环境质量评价中的主成分分析与全局主成分分析方法

给出在环境质量评价中对即时性平面数据的主成分分析方法与对多维动态数据系统的全局主成分分析方法,着重介绍了对时序立体数据表进行立体式的综合与简化,并应用于具体的实例,得到很好的结果.这两种方法对环境质量的评价和治理工作都有积极的指导作用与重要的应用价值.     

基于部件的涵洞CAD系统

根据涵洞CAD系统的总体设计的功能要求,结合涵洞的结构特点、涵洞设计要求及面向对象的编程方法,提出基于部件的涵洞CAD系统开发方法和涵洞CAD系统的部件划分方法,并开发了基于部件的涵洞CAD系统。在生产实际中的应用表明,该系统具有较强的适应性、可扩展性以及易维护的特点。     

栝楼属三种栝楼种子的营养分析

用仪器分析和化学分析相结合的方法，测定分析栝楼(Trichosanthes kirilowii Maxim)、双边栝楼(T.uniflora Hao)、大子栝楼(T.truncata C.B.Clarke)种子的营养成分，结果表明：3种栝楼种子的粗蛋白、粗脂肪和粗纤维的平均含量(g／100g)为：19．10、29．45、20．71，具有较高的营养价值。3种栝楼种子都含有大量的不饱和脂肪酸，不饱和脂肪酸总量均在89％以上；氨基酸共检出18种，必需氨基酸有8种，占氨基酸总量的29％以上；矿质元素种类齐全，高K低Na的特点明显，以ca的含量较高，人体必需的Fe、Mn、Cu、Zn等微量元素的含量(μg/g)分别在201、56、23、68以上。     

基于Notes开发环境的OAS工作流的设计与实现

分析了OAS子系统体系结构和应用层的功能，介绍了基于Notes的OAS工作流实现技术．在此基础上，针对OAS系统的现存问题，采用功能强大的Lotus Notes群件系统，实现了OAS系统的核心模块．     

基于故障附加网络的故障分量算法

为深入认识和利用故障分量,提出了以故障分量为求解和分析对象的故障分量计算方法,它根据故障附加网络和故障分量在故障点的边界条件建立网络方程,并使用Newton法求解该方程。所提方法的特点是物理意义明确,省去了由故障全量导出故障分量的中间过程。编程计算结果表明所提算法快速、准确。该方法能够用于计算复杂电力系统简单故障或多重故障的故障分量,也可用于分析和评判基于故障分量的继电保护和各种安全自动装置的性能。     

运用主成分分析方法评价上市公司经营管理业绩

上市公司的经营管理业绩可以通过一系列的财务指标来反映 ,但这些财务指标只能反映公司经营活动中某时刻某个方面的情况。本文运用主成分分析法 ,对内蒙古 19家上市公司的 8项财务比率进行综合评价 ,得到上市公司财务状况综合评价指数 ,对上市公司的经营管理业绩作实证分析     

云南高原湖泊群的统计学聚类识别 及水质响应模式研究

为探究湖泊群水质变量的响应模式,构建适用于监测数据匮乏的湖泊群聚类和响应模式识别方法体系(PCA-BN),包括4个步骤:数据预处理、PCA降维与湖泊聚类、贝叶斯网络构建及参数学习、湖泊响应关系模拟。以云南高原湖泊群为例开展研究,结果表明:所研究的26个湖泊可分为两类;由于第一类湖泊受到的人为干扰更严重,因而叶绿素a对总氮和总磷的响应比第二类湖泊更敏感;第一类湖泊表层水温高,溶解氧趋近饱和,随叶绿素a变化不显著,第二类湖泊溶解氧随叶绿素a升高而显著升高;两类湖泊的透明度与叶绿素a的关系一致。     

药用植物白芨块茎挥发油组分的GC-MS分析及成分鉴定

通过分析道地药材白芨块茎中挥发油的化学成分,为进一步揭示其药理作用提供科学依据。采用二氯甲烷为萃取剂提取白芨块茎中的挥发油,利用气相色谱-质谱联用技术(GC-MS)鉴定分析白芨块茎中挥发油的化学成分。结果显示从白芨块茎中共鉴定到 34种主要化学成分,相对含量较高的组分有3-甲基丁醛、乙酸、3-甲基-1-丁醇、4-氨基-3-甲基苯酚和乙偶姻等。该研究将为后续进一步开发利用白芨的食疗保健功效提供了理论参考。     

支持大规模分布式网络测量的组件自配置机制

针对大规模分布式网络测量中,大量异构组件需要自动配置和管理才能统一协调运行的问题,提出了分布式网络测量组件自配置机制(CSCM:Components Self-Configuration Mechanism)。采用基于目录服务的方式对组件进行认证和配置管理;并通过资源权限的分配,使全网范围内的测量资源得到合理使用。通过形式化描述和分析CSCM机制的系统模型和运行模型,证明了CSCM具有一阶线性的消息复杂度和收敛时间。并给出一个基于CSCM的分布式网络监测系统(MMS:Monitor and Measurement System),实践证明CSCM增强了MMS的易用性和可扩展性。     

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.