长期径流预报的灰色双向差分模型

本文基于灰色预测原理和双向差分理论，提出长期径流预报的灰色双向差分模型，实例应用表明，该模型由于获取了较多的历史径流信息，不仅能得到较为准确的径流预报值的拟合结果，还可得到非常可靠的长期径流趋势预报结果。     

两个“千人计划”人才带出一个重要产业

天威集团以高层领导的诚意和关怀、股权和期权的中长期激励、现代化的研发中心、提升为主业的重点关注,成功地引入并留下麦耀华、黄跃龙两位博士,使之入选"千人计划",带动了我国太阳能薄膜光伏产业的快速发展。     

城镇化对径流的长期影响研究

由于城镇化水平的提高，地表状况的改变，不透水面积的增加，对径流的产生过程有很大的影响．选取浙江临安市南笤溪以上流域为例，利用L-THIA城市水模型对流域35年的日雨量记录进行模拟分析，确定城镇化地区降雨径流的关系，探讨了城市化对径流的长期影响，并在此基础上，模拟预测了城市规模扩大对流域径流的影响．研究结果表明，在相同雨量情况下，下垫面条件的变化是导致径流变化的主要因素，随着城市化的发展，径流深度和径流系数将会有显增加．     

基于SRIO的FPGA间数据交互系统设计与应用

基于时分长期演进(time division long term evolution,TD-LTE)射频一致性测试系统中数据交互的分析研究,为了很好地满足现场可编程门阵列(field programmable gate array,FPGA)间的大容量数据交互,设计了一种高速的嵌入式技术串行高速输入输出口(serial rapid IO,SRIO),实现2块FPGA芯片间的互连,保证在TD-LTE系统中上行和下行数据处理的独立性和交互的便捷。基于Xilinx公司的Virtex-6系列XC6VLX475T芯片,给出了SRIO接口的整体性设计方案,经过ModelSim软件仿真,确定适合项目需要的数据交互的格式类型和事务类型,对接口代码进行综合、板级验证、联机调试等,在ChipScope软件上对比分析数据传输的正确性,通过测试模块统计比较发送和接收信号的误比特率,确定了SRIO接口在高速数据传输的稳定性和可靠性,成功验证了SRIO接口在FPGA之间数据的互连互通,并将该方案作为一种新的总线技术应用于TD-LTE射频一致性测试仪系统开发中。     

对我国土壤肥料若干重大问题的探讨

土壤和肥料资源是保障粮食安全和人类赖以生存的环境的基础,关系到农业与社会的可持续发展等若干重大问题。本文对我国耕地资源特征、利用方式及其演变,农田养分平衡、化肥肥效与土壤肥力演化,肥料技术升级,土壤生物肥力等若干重要土壤肥料问题进行了探讨;提出了发展新型肥料、加强土壤肥力长期监测、培育土壤生物肥力,以及提高有机肥资源效率与安全利用研究等重大工程技术措施的建议。     

不完全维修下的单部件系统视情维修及更换策略

实际装备维修工程中,系统并不总能够通过维修恢复如新,并且修后工作时间和维修时间会随着系统年龄增加而分别呈现缩短和延长趋势。针对这个问题,利用连续时间马尔科夫链理论建立单部件系统在不完全维修条件下的视情维修及更换策略模型。根据马氏过程平稳状态下统计平衡原理得到状态概率方程组,并给出相应的递归求解算法。分别以系统稳态可用度最大、长期运行费用率最低以及规定可用度约束下平均故障前时间最长为目标,确定系统最优检测频率、视情维修阈值和更换策略。最后通过算例说明系统在最优维修及更换策略下达到的性能指标与系统劣化属性和维修能力水平的关系,验证了该模型的可行性。     

控制商业银行信贷风险之我见

信贷风险管理是当前商业银行风险管理的核心.如何准确把握和有效防范、化解信贷风险确保金融安全,是一项庞大而复杂的系统工程和长期任务.近年来,商业银行在强化信贷风险管理、防范和化解信贷风险上作了大量理论研究与实践探索,取得了显著的工作成效和丰富的实践经验,信贷资产质量明显提高.然而,由于市场经济的快速发展与金融产权制度改革、经营管理的授权操作与内控自律制度建设不相适应,不少商业银行还存在着信贷风险控制理念和行为偏差,因此,商业银行还应该采取措施,进一步加强信贷风险管理.     

免疫粒子群算法及其在水库优化调度中的应用

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及免疫接种功能的原理,改进粒子群优化算法的全局寻优能力,提高收敛速度.在分析水库优化调度的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的水库优化调度的方法,建立了数学模型,给出了具体求解步骤.经实例验证,IA-PSO得出的水库优化调度方案优于传统动态规划算法的计算结果,而且算法收敛速度快,为水库调度问题提供了一条新的有效求解途径.     

LTE-V下基于深度强化学习的基站选择算法

针对长期演进车辆(long term evolution-vehicle, LTE-V)下的车辆随机竞争接入网络容易造成网络拥塞的问题,提出基于深度强化学习(deep reinforcement learning,DRL)为LTE-V下的车辆接入最佳基站(evolved node B,eNB)的选择算法。使用LTE核心网中移动管理单元(mobility management entity,MME)作为代理,同时考虑网络侧负载与接收端接收速率,完成车辆与eNB的匹配问题,降低网络拥塞概率,减少网络时延。使用竞争双重深度Q网络(dueling-double deep Q-network,D-DDQN)来拟合目标动作-估值函数(action-value function,AVF),完成高维状态输入低维动作输出的转化。仿真表明,D-DDQN训练完成参数收敛后,LTE-V网络拥塞概率大幅下降,整体性能有较大提升。