春节模型的效应期识别方法研究

春节模型的参数设定目前更多依赖于研究者的主观判断.为解决这一问题,本文首先介绍了春节因素调整的一般过程以及模型设定和检验的相关细节.在此基础上,提出一种基于"循环遍历"方式和序贯检验方法来自动选择春节模型的最优参数组合的新思路.并以社会消费品零售总额月度序列的春节模型的最优效应期长度识别为例,检验该方法的可行性和有效性.实证结果显示,基于季节峰值、离群值点、Q统计量、AICC值和BIC值等统计量的序贯检验能够有效识别出春节模型的最优效应期长度,进而改善春节模型的季节调整性能.     

中国和美国信贷冲击跨境溢出效应的比较研究

本文构建了基于符号约束识别的GVAR模型,并用以考察中国和美国的信贷市场冲击对全球41个国家的不同溢出效应.研究结果表明,中国紧缩性信贷市场冲击对本国实体经济有显著的负效应,但仅限于短中期;而美国信贷冲击对本国乃至全球经济都具有相当大且持久的负影响.中国信贷冲击的跨国效应较小,且主要通过贸易渠道.中国信贷市场的本国冲击能解释中国产出近10%的波动,但无论是本国效应还是跨境传导,总需求冲击仍是驱动中国经济周期波动的最主要力量.     

基于串空间模型的认证测试方法

串空间模型认证测试方法是定理证明安全协议分析法中最具有代表性的一类.利用串空间模型理论对Needham-Schroeder(N-S)公钥协议中中间人攻击问题进行形式化分析与设计,并对其进行证明.与原有技术相比,该方法更为形式化,协议分析人员可以很方便地进行手动分析,并且更有利于协议分析自动化工具的实现.     

数控仿真中切削面计算的并行化研究

针对高离散精度模型与刀具包围体进行切削计算的情况,由于三维图像重建的计算量大,基于传统CPU实现的数控加工仿真系统不能满足实时性的三维绘制。本文利用GPU的并行性特点,提出并行方式数控仿真切削面显示算法:通过线程并行处理基于MC算法的实体构造模型中体素与刀具包围体的切削计算,根据切削后体素角点信息和边的状态查找建立的构型索引表和交点数目索引表,加速数控仿真切削面的提取,从而提高三维图像的绘制速度,满足实时性显示要求。     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

基于网络最大流的城市雨水管网系统脆弱性评价

为了对城市雨水管网系统进行针对性的改建,在暴雨天提高事故抢修速度,需要对城市雨水管网系统进行脆弱性评价并找出脆弱管段.首先介绍了城市雨水管网系统排出雨水的干扰因素,提出了城市雨水管网系统脆弱性的概念,并逐一分析了影响城市雨水管网系统的因素,综合考虑各方面因素,建立了城市雨水管网系统的脆弱性评价模型.在此基础上,结合图论中网络最大流理论,寻找城市雨水管网系统中的脆弱管段.最后以西安某高校的雨水管网系统为例进行研究,测得了该高校雨水管网系统的脆弱度为0.877,证明该区域雨水管网脆弱性较低,不易形成内涝,并找出该高校雨水管网的脆弱管段.     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.     

大尺寸工程模型试验中的相似材料配比试验研究

大型物理模型试验是研究复杂工程问题的重要方法，如何快速、准确地确定相似材料配比是试验中至关重要的一环.为降低试验成本、简化试验步骤、充分调用原料性能，采用河砂、水泥和石膏这三种最普通的原料，以骨胶比(河砂与水泥石膏的质量比)和水膏比(水泥与石膏的质量比)为变量，进行了45组对比试验，对相似材料的物理及动、静力学参数进行了研究.获得了以河砂、水泥和石膏为原料配制的相似材料各物理量的变化区间；探讨了骨胶比和水膏比对相似材料各物理量的控制作用，并对比了其敏感性；基于多元线性回归分析建立了各因素与物理量间的定量关系，得到的拟合公式能较好地描述相似材料的性质.