与晓母相关的一些谐声关系和晓母读音

谐声系统中，晓母的谐声关系十分复杂。我们通过对晓母谐声关系的分析，认为造成如此复杂的谐声关系是由于中古汉语晓母上古有不同的来源，即有舌根音、舌尖音和双唇音等来源。这些本来完全不同的辅音声母附加了*s-或*h前缀之后，中古同演变成舌根擦音x-。通过对晓母的分析，告诉了我们中古汉语的辅音声母上古来源并不是单一的．我们不能认为中古一个辅音声母就认为上古只有一个来源。     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

关于图同构复杂性的一点补充

在图G=(V，E)中，删除其度数最大的顶点及其关联的边，在余下的子图中，如法炮制，直至余下的子图为零图．设所删除的这些顶点x1，x2，…，xi的度数依次为P1，P2，…，Pl，称序列P1，P2，…，Pl为图G的度序列；xi(1≤i≤l)关联的边的另一端点在G中的度数的集合称为顶点五关联的度集合．通过计算、比较两图的度序列、被删除的顶点的度数以及它们关联的度集合，证明两图同构问题的复杂度是多项式的．     

SARS经济预测模型

利用经济预测方法，建立了非典数学模型，分别利用0．618法、时间序列的指数平滑技术及温特法对数据进行纵向和横向处理，得出了数据预测趋势走向图和统一预测公式．     

非线性动态网络/系统（N/S）模型辨识与故障诊断

采用方波脉冲函数变换（BPFT）对一类非线性动态N/S混合模型(H1,B)进行了辨识，导出了计算混合模型（H1,B）的相关公式和N/S响应的伏特劳级数解在方波域内的离散递推算式，解决了一类非线性动态N/S模型的数值计算问题.在此基础上，提出了一种基于多重预置模型的非线性N/S的故障诊断方法，该法通过检验各个预设模型与N/S当前状态的匹配程度来判断N/S是否处于某种故障状态，而无须在线估算N/S当前的模型及分析其特征，从而极大地减轻了在线计算工作量，可实现在线故障诊断.给出了故障诊断实例，实验结果表明该法故障诊断的准确率达到80％～90％.     

飞行数据趋势监测在飞机“健康状况”评估中的应用

针对飞行数据属于多状态时域数据的特点提出了一种用于参数趋势监测的方法 ,该方法为“飞机健康”状况提供了一种科学的评估依据。首先对飞机在稳定工作状态和飞行特征时段下的飞行数据进行筛选处理、野点剔除和统计分析 ,并在此基础上建立时间序列AR模型进行参数预测 ,进而采用阈值对比法实现了参数的趋势监测 ,最后讨论了趋势监测在“飞机健康”状况评估中的应用方案。实例表明这一方法具有较高的准确性和重要的工程应用价值     

基于相空间投影技术的舰船目标信号降噪处理

由于很多混沌信号具有较宽的频谱成分，致使传统的滤波降噪方法存在很大的局限性。线性滤波器非但不能有效地抑制混沌信号中的噪声，相反，还可能会使混沌信号失真。文中利用相空间投影技术对具有混沌特征的时间序列进行降噪处理，并将其应用于舰船目标噪声信号的降噪分析中，结果证实了所提方法的可行性和有效性。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

关于一类三角级数的一个渐近和

本文在文[1]基础上讨论付立叶系数满足。Σ^∞k=m|Ck-Ck 1|≤M(C)|Cm|的三角级数f(x)=Σ^∞n=0Cne^inr的渐近和。     

多发串联有控发射武器系统内弹道物理过程

该文根据多发串联预装填有控发射方式武器系统的工作原理，提出了拟静力燃烧时期、拟内弹道过程、强耦合、弱耦合及非耦合等概念，详细分析了多发串联预装填有控发射方式武器系统内弹道物理过程，为多发串联预装填有控发射方式武器系统内弹道控制研究提供了理论依据。