半马氏市道轮换利率期限结构模型——基于最小Tsallis熵鞅测度

基于Ho-Lee模型,讨论零息债券价格的演变,应用无套利原理和鞅测度的方法,建立了一个离散时间半马氏过程控制的市道轮换下的二叉树期限结构模型.运用最小Tsallis熵鞅测度(the minimal Tsallis entropy martingale measure,MTEMM)处理上述模型,并在马氏和半马氏市道下给出在欧式债券期权定价方面的应用.研究发现模型结果与最小熵鞅测度下的结果具有一致性.     

极大熵聚类算法的收敛性定理证明

有关极大熵聚类算法收敛性的研究是理论研究的一个热点问题,有的学者认为迭代序列的极限点有可能不是目标函数的严格局部极值点.针对这个问题,文中用科学计算软件对相关文献中给出的例子进行了实验,说明该例子并不能否定极大熵聚类算法收敛性定理.最后,从理论上给出了极大熵聚类算法收敛性定理的一个证明.     

有效能消耗系数及其与熵产数和耗散数的比较

提出用不可逆过程的有效能消耗系数表征不可逆过程的不可逆度,建立了不可逆度与热力系统的热效率和热泵系统的性能系数关系式.举例与熵产率、熵产数、耗散率及耗散数进行了比较.结果表明对于不考虑功量消耗的不可逆过程,有效能消耗系数、耗散数和修正熵产数,都能表示过程的不可逆性,三者的趋势相同,而采用Bejan定义的熵产数则出现"熵产悖论",同时有效能消耗系数的倒数可作为传热过程的传热效率.因此,有效能消耗系数适用于表征热/功转换、功/热转换、热输运各环节的不可逆度,更具有普适性.     

多主元FeNiMnCr0.75Alx高熵合金微观结构和力学性能的研究

研究了合金中Al含量的增加对铸态FeNiMnCr_0.75Al_x（x=0.25,0.5,0.75,原子分数）高熵合金晶体结构及力学性能的影响。采用X射线衍射仪（XRD）和透射电子显微镜（TEM）对合金的微观结构及形貌进行分析,采用维氏硬度计和MTS万能试验机测试合金的硬度和室温压缩性能。试验结果表明,铸态下,FeNiMnCr_0.75Al_x高熵合金均由bcc和fcc两种晶体结构的相构成。随着Al含量的增加,合金中bcc结构的相的相对含量逐渐增加,导致硬度和压缩屈服强度也随之升高,应变量降低;且Al含量的增加最终也促使合金中无序bcc结构的相逐渐转变为Ni：（Mn+Al）=1：1（原子分数比）型有序bcc结构的相。     

对称熵损失下两个指数总体均值的序约束估计

在对称熵损失下, 讨论了样本容量相等时, 两个指数总体均值λ_i(i=1,2)的约束极大似然估计i的险, 其中约束为λ₁≤λ₂. 证明了λ₁与λ₂具有比经典极大似然估计X₁与X₂ 更小的风险, 并给出了当λ₂/λ₁→∞和n→∞时,λ_i对X_i(i=1,2)渐近功效e(λ_i,X_i)的值.     

一种基于多策略的改进黏菌算法

针对黏菌算法(slime mould algorithm, SMA)搜索效率低和陷入局部最优的问题,本文提出一种多策略改进黏菌算法。首先,通过Tent映射反向学习策略求得较优种群作为初始种群,提高算法收敛速度;其次,黏菌通过自适应权值策略和扰动策略更新位置,调整算法勘探能力和开发能力,避免陷入早熟并提高收敛速度;最后,与PSO、WOA、GWO、SMA等4种算法和相关改进SMA算法相比,对CEC测试函数的寻优结果表明：本文改进算法的搜索效率和避免陷入局部最优能力较强,算法能在较短时间内找到全局最优值,对测试函数的收敛速度和收敛精度均有不同程度提高。     

基于RBF神经网络的线性混叠盲分离算法

提出一种RBF神经网络算法应用于线性混叠信号的盲分离。所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值,再训练通过用最大熵值的代价函数推导的权值。所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离。仿真验证了所用的算法能减少分离时间和提高分离效率。对比ME算法,该算法更好。     

河南省城市科技创新能力评估及影响因素分析

本研究以河南省18个地级市为研究对象,从科技创新基础、科技创新投入和创新成果产出3个方面出发,来构建城市科技创新能力评价指标体系,利用熵权TOPSIS模型并结合空间自相关模型来分析2010—2020年河南省18个地市的科技创新能力的变化特征,并通过障碍度模型来揭示不同城市科技创新能力的主要限制因素。结果表明：(1)2010—2020年河南省18个地级市的科技创新能力差异明显,其中,郑州、洛阳、新乡和焦作等地级市的科技创新能力较强,周口、信阳和商丘等地级市的科技创新能力排名靠后,整体呈“以郑州为中心向外逐渐降低”的空间分布;(2)河南省科技创新能力呈现出一定程度的空间正相关性,其中郑州、洛阳和焦作是河南省科技创新能力的“高-高”集聚区;(3)对不同城市科技创新能力提升的阻碍因素分析可知,加强政府相关经费投入是郑州科技创新能力提升的重要抓手,而其他城市应重点解决创新平台建设及创新人才数量和专利相关成果产出不足等问题。     

基于变分模态分解和神经网络的风速组合预测

风速预测在风能开发和利用中起着关键作用,然而风速序列往往存在强波动性和非平稳性的特征。为了提高风速预测的精度,文章提出变分模态分解(variational mode decomposition, VMD)和神经网络相结合的风速组合预测模型。首先采用变分模态分解将风速序列分解为若干不同频率的子序列;其次计算各子序列的样本熵(sample entropy, SE)以量化复杂程度,引入熵值法建立神经网络组合预测模型,对复杂度较高的分量采用神经网络组合预测模型,其余分量采用支持向量机(support vector machine, SVM)模型进行预测;最后将各分量预测结果运用BP神经网络拟合得到最终预测值。针对北京测风塔实测样本进行建模预测,验证所提出预测模型的可行性,并与6种不同风速预测组合模型开展对比分析,证明所提出的预测模型具有更好的鲁棒性和预测精度。