试论李光地的中国传统天文学

李光地是清初有影响的政治家和思想家。他十分重视我国传统天文学与近代西方天文学的研究，深入发掘中国传统天文学的思想精华，在整理研究中传统天文学方面做出了贡献。该文就李光地在古老“天圆地方”说辨析上、传统地圆思想考释、重建《周髀算经》天文学体系以及提出新一代浑合通论诸方面进行了初步探讨。     

内涵缩减与分类规则求解

概念格是数据分析与知识提取的一种有效工具,具有精确性和完备性等特点.目前,基于概念格的分类规则提取算法很多,但在提取到规则的数量上和规则的形式上并不能达到令人满意的效果.针对基于概念格的分类规则提取方法进行了研究,在改进内涵缩减的增量式计算方法基础上给出了基于内涵缩减的确定的分类规则和近似的分类规则的提取方法,通过有效限制计算内涵缩减的节点的范围降低了内涵缩减的计算规模,利用分类规则基,降低了需要计算的分类规则的数量,提高了分类规则的提取效率.为验证本研究提出分类关联规则的挖掘方法,用C++实现了上述算法.测试结果表明,本文给出的算法是有效的.     

纳米锆合金晶格畸变对电子行为的影响

研究了锆合金晶格畸变对电子行为的影响,建立了晶格畸变与电阻率之间的关系模型.结果发现,锆合金纳米化后,随晶格畸变增大电阻率增大,晶粒尺寸越小电阻越大.     

基于Lattice Boltzmann方法的1-3型复合材料热传导特征

基于玻尔兹曼输运理论及相关的格子玻尔兹曼方法对1-3型复合材料的热传导特征以及等效的热传导系数进行了详细研究.首先给出了计算热传导问题的格子玻尔兹曼法二维几速度不可压缩热模型以及边界条件(恒温、绝热)的处理方式,并在此基础上探讨了圆形、椭圆形、矩形和随机夹杂的1-3型复合材料的传热特征和等效热导率等,展示了给定时刻下,结构上的温度分布特征以及结构上某点温度随时间的变化特征等.数值结果表明:尽管夹杂截面形状对等效热导率有一定的影响,组分仍是等效热导率最主要的影响因素.     

方钢管混凝土柱节点的抗剪受力分析

为研究方钢管混凝土柱节点的受剪屈服问题,建立了方钢管混凝土柱节点抗剪受力模型。该模型在试验的基础上,将方钢管混凝土柱节点抗剪受力过程分为协同工作、共同工作、屈服强化和极限变形4个阶段,抗剪受力由钢管腹板和节点核心区混凝土共同承担,其中核心区混凝土又以平面抗剪和压杆模式分别对抗剪承载力作出贡献。综合考虑这三者的作用,该模型与试验结果吻合较好。使用该模型可对方钢管混凝土柱节点的受剪和变形等性能进行分析研究。     

一种适用于双微阵列的语音增强算法研究

考虑到传统单通道语音增强算法对噪声抑制的局限性,本文采用由两个微型麦克风阵列组成的双微阵列,利用该阵列空间结构的时空域特性对含噪语音进行处理,提出了一种适用于双微阵列的语音增强算法。该增强算法是将各通道采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimunm Mean Square Error,LogMMSE)提升其信噪比,然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信号的获取,保留目标声源方向的信号并抑制其他方向的信号干扰,最后通过一个改进可懂度结合改进最小控制递归平均(Improved Minimum Controlled Recursive Average Algorithm,IMCRA)噪声估计的维纳滤波器来去除噪声残留提升语音质量。仿真实验结果表明,相比传统的单通道语音增强算法,该算法具有良好的噪声抑制性能。     

基于LS-SVM的温度传感器非线性关系拟合及参考端温度补偿

文章编号: 提出一种基于最小二乘支持向量机(LS-SVM)的温度传感器非线性关系拟合模型,并根据温度传感器的输入 输出特性给出两种方案对参考端温度进行补偿. 建立了LS-SVM回归模型,利用LS-SVM超强的学习能力对温度与电势 间的非线性关系进行精确拟合. 两种方案均可对参考端温度进行有效补偿,其中方案2 可根据参考端温度、传感器实测 电势对实际温度直接拟合,简化了补偿过程,提高了识别精度. 实验表明,LS-SVM回归法及文中所提出的补偿方案能很 好地逼近实际温度,提高测量精度.     

AR(p)扰动下最小均方误差受控过程的联合监控

针对最小均方误差(Minimum Mean Square Error,MMSE)受控过程联合监控可控输入与过程输出这一问题,在任意阶自回归AR(p)平稳扰动模型下开发了一种通用的联合控制图,并将界内点排列非随机判异规则引入其中.同时,对AR(p)平稳扰动模型下生产过程的MMSE控制器和输入与输出的平均链长(Average Run Length,ARL)进行了推导.最后,通过仿真实验验证了该联合控制图的有效性.     

L-Fuzzy拓扑和空间的系列性质

本文研究了L-Fuzzy拓扑和空间的系列性质,揭示了L-Fuzzy拓扑和空间与分明拓扑和空间之间的内在联系.     

An Adaptive Multiscale Ensemble Learning Paradigm for Nonstationary and Nonlinear Energy Price Time Series Forecasting

For forecasting nonstationary and nonlinear energy prices time series, a novel adaptive multiscale ensemble learning paradigm incorporating ensemble empirical mode decomposition (EEMD), particle swarm optimization (PSO) and least square support vector machines (LSSVM) with kernel function prototype is developed. Firstly, the extrema symmetry expansion EEMD, which can effectively restrain the mode mixing and end effects, is used to decompose the energy price into simple modes. Secondly, by using the fine‐to‐coarse reconstruction algorithm, the high‐frequency, low‐frequency and trend components are identified. Furthermore, autoregressive integrated moving average is applicable to predicting the high‐frequency components. LSSVM is suitable for forecasting the low‐frequency and trend components. At the same time, a universal kernel function prototype is introduced for making up the drawbacks of single kernel function, which can adaptively select the optimal kernel function type and model parameters according to the specific data using the PSO algorithm. Finally, the prediction results of all the components are aggregated into the forecasting values of energy price time series. The empirical results show that, compared with the popular prediction methods, the proposed method can significantly improve the prediction accuracy of energy prices, with high accuracy both in the level and directional predictions. Copyright © 2016 John Wiley & Sons, Ltd.