相依回归系统参数的一种有偏估计

对二个相依回归方程组成的线性系统,提出两种新的有偏估计广义岭型协方差改进估计和广义岭型两步协方差改进估计．讨论了这两种估计的优良性质,给出的这两种估计是岭型协方差改进估计和岭型两步协方差改进估计的推广．     

"五步探究模式"在中学地理活动课程中的应用

简述了活动课程在中学地理教学中所处的地位,提出了学习地理活动课程的“五步探究模式”,阐明了这种模式的主要特点、基本流程、具体应用及应用效果。     

基于WPD-AHA-ELM模型的水质时间序列多步预测

根据水质时间序列多尺度、非平稳特性,并基于“分解-预测-重构”思想,提出小波包分解(WPD)-人工蜂鸟算法(AHA)-极限学习机(ELM)组合多步预测模型,并应用于云南省昆明西苑隧道断面pH值、CODmn、DO、NH₃-N多步预测.首先介绍AHA原理,在不同维度条件下选取6个典型函数对AHA进行仿真测试,并与灰狼优化(GWO)算法、旗鱼优化(SFO)算法、粒子群优化(PSO)算法的仿真结果进行比较;其次利用WPD对水质时序数据进行小波包分解,以降低水质序列数据的复杂度;并在延迟时间为1的情况下,采用Cao方法确定各子序列分量的输入、输出;最后通过各分量训练样本构建ELM适应度函数,采用AHA对适应度函数进行寻优,利用寻优获得的最佳ELM输入层权值和隐含层偏值建立WPD-AHA-ELM模型对各子序列分量进行超前1步至超前5步预测,将预测结果加和重构得到最终多步预测结果.结果表明：AHA具有较好的寻优精度和全局搜索能力,寻优精度优于GWO、SFO、PSO算法.WPD-AHA-ELM模型对实例断面pH、CODmn、DO、NH₃-N超前1步至超前5步...     

一步法合成1-甲基-1,2,3,4-四氢异喹啉

为改进1-甲基-1,2,3,4-四氢异喹啉的合成工艺,以苯乙胺为原料,一步法合成1-甲基-1,2,3,4-四氢异喹啉.结果合成1-甲基-1,2,3,4-四氢异喹啉,收率达72.2%.说明此工艺合成路线短,反应条件温和、原料价廉易得适合于工业化生产.     

水下多电机协同推进及其动态面反步滑模控制

复杂多变暗流湍急的水下环境会造成水下机器人姿态失衡,严重时会破坏船体稳定造成偏航.针对大幅度转弯工况与应对外部随机扰动等问题,提出一种归一化的比例同步系数分配方法,构造虚拟主轴多电机协同控制系统的输入,实时调配各个从动轴推进电机的参考转速;针对该方法中异速差异大、动态响应高的需求,设计有限时间动态面反步滑模控制器,提升...     

综采工作面坚硬顶板预裂爆破技术的实践与探讨

为解决回采工作面坚硬顶板悬露不垮的问题,结合某矿15号煤层15103工作面实际情况,采用超前深孔预裂爆破法处理坚硬顶板措施,对欲裂爆破的钻孔布置、参数及爆破工艺进行了分析。实现了工作面顶板顺利跨落。减小了初次和周期来压步距。达到回采工作面安全生产的目的。     

基于LSTM神经网络的畸形波预测

采用长短时记忆(LSTM)神经网络预测方法对某岛礁地形模型的四个典型波浪试验数据进行预测分析,并建立了单步和多步预测模型.首先对波高时间序列数据进行归一化处理;然后建立了包括输入层、隐藏层和输出层的LSTM网络模型框架;最后对测试样本进行单步预测,将预测结果与支持向量机(SVM)模型和反向传播(BP)模型进行了对比.结果表明:LSTM神经网络预测精度有明显优势;多步预测中,提高预测时长其预测精度并无明显降低.     

采用双经验回放池的噪声流双延迟深度确定性策略梯度算法

为了进一步提高双延迟深度确定性策略梯度算法(TD3)的网络探索性能和收敛速度,提出一种采用基于多步优先和重抽样优选机制的双经验回放池的噪声流TD3算法。该算法在策略网络中的每一层添加噪声流以增加参数的随机性,并引入多步优先经验回放池,将多个连续样本组成一个基础单元进行存储,训练时通过多步截断双Q处理实现对值函数的有效逼近,同时增加一个经验回放池采用重抽样优选机制来存储学习价值更大的样本,双经验回放池的设置可弥补样本多样性不足的问题。在OpenAI Gym平台的Walker2d-v2场景中进行仿真实验,结果表明,与对比算法相比,本文算法获得的回报值有明显改善,网络收敛速度也大大加快。     

带层次结构效用可转移合作对策的多步Shapley值

作为一种局中人结盟形式,层次结构比联盟结构更具一般性.本文致力于给出带层次结构效用可转移合作对策的多步Shapley值,具体给出了其分配过程及公理化刻画.另外,作为一个等价分配过程,本文还证明了它等价于一个特殊效用可转移合作对策的加权Shapley值.研究结果扩展了带联盟结构效用可转移合作对策的两步Shapley值,可为研究其它带结盟限制合作对策的解提供借鉴.     

均匀度解释混沌及生态现象的数学依据

定义了任意分布函数的均匀度,在此基础上提出了“均匀度的独立性”公理和“均匀分布最均匀”的命题,阐明了均匀度与熵的相似性,从而揭示了均匀度解释混沌的内在机理.根据独立性公理,k步期望均匀度是存在的,可以用k步平均均匀度估计.由于任意分布函数F可以看作是F^-1对均匀分布的变换,数值计算表明,分布函数的非线性程度是导致k步平均均匀度降低的原因.熵是描述分布的不确定性程度的量,也描述样本的分散程度,样本分散程度意味着样本均匀程度,反之亦然,分布的确定性程度意味着样本的集中程度,样本的集中程度意味着样本的不均匀程度,反之亦然,这是熵与均匀度的共同点.生态学中,大多数格局是集聚格局是由存在于自然界中的非线性变换所致.