k正则函数及非齐次k阶方程(σ)kW/(σ)-Zk=f的Riemann边值问题

给出了k正则函数含参变未知函数及非齐次k阶方程(σ)kW/(σ)-Zk=f的Riemann边值问题的提法,并讨论了它们的Riemann边值问题的可解性,得到了它们的边值问题的可解性结论.     

C_4~(2+)分子的E_g b_(1g)系统的Jahn-Teller效应及其各向异性现象

依据Jahn-Teller效应理论与量子理论,利用群论和对称性分析的方法探讨了C42+分子的Eg b1g系统的Jahn-Teller效应及其各向异性现象,构建了Eg b1g系统的电声耦合哈密顿量,借助幺正平移变换计算出了系统的电子基态与激发态及其能量.结果表明,由于电声耦合作用的缘故,系统发生了Jahn-Teller畸变,畸变使得系统在其势能面上形成了两个具有D2h对称性势阱.无论系统处在哪一个势阱中,系统的二重简并的电子基态能级都将发生分裂,因此畸变导致系统电子基态的简并性完全被消除.经过Jahn-Teller畸变,C42+分子就会从D4h对称性降低到D2h对称性,同时C42+分子的振动频率发生分解,频率的分解就意味着C42+分子的各向同性遭到破坏而呈现出各向异性.     

某电站水工隧洞地震响应的动力分析

采用大型商业有限元软件ANSYS对云南某电站的水工隧洞地震响应进行了数值模拟.通过分别从X方向与Y方向输入地震激励,发现X方向的激励对隧洞的影响较大,隧洞衬砌的最大位移发生在隧洞中段拱顶区,得出的结果对实际工程有一定的指导意义.     

基于小波分解的设备状态预测方法

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用ＡＲ（ｎ）模型对分解后的时间序列进行预测,进而得到最终的预测结果．将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于ＢＰ网络的预测方法相比较表明：该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中．     

广义Calderón－Zygmund算子的H~p有界性

ＣｏｉｆｍａｎＲ等引入了广义Ｃａｌｄｅｒóｎ－Ｚｙｇｍｕｎｄ算子，并研究了这些算子的Ｌｐ有界性及弱（１，１）有界性，本文讨论这些算子的Ｈｐ有界性     

矩形截面齐次广义屈服函数及刚架极限承载力

针对矩形截面刚架结构极限承载力分析中存在的问题,本研究通过控制性内力分析遴选了合适的矩形截面广义屈服函数,通过齐次化后建立了矩形截面刚架结构极限承载力分析的弹性模量缩减法.首先,根据回归分析和拟合误差分析建立了等效齐次广义屈服函数;其次,利用齐次广义屈服函数定义单元承载比,通过有策略地缩减高承载单元弹性模量模拟结构刚度退化,进而通过线弹性迭代分析确定矩形截面刚架结构的极限承载力;最后,根据内力占比研究了平面及空间受力刚架的控制性内力,通过对比分析遴选确定了合理的齐次广义屈服函数,并验证了本研究提出的方法的计算精度和效率.结果表明:本研究提出的方法作为线弹性迭代方法具有很高的计算精度,且克服了传统的非线性迭代方法的缺陷,能够取得更高的计算效率.     

武夷山黄山松凋落叶在不同植物群落中的分解动态

用分解网袋和萘排除两种方法,研究土壤动物对凋落叶的分解效应,并分析了随海拔梯度变化黄山松凋落叶的分解动态。结果表明：在1 a的分解时间内,常绿阔叶林样地上未用萘处理的大孔分解袋内凋落叶的分解率为中孔的1.33倍、小孔的1.54倍;高山草甸上未用萘处理的大孔分解袋内凋落叶的分解率为中孔的1.12倍、小孔的1.22倍;土壤动物对凋落叶的分解有显著的促进作用,常绿阔叶林样地上土壤动物贡献率为32 %,而高山草甸土壤动物贡献率仅为5 %,土壤动物作用的骤减是高山草甸凋落叶分解速率较低的重要原因之一。随着海拔升高,温度降低,土壤动物类群数减少,活性下降,凋落叶的分解速率降低。凋落叶的分解受凋落叶基质质量、土壤动物类群、数量以及样地温度、降雨量等综合因素的影响。     

基于变分模态分解参数优化的地震随机噪声去除方法

为解决变分模态分解在地震数据去噪中依赖人工经验,模态分解和去噪效果具有一定随机性和偶然性的问题,提出基于频域奇异值分解信噪比估计的参数优化方法。该方法在参数范围内以较高的估计信噪比为评价参数对模态分量数目与有效模态进行选取,自适应寻找去噪最有效的参数,从而避免主观选取参数的随机性,改善去噪效果。仿真模型实验表明：估计信噪比与真实信噪比的误差为正相关关系,能够有效反映地震数据中噪声程度,所估计信噪比可以作为去噪效果的评价参数。通过仿真模型和实际地震数据对方法进行验证,结果表明基于估计信噪比参数优化后的变分模态分解方法能够有效压制噪声、凸显同相轴信息。     

基于点权的混合K-shell关键节点识别方法

复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell (Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导致评判节点重要性的因素单一.为了更好地识别关键节点,提出了EKSDN(Extended K-shell and Degree of Neighbors)算法,该算法综合考虑了节点的全局指标加权核值以及节点的局部指标度数.与SIR(Susceptible-Infectious-Recovered)模型在真实复杂网络中模拟结果相比,EKSDN算法能够更好地识别关键节点.     

两个矩阵和Drazin逆新的推广式

针对两个矩阵和Drazin逆的表示, 由Drazin逆的定义,根据矩阵分解的思想, 利用Drazin逆的相关性质, 给出了两个矩阵的和在一定条件下Drazin逆新的表示。新结果推广了现有的一些结果。