体上一类分块矩阵的群逆研究

给出2个矩阵和的群逆存在的条件及其表达式,在此基础上得到了体上分块矩阵XA+YBBAD)会在一定条件下群逆存在条件及其具体表达式,其中:A,B,X,Y∈Kn×n,A#,B#存在.     

钙质砂地基中群桩基础荷载传递特性研究

为研究钙质砂地基中群桩基础承载过程中的性能特征,开展不同桩距条件下群桩基础静载试验.得到不同桩距条件下群桩的Q-S曲线和S-lg t曲线,测得3d、4.5d、6d(d为桩径)群桩在静载条件下的极限承载力F_u,研究各个桩段的桩身轴力、桩侧摩阻力以及桩端阻力的变化趋势.研究结果表明：群桩的Q-S曲线为缓变型,S-lg t曲线为渐变型,桩基承载变形大致分为稳定、渐进以及破坏3个阶段,相较于3d群桩,4.5d、6d群桩沉降发展更缓慢,F_u更高;同等桩距下,钙质砂地基表现出比陆源砂地基更强的群桩效应,钙质砂地基中群桩最佳桩距应在4.5d～6d之间.该研究为群桩在钙质砂地基中的应用提供数据支撑和理论参考.     

猪血管脱细胞细胞外基质制备的初步探讨

采用高渗、低渗溶液,结合去污剂—酶联合处理猪腹主动脉,进行组织学检查,从而制备血管脱细胞细胞外基质。结果表明:经该法处理的猪血管细胞全部脱除,细胞外基质保持完好,未见胶原纤维、弹性纤维有断裂现象。作者认为,高渗、低渗溶液结合去污剂—酶联合处理,是制备血管脱细胞细胞外基质理想的方法。     

利用Laplace小波和粒子群算法实现阻尼和频率精确计算

提出一种利用Laplace小波求自由衰减信号阻尼和频率的新方法.该方法利用Laplace小波实部的衰减特性来识别信号中的自由衰减波形,从而实现阻尼、频率的正确识别.同时为了提高识别效率,引入了粒子群算法来实现Laplace小波的参数寻优.仿真试验表明:这一方法具有较高的计算精度,且计算精度不受相邻模态耦合的影响.     

论体育旅游的概念体系：逻辑起点、术语体系与基本概念

体育旅游作为一门多学科交叉的新型专业,目前其概念体系还无法支撑体育旅游专业的建设和指导体育旅游活动的实践。文章从体育旅游的英文名称、概念内涵与要素的学界认知及理解分析入手,运用演绎法对构成体育旅游概念体系的逻辑起点、核心概念词群、术语体系和基本概念进行多学科、多角度辨析,在此基础上对体育旅游这一概念进行定义,从而对其内涵进行阐释。     

基于高性能射线跟踪的高铁车站场景5G-R网络优化技术

针对目前反复路测及人工调试方式难以实现准确高效的铁路无线网络优化要求的弊端,面向5G-Railway(5G-R)频段,在高铁车站这一典型通信场景下,通过三维场景建模和射线跟踪技术,以提升无线网络优化效率和精度为目标,研究了不同反射、散射阶数与接收功率的关系,提出了面向车站场景的反/散射阶数功率增长模型和基于散射体空间分布及多径能量特征的无线网络基站参数优化算法.研究结果表明：本文提出的模型能够支撑射线跟踪传播机理的选择,保障网络覆盖预测结果的准确性;优化算法将车站场景的网络达标覆盖率较优化前提升了8.92%,验证了算法的可行性.研究成果可为完善我国智能铁路技术提供参考.     

胶凝原油临界损伤屈服应力计算模型研究

含蜡原油管道停输再启动压力与原油结构强度密切相关。为了理论上描述胶凝原油屈服应力,以胶凝原油微元强度服从Weibull分布为基础,结合统计力学理论及重正化群模型,建立了胶凝原油临界损伤屈服应力计算模型,并利用胜利及苏丹原油在胶凝点附近不同温度条件下的屈服应力对所建立模型进行可靠性验证。结果表明：在胶凝点附近温度条件下,随着测试温度的降低原油屈服应变呈下降的趋势;在测试范围内随着油温的升高,胶凝原油屈服应力越来越小,油温与屈服应力整体呈现幂律关系;相同温度条件下,随着剪切速率的增加,胶凝原油屈服应力逐渐增大;利用所建立的胶凝原油临界损伤屈服应力计算模型对不同温度条件下胜利原油屈服应力进行拟合,该模型能较好地描述原油屈服应力,计算结果可为含蜡原油管道停输再启动提供参考。     

基于EMD-PF-GRNN的短期风电功率预测研究

针对短期风电功率预测,将风电输出功率作为时间序列信号,由于其所具有波动性、非平稳性的特点,提出一种基于经验模态分解(EMD)、粒子滤波(PF)和广义回归神经网络(GRNN)的组合预测模型。首先,利用EMD对风电功率序列进行分解,获得各个相对平稳的模态分量;然后,将分解得到高离散度的数据采用PF进行分析处理,低离散度的数据采用GRNN进行分析处理,其中,通过粒子群算法(PSO),根据各低离散度数据自身特点优化GRNN的平滑因数,以进一步提高其预测性能和精度;最后,通过线性叠加各分量的预测结果得到最终风电功率的预测值。结果表明,与PSO-GRNN和单一GRNN结构相比,EMD-PF-GRNN预测模型的预测误差降低了6%左右,预测精度更高,可以更好的预测风电功率。     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.