交通网络效率的度量和元件重要性的计算方法

针对固定需求和弹性需求的交通网络,综合考虑均衡状态下的出行行为、出行成本、出行需求以及路段流量等因素,分别 提出了网络效率的度量方法,并在此基础上计算网络元件的重要性.算例结果表明:所提出的效率度量方法和元件重要性计算公式是合理的,并对Braess悖论网络进行了分析,发现网络元件的重要性随需求变化而变化.所提出的方法和研究结论对设计和管理交通网络具有指导意义.     

基于模糊推理的人工鱼嗅觉感知研究

“人工鱼”利用人工生命方法实现计算机动画。为了丰富人工鱼的感知能力，提高对自然鱼的逼真动画效果，文章在分析“自然鱼”嗅觉机制、参考“机器鱼”感知系统的基础上，研究并实现了人工鱼的虚拟嗅觉感知．首先在人工鱼体系结构基础上建立了人工鱼嗅觉感知模型，并仿照生物嗅觉形成机理设计了三层嗅觉识别模型，采用基于主成分分析的模糊推理方法实现了嗅觉感知．经动画仿真，得到满意结果。嗅觉感知的研究和实现为人工鱼多感知融合系统提供了基础，也可为机器鱼嗅觉研究提供软件仿真平台。     

基于独立分量分析(ICA)的通信信号盲侦察技术

在通信对抗中,由于电磁环境的复杂性和通信信号调制方式的多样性,我们事前无法确知接收信号的任何信息,给通信侦察带来了极大的困难.为解决复杂多信号环境下的通信侦察难题,作者提出了一种采用独立分量分析（ICA）技术,对原始信号进行盲分离,然后分别对分离的各个信号进行后续处理的盲侦察技术.在介绍ICA技术的基础上,采用基于自然梯度的ICA算法(EASI算法)对分离效果进行了仿真.仿真结果表明,采用该方法在无需任何先验知识的情况下（如载频、信号带宽、调制样式）,可以很好地分离出原始发射信号,为后续信号处理（如分析识别、解调等）奠定了基础.     

香荚兰化学成分及栽培技术研究进展

香荚兰属(Vanilla)为兰科(Orchidaceae)攀缘植物,其果实制品香荚兰豆是目前食品工业和香料产品的重要原料,具有较高的经济价值,享有“香料之王”的美称。香荚兰豆的化学成分主要为香兰素、香兰醇、香兰酸以及脂肪族类、糖苷类、有机酸类化合物,具有抗氧化、抑菌、抗肿瘤等药理作用。香荚兰广泛应用于香料、观赏园艺,并可用于治疗癫痫、肿瘤等。本文对香荚兰的化学成分与药理作用、应用专利和栽培技术等方面进行综述,以期为香荚兰的进一步研究和开发利用提供参考。     

COM组件的设计与使用

本文从现代编程思想出发,介绍了COM组件技术及在现实编程环境中遇到的一些有关COM编程的关键技术．并具体描述了联机手写汉字规整化COM组件的设计及在客户程序中如何使用组件．     

齐齐哈尔市空间生态规划探究

生态安全格局是维持生态系统稳定和物种多样性的有效方法.确定区域生态安全格局是区域规划、主体功能区划分的依据,运用主成分分析法对齐齐哈尔市辖区县的生态安全状况进行评价,划分出相对安全等级,提出了基于生态安全的市域空间格局概念规划.     

甘薯叶的营养成份与应用前景

文章主要系统阐述了甘薯叶的营养成份,综述近年来国内外对红薯茎叶化学成分分析,介绍了其中具有生物活性的成分以及提取物在医疗保健作用等方面的研究进展,同时展望了甘薯叶的应用价值及发展前景。     

作业基础的零部件自制外购短期决策

分析了零部件自制外购决策的成本因素,揭示了使用传统成本方法进行决策的不足,提出用作业成本法来决策的观点,介绍了用作业成本法进行决策的操作过程及其合理性.     

南京北郊冬季典型灰霾天气气象成因及来源分析

2015年1月14~28日南京发生了入冬以来最为严重的持续性霾污染事件。利用地面气象资料、后向轨迹分析和污染物浓度数据,结合加强观测实验所获得的3 h高频次PM2.5中有机碳(OC)和元素碳(EC)的数据,分析了此次霾过程的成因和污染物来源。结果表明高压系统和静稳的均压场是观测期间霾过程形成的天气背景。后向轨迹和气态前体物的分析结果显示第一次霾过程的形成受到山西河北境内高污染气团区域传输的影响。第二次霾过程是一次短时局地污染事件,主要是由于低风速和极低的边界层高度等不利的扩散条件导致污染物在近地层的堆积。OC/EC计算结果(7.66)结合卫星火点资料和轨迹分析进一步说明第三次霾过程受到南方生物质燃烧的影响。高相对湿度有利于二次污染物的生成,因而加剧了第四次霾过程的污染程度。CO、SO_2、NO_2与颗粒物浓度显著相关,OC/EC比值范围2.54~11.61,表明化石燃料和生物质燃烧以及汽车尾气排放是此次观测期间霾形成的主要污染来源。     

Unobserved components in ARCH models: An application to seasonal adjustment

The paper deals with unobserved components in ARIMA models with GARCH errors, in the context of an actual application, namely seasonal adjustment of the monthly Spanish money supply series. The series shows clear evidence of (moderate) non-linearity, which does not disappear with simple outlier correction. The GARCH structure explains reasonably well the non-linearity, and this explanation is robust with respect to the GARCH specification. We look at the time variation of the standard error of the adjusted series estimator and show how it can be measured. Next, we look at the implications this variation has on short-term monetary control. The non-linearity seems to have a small effect in practice. It is further seen that the conditional variance of the GARCH process may, in turn, be decomposed into components. In fact, the conditional variance of the money supply series is the sum of a weak linear trend, a strong non-linear seasonal component, and a moderate non-linear irregular component. This information has policy implications: for example, there are periods in the year when policy can be more assertive because information is more precise. Finally, looking at the non-linear components of the money supply it is seen how linear combinations of non-linear series can produce series that behave linearly.