量化之后,进行多层前馈神经网络(MLP)训练,再用训练后的MLP网络构成监督分类器,并 以宁波市彩红外航空遥感图像资料为数据源,选取园林区为试验区,对植被进行监督分类,分类精度达78%.研究 成果表明,该方法适用于多类别的遥感图像植被分类,其分类效果也较好.     

水轮发电机组轴系非线性力学模型的建立

讨论了水轮发电机组轴系的建模问题，在综合考虑油膜力、发电机不平衡磁拉力的非线性特性的基础上，同时考虑推力轴承、水封、轴承处支撑结构的影响，建立了系统的非线性动力模型。研究结果为水轮发电机组动力学分析与设计提供了可靠的理论依据。     

软件可靠性增长模型研究

软件可靠性模型预测结果的优劣,取决于基本假设与实际开发过程的吻合程度.在Kaput-Grap可靠性增长模型的基础上,通过与实际情形更接近的基本假设,研究一种新的软件可靠性模型.     

基于电流变的半主动悬架动力学模型的仿真研究

设计了一个混合模式的电流变减振器，将其应用于1／4汽车半主动悬架系统，建立了基于新型电流变减振器的半主动悬架动力学模型，并对其进行了仿真研究，结果表明，该减顺具有良好的隔振性能。     

灰色模型的模糊法在水质评价中的应用

采用灰色模型确定关键污染因子再运用模糊法对河水水质进行综合评价。通过对某个时间段内污染物监测数据的灰色处理，从动态中找出关键因子，再运用模糊法进行综合评价。     

信息系统中用户权限管理的研究

以RBAC授权模型为理论基础，提供一种信息系统权限管理的通用方法，详细分析了Power Builder开发环境下的实现过程。文中还提出了一种权限管理的编码改进方案。     

层流泡状流双流体模型的积分解法

为弥补用于泡状流双流体模型的直接离散差分解法无法比较直观地揭示流场成因的缺陷,针对最基本的泡状流(垂直圆管内充分发展段层流泡状流)提出了一种双流体模型解法——积分解法。首先通过对双流体模型进行符号积分,得到表示该模型的近似解析解,然后再用数值方法迭代求得数值解。该积分解法得到的近似解析解比较直观地表明:液相轴向速度主要与阻力、浮力和空泡率有关,而空泡率则主要受升力和壁面力的影响。数值解与实验数据基本吻合,预测精度一般不低于75%。     

中国股市交易量的周内效应

研究了中国股市交易量在一周里面的变化规律,采样时间跨度是从1990-12-19到2002-12-31。以市场换手率度量交易量,采用自回归广义自回归条件异方差(AR-GARCH)模型研究了中国股市交易量的时间系列。研究结果显示沪市和深市的日市场换手率不服从正态分布并且存在着自相关性和ARCH效应;AR-GARCH模型很好地拟合了日市场换手率时间系列,估计出来的参数十分显著;周一到周五的日市场换手率存在显著差异并且周一的市场换手率达到了一周的最大值。利用混合分布假说进行了解释,非交易日的信息积累可能是周一高换手率的原因。结果指出:在该研究的样本范围内,中国股市交易量存在着周内效应。