高阶非线性中立型微分方程的振动性

研究具有连续分布滞量的高阶非线性中立型微分方程x(t) ∑mi=1ci(t)x[τi(t)](n) x(t) ∑mi=1ci(t)x[τi(t)](n-1) ∫abF(t,ζ,x[g(t,ζ)])dσ(ζ)=0(其中t≥t0,n≥2为偶数)的振动性,获得了该类方程所有解振动的一些充分条件.     

广西暴雨致洪灾害的非线性预测模型研究

选取自1994—2012年来广西共87个暴雨致洪灾害过程,以暴雨时间长度、暴雨过程降水极值、暴雨过程降水均值三个指标作为致灾源因子,以暴雨洪涝造成的直接经济损失作为主要灾情因子,通过对数变换获得更加光滑的灾情因子序列.利用统计学理论建立支持向量回归模型,采用网格搜索法进行SVM的参数寻优,利用选取的致灾源因子对灾情序列进行回归预测.结果表明,基于支持向量机的回归预测模型,其拟合优度、拟合效果均优于传统的逐步回归.该研究为探讨暴雨致灾源因子与灾情因子的非线性关系提供了一条新的途径.     

日粮中性洗涤纤维水平对中国荷斯坦公牛营养物质消化率的影响

选用6头13月龄左右的中国荷斯坦生长公牛,分别饲喂6种NDF水平(NDF的质量含量分别为30.26%,32.49%,34.71%,36.94%,39.16%和41.39%)的日粮,并采用6×6的拉丁方试验设计,考察了日粮NDF水平对生长公牛营养物质消化代谢规律的影响.试验结果表明:在NDF水平为30.26%的日粮组中,生长公牛的干物质(DM)的表观消化率显著高于其他NDF水平组的DM的表观消化率(P＜0.05),在其他各组之间,生长公牛的DM的表观消化率则没有显著差异(P＞0.05);NDF水平为30.26%,32.49%,36.94%的日粮组之间和NDF水平为32.49%,34.71%,36.94%,39.16%,41.39%的日粮组之间,生长公牛的有机物(OM)的表观消化率差异不显著(P＞0.05),而在其他组之间,其OM的表观消化率差异显著(P＜0.05).日粮NDF水平对生长公牛的NDF和酸性洗涤纤维(ADF)的表观消化率影响较明显(P＜0.05),且随着日粮NDF水平的增加,其表观消化率也随之升高;NDF水平对生长公牛的淀粉的表观消化率的影响则不明显(P＞0.05);氮的沉留效率受日粮中NDF水平的影响,过高和过低的NDF水平都不利于氮的沉积;生长公牛在采食不同NDF水平的日粮时,其能量的表观消化率差异显著(P＜0.05),并且随着日粮NDF水平的增加,其能量的表观消化率明显下降(P＜0.05).     

一类中立非线性系统的未知参数谐波扰动补偿

对于一类受到外部未知参数谐波信号干扰下的中立非线性不确定系统,提出了一种基于自适应前馈补偿的控制器设计方法。首先设计非线性观测器将未知扰动估计问题转换为参数辩识问题,并在前馈通道对扰动进行抵消,其次设计具有鲁棒性能的状态反馈控制器来抑制未建模动态,从而在外部扰动和模型参数不确定同时作用下,使系统具有较好的控制性能。对二关节机械臂的仿真证明该方法的有效性。     

具连续分布滞量的高阶非线性中立型偏微分方程的振动准则

研究了一类具有连续分布滞量的高阶非线性中立型偏微分方程解的振动性,给出了这类方程在两类边值条件下解的振动准则.     

具连续分布滞量的偶数阶非线性中立型偏泛函微分方程组的振动性

考虑一类具连续分布滞量的偶数阶非线性中立型偏泛函微分方程组,利用微分不等式方法及微积分技巧,建立了该类系统在2类不同边值条件下所有解振动的若干充分判据.     

中立型多滞量微分系统Runge-Kutta方法的A(a)稳定性分析

在中立型多滞量线性微分方程系统的理论解的基础上,讨论Runge-Kutta 方法的稳定性,得到一个)(aA稳定的充分条件。     

中立型时滞双曲微分方程的振动准则

建立了一类中立型非线性时滞双曲微分方程的若干新的振动准则,结论推广和改进了一些文献中的定理.     

脉冲中立双曲型偏微分方程振动的充要条件

研究一类脉冲中立双曲型偏微分方程的振动性,借助Green散度定理和脉冲中立型微分方程,得到了该类方程在Dirichlet边界条件下所有解振动的一个充要条件.     

普通高等学校招生规模的预测方法

近年来,中国普通高等学校招生规模不断扩大,提高了高等教育的入学率,却增加了大学毕业生就业的压力。研究普通高等学校招生规模的预测方法对于合理地制定普通高等学校招生规模,实现高等教育可持续性发展是非常关键的。采用灰色系统方法和神经网络方法,结合1970—2009年全国普通高等学校招生人数的数据资料,建立了普通高等学校招生规模的灰色系统GM(1,1)模型和BP神经网络模型。对2种模型的模拟通过MATLAB平台实现。BP神经网络建模考虑了普通高等学校数、普通高等学校教职工人数、普通高中毕业人数以及国家财政教育经费投入4个影响因素。灰色系统GM(1,1)模型的精度为75.7%;BP神经网络模型的精度为95.4%。通过模拟分析可以得出:BP神经网络方法用于普通高等学校招生规模的预测是可行的。