组合函数的相等实现——Ⅱ.分离变量法

在献〔１〕中，给出了求解组合函数相等实现后种图形解法，本用这种方法讨论可分离函数及不可分离函数的实现问题。     

关于亚纯函数的ρ（r）—亏量与ρ（r）—相对亏量

Ｖａｌｉｒｏｎ，Ｓａｒａｎｇｉ和Ｐａｔｉｌ等人先后定义并研究了有穷正级ρ的亚纯函数的ρ（ｒ）－亏量。作者曾定义并研究ρ（ｒ）－相对亏量。本文定义并研究了有穷正级ρ的亚纯函数关于小函数的ρ（ｒ）－亏量与ρ（ｒ）－相对亏量。     

自然伽玛曲线上的“海侵针”及其地质意义

自然伽玛曲线上的尖锥状～针状特高异常—“海侵针”,常可指示海侵作用与海相层的存在:“阵发式”海退与“振荡式”海退则是含煤岩系形成过程中两类常见的利于聚煤的海退类型.     

基于强化学习的电磁悬浮型磁浮列车悬浮控制

为了保证磁浮列车的安全、可靠运行,研究了悬浮系统在参数摄动条件下的悬浮控制问题。首先,对电磁悬浮（EMS）型磁浮列车的基本悬浮单元建模,给出了电流控制模型;然后,建立了悬浮系统的强化学习环境以及软演员-评论家（SAC）智能体,并设计了加速训练的奖励函数与“吸死”处理方案;最后,提出了基于强化学习的悬浮控制方法。与传统比例-积分-微分（PID）控制方法的对比结果表明,本方法具有更快的动态响应,在损失50%线圈匝数或磁极面积变化时具有更好的跟踪精度。     

贵州省不同类型自然保护地空间分异及其影响因素

受自然与社会因素的影响,不同类型自然保护地的空间分异存在较大的差异.研究针对贵州省内的自然保护区、森林公园、湿地公园和风景名胜区等4类自然保护地,综合运用最邻近点指数、地理集中指数、核密度和地理探测器模型对其空间分异特征进行分析,并探讨其影响因素.结果表明：自然保护区与其余3种自然保护地在数量的空间分异特征上具有明显差异,但4种自然保护地在面积的空间分异特征上均表现出离散化分布的特征,具有较高的相似性.相同影响因素的解释力在不同类型的自然保护地上差异较大,在数量上主要影响因素呈现出趋异性,而面积上主要影响因素则呈现出趋同性.任意2个影响因素交互后其解释力均增强,交互的特征呈多维度复合影响的态势.不同类型自然保护地功能定位的差别是其主要影响因素呈现出趋异性和趋同性的主要原因.     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

技能映射通过析取模型诱导的多分知识结构

基于程序性知识的评估,提出由项目自身的状态结构诱导多分知识结构的方法,以建立适用于问题解答的多分评估体系.首先,根据各项目的解答或操作步骤设定响应值集,通过项目状态转移函数定义项目状态空间;然后,用操作程序表示技能,由过程函数导出析取的技能映射;最后,讨论技能映射通过析取模型诱导的多分知识结构.结果表明：技能映射通过析取模型诱导的多分知识结构是多分知识空间.     

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.     

一个包含勾股数的Euler函数非线性方程的正整数解

利用欧拉函数的性质与初等数论的方法,讨论包含勾股数的Euler函数非线性方程φ(xyz)=aφ(x)+bφ(y)+cφ(z)-m(a,b,c为勾股数且gcd(a,b,c)=1),当(a,b,c)=(3,4,5)且m=16时的正整数解情况,并证明该方程共有28组正整数解。     

量子粒子群优化核极限学习机的遥感影像分类

极限学习机初始参数具有随机性,容易导致其对高分辨率遥感影像的分类结果出现局部最优现象.为了解决上述问题,提出了一种基于量子粒子群优化核极限学习机的遥感影像分类方法.该方法利用量子粒子群算法对核极限学习机的核参数与正则化参数进行优化,根据参数优化后的结果构建量子粒子群优化核极限学习机的遥感影像分类模型（QPSO-KELM）.通过实验对比了SVM、KELM、PSO-KELM、QPSO-KELM这几种分类方法对高分二号遥感影像数据的分类精度与效率.结果表明：QPSO-KELM的分类精度、运行速度均优于其他几种分类方法,该方法能有效提取遥感影像上的地物要素信息.