热动力学研究的时间参量法(Ⅲ)——简单级数反应的热谱面积比法

根据热导式量热计的理论基础——Ｔｉａｎ′ｓ方程,将时间作为已知参量,提出了一种新的热谱数据解析方法——简单级数反应的热谱面积比法．应用该法研究了几种简单反应的热动力学,实验结果验证了热谱面积比法的正确性．     

用遗传算法求解一个系统可靠性优化问题

在造价、体积和重量约束条件下,多级串并联系统的可靠性优化问题是一个具有多局部极值的、非线性的、同时具有整数和实数变量的混合优化问题。把遗传算法和共轭梯度法结合起来,对该问题搜索到了其它算法未能得到的最优解。在遗传算法的应用中,设定了有效的线性定标技术和混合交叉操作,改善了遗传算法的收敛性能。并基于模式理论从数值上表明该问题是符合积水块假设的。最后还从数值上表明遗传算法对该问题是多项式收敛的。     

碳排放权分配与碳排放权交易

气候变化的全球性要求各国共同行动起来采取有效的对策,碳排放权分配与交易是为减缓气候变化而进行国际合作的两个重要问题。本文在提出两种综合考虑公平和效率的碳权混合分配机制,并确定碳权交易价格的基础上,对全球碳权交易情况进行模拟,此外还分析了碳排放权交易对中国经济的影响以及不同碳权分配机制对全球碳权交易收益的影响。     

基于小波包变换的混合域声音编码

研究了小波包变换在声音编码中的应用,通过利用小波包变换在时域和频域都具有良好局部性的特点,提出了一种新的中低码率混合域声音编码算法。这是一种可调码率算法,它根据输入信号段的特性来进行变换和编码,使得编码过程可以同时在时域、频域以及从时域向频域过渡的任一时频域中进行,从而使编码算法不仅在量化编码阶段,而且在变换阶段就对输入信号具有自适应性。其编码效果比在单一固定时频域中进行变换与编码有较大改善,有助于和高码率的声音编码算法相接轨。     

应用遥感资料获取库区水下地形的方法研究

对美国陆地卫星接收到的新安江水库七个不同时相的多波段ＴＭ数据图像资料进行计算机解译,按不同的库区水位解译出每个时相的水陆界线准确位置及求出水边线所包围的水域面积,然后按序进行图形叠加,经过整饰便可得到一幅库区的水下地形 图,根据卫星遥感的成像时间找出水库当时的实际水位,作出水库的水位－面积曲线,经新安江水库原设计的水位－面积曲线与用遥感方法提取的同等水位的面积值分析计算,其平均误差小于０．１１％,     

HFC网上行信道时隙同步的性能分析

在分析HFC网络上行信道时隙同步过程的基础上,建立在系统故障恢复情况下上行信道时隙同步过程的数学建模,重点研究了HFC网完成上行信道时隙同步所需的平均时间.文中给出了不同网络规模、冲突解析算法参数值、上行信道带宽分配策略条件下的实验结果.最后提出了优化HFC网上行信道时隙同步性能的措施.     

平面药包的最佳间距

在矿山剥离、场地平整以及建(构)筑物基坑开挖等露天爆破中,为了充分利用炸药能量将岩石松动或抛掷到一定区域,并确保底板满足一定平整度要求,按照爆破技术设计和工程质量要求,需要设计平面布药结构.本文通过在施工现场进行的大量小型模拟实验,对平面药包间、排距与爆破漏斗的开口面积、可见深度、爆岩的抛掷距离和堆积形态等关系进行了系统分析与研究.实验结果表明,当平面药包间、排距满足一定范围时,爆破漏斗的可见深度较小,而开口面积和抛掷距离最大,爆堆形态较好.平面布药结构存在一个有利于抛掷堆积的最佳间、排距.     

遗传算法及神经网络在锅炉负荷优化分配中的应用

针对并列运行锅炉群的负荷优化分配问题,提出用遗传神经网络辨识给煤量-产气量模型,并用改进的遗传算法进行负荷优化分配.给出了改进遗传算法和遗传神经网络的辨识原理.负荷优化分配结果表明,该方法优于平均分配方法.     

白马鸡配对期两性行为的比较

2003年4月和2004年4月在四川省稻城县著杰寺采用瞬时扫描取样法对野生白马鸡(Crossoptilon crossoptilon)配偶行为进行了研究.结果表明,白马鸡配偶中雌、雄个体全天伴随活动,无特殊情况不会分离.在不受其他个体干扰的情况下,配偶移动时雌性多在前并控制移动方向.雌、雄鸟间距离平均为(1.75±0.03)m,在雄性驱逐其他个体时间距最大.在全天行为记录中,雄性警戒的时间最多,之后依次为取食、移动、驱逐、站立、休息和其他行为.雌性在一天中行为时间分配依次为取食、移动、休息、站立、警戒和其他行为.驱逐行为完全由雄性承担.两性共有行为中雄性用于警戒的时间显著高于雌性(P<0.05),用于取食、休息的时间显著低于雌性(P<0.05),用于移动和站立的时间与雌性差异不显著(P>0.05).     

Gn^d，s图的（n-1）-角色分配

Everett和Borgatti引入了k-角色分配的概念.进一步,他们引入并研究了图G的k-角色可分配程度来表示图G可以在多大程度上进行k-角色分配,记作αk(G).他们还给出了k=2时的k-角色可分配程度α2(G)的下确界,并回答了什么时候α2(G)达到下确界.本文证明了k≥3时,αk(G)的下确界为0,并证明了当图G为G1,sk+1图且a(s+1)≠0(mod k+1)(a=2,3,4)时,αk(G)达到下确界;最后还刻画了能够(n-1)-角色分配的G1,sn图.