基于自相关的GM（1，1）与GM（1，N）联合模型优化及应用

分析基于自相关理论的GM（1,1）与GM（1,N）联合模型,将仅适合GM（1,1）模型的数据拓展到适合GM（1,N）模型。用数值积分中的Simpson公式来重建GM（1,1）与GM（1,N）的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM（1,N）模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM（1,N）模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。     

基于二重积分定义的神经网络求解数值积分模型及学习算法

根据二重积分的定义和一般网络的拓扑结构特点,提出求解二重积分的神经网络模型和学习算法,并进行算法收敛性分析和算例验证.该算法收敛并且比传统的数值积分方法的计算精度高、收敛速度快.     

高维数据流的聚类离群点检测算法研究

针对基于聚类的离群点检测算法在处理高维数据流时效率和精确度低的问题,提出一种高维数据流的聚类离群点检测（CODHD-Stream）算法。该算法首先采用滑动窗口技术对数据流划分,然后通过属性约简算法对高维数据集降维;其次运用基于距离的信息熵过滤机制的 K-means 聚类算法将数据集划分成微聚类,并检测微聚类的离群点。通过实验结果分析表明:该算法可以有效提高高维数据流中离群点检测的效率和准确度。     

厚板焊接柱的 曲线研究

本文利用数值积分法,考虑截面残余应力和跨中挠度为千分之一杆长的正弦半波状初弯曲,对50组焊接厚板Ⅰ型和箱形截面柱进行了计算分析,从而确定了该类柱子的稳定曲线取值,以供设计规定参考。     

高维动态规划的试验选优方法

本文提出的求解高维动态规划的试验选优方法，可以使这一系统科学领域国际学术界十分注目的重大学术课题取得一定的进展，可以使高维动态规划问题求解成为可能．     

用于大工业过程建模的新型小波神经网络结构

提出一种新的小波神经网络结构 ,旨在解决输入变量比较多、变量分先后次序起作用的一类问题。该网络结构类似于多层前向神经网络 ,不同的是将一部分输入节点移至隐层 ,输入变量不是由同一层输入 ,而是根据变量起作用的前后次序分别在网络的不同层输入 ,从而使网络的规模减小 ;同时 ,隐层神经元的激励函数是一维小波函数 ,避免了多元小波函数带来的维数灾难问题。因此 ,该神经网络是处理高维问题的有效工具 ,尤其适用于包含多道加工工序的大工业过程的建模。将该神经网络用于热连轧产品质量建模 ,并经过了实测数据拟合与检验。试验结果表明 ,提出的小波神经网络结构是可行的 ,而且有很好的应用前景。     

混沌判据的数值计算

利用数值积分法计算判别是否出现混沌的Ｍｅｌｎｉｋｏｖ函数，从而简化了复杂公式的计算。     

高维时空中静态和慢旋转球体的内解

本文从高维 Einstein 场方程导出了高维 Tolman 方程,从而得到了高维时空中静态球体的一个解析内解。从这个解得到的状态方程为 P=αρ,α为与时空维数有关的常数.另外还利用这个解析的静态内解得到了匀速慢旋转和带特殊旋转函数流体球的二个解析内解。     

解析延拓方法简化多光子跃迁几率的计算

详细讨论了复变函数的解析延拓方法和留数定理用于简化多光子跃迁几率的计算问题。结果表明，这一方法是相当有效的，使实际计算变得颇为容易，即使在微机上也能进行这样的计算，为理论与实验进行比较提供了方便。