淮河上游县城纳污河段水质概率稀释模型的建立与应…

淮河水质污染已成为严重社会问题，国家也出台了限期治淮的战略目标，但尚有很多理论和实际问题急待解决。本研究根据水体扩散理论和概念理论，首次建立了淮河干流纳污河段的水质概率稀释模型，使之成为合理确定河流排污量和区域排列削减量的科学方法。对规划和实施河流污染治理具有理论指导意义和广泛的实用价值。     

海藻纤维废渣制备多孔碳的吸附性能优化及数据模型构建

海藻纤维废渣为海藻琼脂提取工艺的副产物,富含碳、氧等元素,以其为原料制备高性能生物质衍生多孔碳可实现海藻纤维废渣的高值化利用.本研究以海藻纤维废渣制备多孔碳,通过吸附等温线和动力学探究吸附行为;并利用XGBoost(eXtreme Gradient Boosting)算法构建氨氮吸附容量的预测模型,分析多孔碳制备过程的升温速率、碳化温度及碳化时间等因素对氨氮吸附能力的影响.实验结果表明：海藻纤维基多孔碳材料对氨氮有较好的吸附效果,最大吸附容量可以达到3.514 mg/g,其动力学过程符合拟二级吸附动力学模型、颗粒内扩散模型和Langmuir吸附等温模型;实验和模型证明多孔碳制备过程中碳化温度对氨氮吸附的影响最大,升温速率和碳化时间次之;通过数据模型得出以5℃/min速率升温至1 000℃碳化120 min制备的多孔碳具有最优的氨氮吸附性能.本研究提出一种数据模型,并结合实验成功证明该模型预测的准确性,可为今后生物质衍生多孔碳的制备方法提供预测依据.     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.     

Δ—伪度量族与Menger概率度量空间

引进了Δ－伪度量族概念,研究了Ｍｅｎｇｅｒ概率度量空间与Δ－伪度量族生成空间的关系,证明了每个Ｍｅｎｇｅｒ概率度量空间（Ｅ,Ｆ,Δ）都可由Ｅ上的一个Δ－伪度量族｛ｄλ｝λ∈（０,１）所确定．     

马尔柯夫链状预测的概率计算及拓广

提出了一种马尔柯夫链状预测中的概率计算新方法：状态划分矩阵法;具有模糊状态的马尔柯夫链的概率计算公式,并用实例计算作了说明。     

建筑工程投标报价辅助决策系统中的数据模型

根据投标报价的需要以及ＤＷ的基本思想,研究了建筑工程投标报价辅助决策系统的数据体构,主要操作型数据结构,分析型数据的主题结构,并给出了基于模型的建筑工程投标报价辅助决策系统的应用。     

角谷猜想的证明

应用马尔可夫链推导出角谷链的状态转移概率,从而得出角谷链中的奇数和偶数出现的概率,再以概率的大数定律为基础证明日本数学家角谷静夫提出的猜想.     

B值极限鞅差序列的Brunk型大数定律

分别对于取值于p-致光滑空间的极限鞅、概率极限鞅和L1极限鞅的差序列证明了Brunk型大数定律，推广了Woyczynski中关于鞅的相应结论。     

在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．     

基于无偏灰色-马氏链组合模型的股价研究

通过对股票价格运行特点分析，将这一随机时间序列分解成由灰色模型拟合的趋势变动序列和马尔可夫链，并在对两详细剖析的基础上建立了无偏灰色—马氏链组合模型，以此预测上证综合指数的区间概率分布、平稳分布、均值以及平均涨落时间，检验和实例表明该模型具有较高精度和应用价值．