关于某类缺项级数系数非齐次线性微分方程解的增长性

研究了非齐次线性微分方程f(k) Ak-1f(k-1) … A1f′ A0f=F的增长性问题,其中A0,A1,…,Ak-1,F是整函数,当存在系数A1为缺项级数且比其它系数有较快增长的意义下时,得到了上述非齐次微分方程在一定条件下超越解超级的精确估计.     

关于超越亚纯系数微分方程亚纯解的超级

研究了非齐次线性微分方程f(k) D(k-1)fk-1 … D0f=F的复振荡问题,其中D0,D1,…,Dk-1,F 0是亚纯函数,当存在某个Ds(1≤s≤k-1)比其它Dj(j≠s)有较快增长时,得到了该微分方程亚纯解的超级的精确估计式.     

非线性方程求解的新算法

采用黄金分割思想,构造了一种非线性代数方程求解的新算法.该算法在迭代过程中不用计算导数,且至少二阶收敛.实验表明,该算法比弦割法和抛物线法的收敛速度更快.     

洪水预报误差分布的极大熵法

首先根据实际洪水预报误差出现在有限区域的特点,应用极大熵原理,建立了洪水总量预报误差分布的极大熵模型;通过几个不同流域的计算,得出随着降雨量的增大,产流预报误差趋于一个稳定值的结论. 同时将该模型计算的分布与正态分布进行了比较,结果表明用极大熵法求得的误差概率分布能更好地描述洪水总量预报误差的分布特性,可以根据实际降雨量的大小确定不同的最大不确定性的误差分布,为分析不同量级洪水预报的风险提供依据.     

存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能分析

为了进一步了解相位噪声和信道估计偏差在空相关多输入多输出正交频分复用(MIMO-OFDM)系统中的作用,对存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能进行了分析.利用模型表达了空相关MIMO-OFDM系统的复包络信号,推导了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的有效数据符号的信噪比表达式,给出了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的差错性能指标.研究表明,理论计算和计算机仿真的空相关MIMO-OFDM系统的差错性能结果在各种不同相位噪声和信道估计偏差影响下都比较吻合.     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

基于SD-SEM模型的消费者食品安全风险感知的信息搜寻行为

本文利用系统动力学模型和结构方程模型来研究消费者食品安全风险感知和消费者信息搜寻行为之间的关系,在总结消费者食品安全风险感知和消费者食品安全信息搜寻行为研究文献的基础上,利用结构方程确定消费者食品安全风险感知的影响因素及其之间的路径系数,进而建立系统动力学模型模拟信息搜寻行为对消费者食品安全风险感知的影响,以提出降低消费者食品安全风险感知的建议.     

有阻尼多跨连续梁在横向激励下的响应

为研究有阻尼多跨连续梁在横向激励下的位移响应,采用整体分析的方法,在BernoulliEuler梁理论的基础上建立求解连续梁的横向振动方程,求得了有阻尼多跨连续梁的位移响应函数,同时求得了有阻尼条件下的固有频率方程和振型函数。     

基于管道配置的电液位置控制系统同步特性研究

针对径锻机一级先导缸电液位置控制系统同步精度低的问题,运用AMESim软件研究了第一类管道配置对径锻机一级先导缸电液位置控制系统同步特性的影响。研究发现:系统同步误差随着管道长度的增加而增大,且伴有波动现象,管道长度为3m时最大同步误差是管道长度为1m时的1.4倍;管道长度为1m时的最大同步误差为无管道时的1.1倍;管道材料的杨氏弹性模量越小,对应系统的同步误差越大。     

A Time‐Simultaneous Prediction Box for a Multivariate Time Series

A sample‐based method in Kolsrud (Journal of Forecasting 2007; 26 (3): 171–188) for the construction of a time‐simultaneous prediction band for a univariate time series is extended to produce a variable‐ and time‐simultaneous prediction box for a multivariate time series. A measure of distance based on the L_∞ ‐norm is applied to a learning sample of multivariate time trajectories, which can be mean‐ and/or variance‐nonstationary. Based on the ranking of distances to the centre of the sample, a subsample of the most central multivariate trajectories is selected. A prediction box is constructed by circumscribing the subsample with a hyperrectangle. The fraction of central trajectories selected into the subsample can be calibrated by bootstrap such that the expected coverage of the box equals a prescribed nominal level. The method is related to the concept of data depth, and thence modified to increase coverage. Applications to simulated and empirical data illustrate the method, which is also compared to several other methods in the literature adapted to the multivariate setting. Copyright © 2015 John Wiley & Sons, Ltd.