关于指数级数收敛实部公式

给出了指数级数收敛实部、绝对收敛实部及一致收敛实部公式的严格证明.     

RLC串联谐振实验的直观教学法

传统的RLC串联谐振实验方法需用晶体管毫伏表大量测量数据，实验方法繁琐且没有直观性，在实验过程中不便于分析和讨论。本介绍一种新型实验方法，该方法可以克服上述不足之处，对学习掌握这部分内容起到了很好的作用。     

Time series forecasting using robust regression

The method of ordinary least squares (OLS) and generalizations of it have been the mainstay of most forecasting methodologies for many years. It is well-known, however, that outliers or unusual values can have a large influence on least-squares estimators. Users of automatic forecasting packages, in particular, need to be aware of the influence that outlying data values can have on statistical analyses and forecasting results. Robust methods are available to modify least-squares procedures so that outliers have much less influence on the final estimates; yet these formal methods have not found their way into general forecasting procedures. This paper provides a case study in which classical least-square-estimation procedures are complemented with a robust alternative to enhance statistical fit criteria and improve forecasting performance. The study suggests that much can be gained in understanding the nature of outliers and their influence on forecasting performance by performing a robust regression in addition to OLS.     

Nonlinearity degree of short-term heart rate variability signal

A nonlinear autoregressive (NAR) model is built to model the heartbeat interval time series and the optimum model degree is proposed to be taken to evaluate the nonlinearity degree of heart rate variability (HRV). A group of healthy persons are studied and the results indicate that this method can effectively get nonlinear information from short (6—7 min) heartbeat series and consequently reflect the degree of heart rate variability, which supplies convenience in clinical application. Finally, a comparison with the traditional time domain method shows that the NAR model method can reflect the complexity of the whole signal and lessen the influence of noise and instability, in the signal.     

含季节性虚拟变量的GM(1,1)模型及其应用

针对GM（1，1）模型难以准确预测季节性时间序列的问题，本文将季节性虚拟变量作为灰作用量引入传统GM（1，1）模型中，提出了含季节性虚拟变量的GM（1，1）模型（简记为GMSD（1，1））.在GMSD（1，1）模型定义型和白化型的基础上，推导了GMSD（1，1，x⁽¹⁾）模型、GMSD（1，1，x⁽⁰⁾）模型、GMSD（1，1，b）模型、GMSD（1，1，exp）模型、GMSD（1，1，C）模型等五种派生型GMSD（1，1）模型，构建了季节性虚拟变量GM（1，1）模型群.同时利用粒子群算法对GMSD（1，1）模型和GMSD（1，1，exp）模型中的解析式进行最优化求解.最后以中国水力发电量的季度数据为例，验证了含季节性虚拟变量的GM（1，1）模型及其派生模型的有效性和优越性.结果表明：相较于传统GM（1，1）模型，引入季节性虚拟变量的GMSD（1，1）模型及其派生模型更能准确地描述系统特征序列的季节性波动和周期性变化特征.     

球面函数的Cesαro平均的收敛性与强求和及其逼近阶的研究

本文研究了球面上的函数用其Fourier—Laplace级数的一种重要的线性求和法-Cesαro平均来求和与强求和及其相应的逼近与强逼近的阶的研究状况、发展态势和前景展望等．     

中国与海外股指的混沌特征的比较实证

通过深沪综合指数的5天收益率分布规律以及用R／S方法研究收益率序列得出这样的结论,即深沪综合指数的收益率不服从正态分布,并且收益率是负斜,呈现出胖尾和峰态;中国股票市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出较强的趋势行为;深综指的赫斯特指数H为0．87,非周期循环为16周(4个月),而沪综指的赫斯特指数H为0．85,非周期循环为25周(6个月)。也就是中国股市呈现出长期记忆等非线性的混沌特征。     

Burger''s方程的若干AGE方法

以求解Ｂｕｒｇｅｒ‘ｓ方程的中心差分格式,显示逆风格式,Ｓａｍａｒｓｋｉｉ格式及修正Ｄｅｎｎｉｓ格式为基础,构造了若干新的ＡＧＥ方法,讨论了方法的线性化稳定性数值结果表明,对于求解Ｂｕｒｇｅｒ’ｓ方程大Ｒｅｙｎｏｌｄ数问题,除了Ｃ－ＡＧＥ方法外,文中所构造的其他ＡＧＥ方法明显优于Ｅｖａｎｓ的分组显式方法。     

再论图Pn^3的优美性

给出图Pn3的另一种优美标号,证明其图是优美图且是交错图.另外指出文献[1]中的一个错误和给出了相应正确的结果,同时证明了严谦泰,张忠辅给出的标号以及我们改正的标号都是交错的.     

基于改进多孔算法的时间序列预测

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。