共轭梯度最小二乘法和奇异值分解法识别移动荷载对比研究

【目的】移动荷载识别（MFI）技术是通过采集桥梁动态响应来识别桥上动态车载时程的。由于车桥系统矩阵是不适定的，MFI需要求解这一典型结构动力学第二类逆问题。【方法】本研究通过对比研究共轭梯度最小二乘（CGLS）法和奇异值分解（SVD）法识别移动荷载的效果特征，总结CGLS法和SVD法识别移动荷载的适用范围。CGLS法为典型的迭代线搜索法，SVD法为直接正则化法，通过MATLAB软件数值模拟对比CGLS法与SVD法识别移动荷载的效果差异。【结果】CGLS法除上下桥时的误差较大外，其他时段具有较好的参考价值，而SVD法在仅有单车轴在桥上时误差小。【结论】CGLS法识别多轴荷载更具优势，SVD法能有效识别单轴荷载。     

非齐次Schrdinger方程的整体解与爆破解简

研究如下非齐次Schrdinger方程itΦ=-ΔΦ-|x|-b|Φ|p-1Φx∈R~n,t≥0,0相似文献   

基于VMD-BO-BiLSTM的猪肉价格预测模型

基于猪肉价格的非线性与波动性特性，提出一种基于变分模态分解（variational modal decomposition, VMD）和贝叶斯优化（Bayesian optimization, BO）的双向长短时记忆（bidirectional long short-term memory, BiLSTM）网络的猪肉价格预测方法。首先采用变分模态分解对数据进行预处理，将数据分解为具有相对简单波动的子序列；然后通过贝叶斯算法对双向长短时记忆网络模型的第1、2隐含层神经元数目、学习率和批次大小进行寻优，根据寻优的结果建立预测模型。实验结果表明：VMD-BO-BiLSTM方法的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为1.101 214、1.466 100、0.040 631、0.987 760，相比传统单一的LSTM,BiLSTM模型精确度更高，有更高的适用性，适合对猪肉价格预测。     

高阶常系数非齐次线性微分方程特解的新求法

利用常系数齐次线性微分方程的特征多项式、特征方程和特征根,求对应常系数非齐次线性微分方程的特解,得到了方程特解存在的一个充要条件,并举例说明它的应用.     

G′/G展开法求五阶色散方程的精确解

运用行波变换、齐次平衡原理和G′/G展开法研究广义五阶色散方程,讨论推广的五阶色散方程的解的存在性及其求解过程,得到推广的五阶色散方程所有可能情形下的G′/G解.     

产业隔离与性别工资差异:基于2007年的CHIPS数据

基于2007年的CHIP数据,本文使用Appleton(1999)分解方法研究了行业选择影响性别工资差异的具体情况.研究结果发现,行业选择对性别工资差异具有较小影响,女性主要是在行业内受到歧视,故而缩小性别差异的关键在于提升女性在行业内的工资.     

计算的极限

计算深刻地影响着人们的日常生活和生产活动,也推动了诸多其他科学领域的发展和变革.本文从几个不同的方面探讨计算的能力和极限.从计算的模型和丘奇图灵论题,到P和NP问题的深远影响及量子计算对传统计算的冲击,我们深入讨论了对计算极限的理解.     

g支配策略的MOEA/D算法求解多目标流水车间调度问题

采用基于二范数的方法生成权重向量并引入g支配策略对MOEA/D算法进行改进，提出g支配策略的MOEA/D算法（g-MOEA/D）. 将g支配思想与MOEA/D算法有效结合，生成适应决策者DM偏好的有效解的集合，来代替整个Pareto解集或单个有效解，加速种群的收敛性，提高种群的均匀性. 通过仿真实验对比分析g-MOEA/D算法与MOEA/D算法的性能，结果表明，g支配策略的MOEA/D算法所得解集整体性能更优.     

植物叶片淀粉分解与淀粉超量积累研究

植物叶片白天进行光合作用合成过渡型淀粉,夜间过渡型淀粉分解供植物生理代谢和生长发育所需。以往研究显示叶片中过渡型淀粉的分解受着严格的生理节律调控,但是,当淀粉分解代谢及其下游代谢基因功能出现异常时,淀粉通常会在叶片中超量积累。植物学家通过筛选叶片淀粉超量积累突变体与目标基因功能解析,初步完成了对植物叶片淀粉分解代谢网络图谱的绘制。笔者通过对植物叶片过渡型淀粉分解与超量积累现象的最新研究进行梳理,以探寻提高作物叶片淀粉含量的可能途径。     

两个算子之和的极分解

设H和K是复Hilbert空间,T,S∈B(H,K)。T和S的极分解分别为T=U|T|,S=V|S|。在一定的条件下,给出了T+S的极分解为T+S=(U+V)(|T|+|S|)。此外得到相关结论。