关于圆周率的几个级数恒等式

利用无穷级数,得到了关于圆周率级数恒等式的几个定理,并逐一加以证明,以几种形式揭示了圆周率的一些特性。     

B-值随机Dirichlet级数表示整函数的增长性

系统地研究了全平面收敛的B-值随机Dirichlet级数的增长性,得到了在一定条件下B-值随机Dirichlet级数在收敛平面上的增长(下)级几乎处处等于某Dirichlet级数增长(下)级,以及它与指数和系数的关系式.     

基于Ethernet IP协议的交流电参数检测仪表设计

针对电参数检测问题,设计一种新型电参数检测仪表,以ARM微处理器STM32F103为控制核心,利用电能计量专用芯片ADE7758作为电参数采集,并采用HMS公司的Anybus-Compact Com模块实现Ethernet IP工业以太网协议的仪表设计。设计结果表明,该仪表性能稳定、测量准确,具有良好的应用价值。     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

具有选择与补偿机制的加权集合序贯极端学习机及其应用

针对集成在线序贯极端学习机(EOS-ELM)预测精度不高和动态适应性差的问题,提出一种具有选择与补偿机制的加权集合序贯极端学习机.该加权集合序贯极端学习机在序贯学习过程中,通过对当前预测模型精度的判断决定是否进行递推更新操作,同时为提高预测模型的动态跟踪能力,在加入新样本的同时对旧样本进行剔除;然后,利用EMD对残差序列处理后进行预测,并将初始预测结果与残差预测结果相加得到最终预测模型.通过对上证指数的预测,结果表明所提方法具有更好的泛化性能,预测精度相比EOS-ELM提高了近36.1%.     

武汉市空气污染物长期变化规律研究

搜集了武汉市2006年~2013年8a间的PM10和气态污染物(包括SO2、NO2、NO、CO和O3)质量浓度监测数据.利用基于Loess的季节趋势分解和窗口滑动平均等时间序列分析方法提取了各种监测指标的长期趋势、季节变化和周变化规律.结果表明,武汉市PM10历经了6a的缓慢下降后于2012年后开始急剧上升,SO2出现明显的下降趋势,其他污染物在2013年之前呈现出小幅上升或基本稳定的趋势,2013年有明显上升;季节规律方面,PM10、SO2、NOX和CO都表现出冬季高夏季低的变化特征,O3则呈现相反的变化特征,另外每年4月PM10会出现一个小高峰现象;PM10表现出明显的周变化规律,呈现出以周三为谷值周六为峰值的周期性变化,而其他气态污染物基本没有明显的周变化规律.     

连接在块体电极之间的PTCDI系列分子体系的输运性质

通过采用密度泛函理论与非平衡格林函数的相结合的第一性原理方法,对四甲酰二亚胺系列分子PTCDI-Cn(n=0,6)的电荷输运性质进行了理论计算.在计算中,PTCDI-Cn(n=0,6)分子分别与Al,Li以及石墨烯3种块体电极组成三明治结构分子结.从电流-电压曲线可知PTCDI-C6分子结体系中出现了负微分电阻以及整流等输运性质.结合透射谱以及投影态密度,对其输运性质进行了相应的分析.计算结果表明这类PTCDI系列分子在将来的分子尺度器件中具有较大的应用价值.     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

基于傅立叶级数的半参数CAViaR模型的贝叶斯分析

针对金融市场复杂性及不确定性,为了更灵活地测度金融市场的波动风险,提出了一类半参数CAViaR模型,利用傅立叶级数拟合前一期信息对当前VaR风险值的非线性影响,选择合适的先验分布,基于非对称Laplace分布构建了相应的似然函数,推导了参数的后验分布,从而实现了对CAViaR模型的贝叶斯推断;最后利用贝叶斯CAViaR模型研究了上海综合指数的风险波动特征,结果发现上证综指的风险波动存在自回归性.