小比例尺隔震结构模型双向振动台试验

为分析多高层建筑采用铅芯橡胶垫进行隔震后的结构减震效果,试验对一1:16小比例尺隔震结构模型进行了水平和竖向两向输入地震波的振动台试验;试验中地震波输入和模型结构尺寸采用统一试验相似比设计,以尽可能反应真实隔震结构的动力特性。对模型结构上部加速度和层间位移试验数据进行分析,数据显示隔震结构模型无论加速度还是层间位移反应都得到减小,因此证明该隔震技术对高层建筑同样有较好的减震效果。     

3-氨基-4-甲氧基乙酰苯胺的合成研究

以对甲氧基苯胺为原料,用冰醋酸和醋酸酐作乙酰化剂,经乙酰化、浓硝酸硝化、铁粉还原合成了3-氨基-4-甲氧基乙酰苯胺.还原温度96±2℃,还原液pH为5.1～6.0,产品收率72.23%.用铁泥和废硫酸制备硫酸亚铁,使工业废物变为有用的工业原料,对保护生态环境、减轻污染起到了积极的作用.     

还原增感浓度对AgCl光电子衰减的影响

还原增感是三大化学增感类型之一.近10年来,还原增感的机理以及过程的控制,越来越受到感光科学工作者的关切和注意.主要利用微波介电检测技术,测得自由光电子与浅束缚光电子衰减行为随还原增感浓度的变化.实验发现:还原增感浓度低时,增感中心起空穴陷阱作用;还原增感浓度高时,增感中心起深电子陷阱作用.根据光电子衰减行为随增感浓度的变化得到了最佳增感浓度.     

实时交通数据的噪声识别和消噪方法

以常用的交通数据———交通量时间序列的实测数据为例,给出多个噪声识别及消噪预处理的实验结果.为提高建模的准确度,采用模糊减法聚类对交叉口实测交通量进行噪声识别.对实测交通量采用奇异值分解的滤波方法进行除噪预处理,并通过训练径向基函数网络进行预测.与数据未经滤波直接训练网络相比,预测结果的平均绝对相对误差降低了3.31%.用小波变换对交通量数据进行消噪处理,即通过多分辨率的小波分解和重构来实现消噪.实验表明,若对原始交通量时间序列消噪后再建立预测模型,将获得更好的预测结果,这说明研究的噪声识别和消噪方法的可行性和有效性.     

用于粗糙集约简的并行算法

通过对数据挖掘粗糙集约简算法的研究, 提出一种基于区分能力指数的信息系统数据划分思想. 先将系统按属性区分能力分成若干子表, 再由子表的约简求原系统的约简, 这种思想较好地简化了布尔函数的化简过程. 根据该思想设计了一个属性约简并行算法, 并利用Petri网模拟工具CPN Tools对算法的负载平衡进行了分析, 通过实验与相应的串行算法在时间上进行了对比, 实验结果显示, 该算法对于对象较多的大规模系统具有较高的效率.     

不同主导力量下供应商减排投资的谎报与协调策略

在碳交易政策下的两级低碳供应链中,针对供应商可能利用私有成本信息增加自身利润损害零售商和供应链绩效的问题,探讨供应商投资减排后不同主导力量下供应商的成本信息谎报行为和供应链协调策略。研究发现,供应链主导力量对供应链利润在供应链成员间的分配、供应链的整体绩效和供应商的最优成本谎报策略均有影响。供应商主导型供应链中,供应商不会谎报其成本信息;零售商主导型供应链中,供应商在一定条件下会采取相应的谎报策略以使自身利润最大化,影响减排量、低碳产品零售价格以及零售商和供应链的绩效等。因此,设计一种固定减排量下依赖于批发价格的线性补贴惩罚机制进行协调。在合适的契约参数设置下,此机制在激励供应商反馈真实成本信息的同时能够实现低碳供应链的完美协调,且能将供应链利润在零售商和供应商之间进行自由划分。最后,通过数值分析对结论进行验证并探讨了谎报因子与零售商和供应商利润的关系。     

苯并三唑类紫外线吸收剂的合成

经过重氮化，偶合，还原反应，合成了７个不同结构的苯并三唑类紫外线吸收剂。改进了还原反应条件，讨论了还原反应机理，分离出中间产物，并用红外光谱，质谱，核磁共振等方法确证了结构。讨论了紫外吸收和吸收剂结构间的关系。     

Revisiting Targeted Factors

This paper proposes new methods for ‘targeting’ factors estimated from a big dataset. We suggest that forecasts of economic variables can be improved by tuning factor estimates: (i) so that they are both more relevant for a specific target variable; and (ii) so that variables with considerable idiosyncratic noise are down‐weighted prior to factor estimation. Existing targeted factor methodologies are limited to estimating the factors with only one of these two objectives in mind. We therefore combine these ideas by providing new weighted principal components analysis (PCA) procedures and a targeted generalized PCA (TGPCA) procedure. These methods offer a flexible combination of both types of targeting that is new to the literature. We illustrate this empirically by forecasting a range of US macroeconomic variables, finding that our combined approach yields important improvements over competing methods, consistently surviving elimination in the model confidence set procedure. Copyright © 2016 John Wiley & Sons, Ltd.     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.