一个新的较精确的半离散Hilbert型不等式

应用权系数方法及Hadamard不等式, 建立一个新的具有最佳常数因子的半离散Hilbert-型不等式, 它联系着一个含对数的核, 并考虑了其较精确的多参数推广形式及其等价式.     

基于Kalman滤波算法的基金动态资产配置能力评价方法

构建了一个可以用于分析开放式基金动态资产配置结构的模型, 并利用Kalman滤波算法对我国54支开放式基金近5年的时间序列样本进行了实证检验. 结果显示: 该模型具有时变特征的状态参数设定能够较好地跟踪和近似拟合现实中基金对股票和债券资产配置结构的变动. 进一步扩展了模型, 提出了直接评价基金在股票和债券资产之间进行动态配置能力的方法. 实证结果显示: 该方法在分析基金投资业绩表现的效果上要优于传统的Treynor-Mazuy模型, 而且能够识别出我国开放式基金总体上具有资产配置能力, 基金长期投资业绩主要来源于资产配置决策.     

面向多极值质量特性的全局式序贯性实验设计方法

针对多极值质量特性的全局性建模和参数优化问题, 为降低实验设计样本量, 提高模型预测性能, 提出一种全局式序贯性设计方法. 首先在一定的初始实验设计方式下, 建立过程粗略的SVR模型; 而后根据模型中支持向量的分布, 在支持向量样本各维度的45度角或轴向方向同步地增加实验点, 再拟合过程新的SVR模型; 如此迭代进行, 当模型精度达到要求或样本量达到上限时终止序贯性设计. 仿真与实证研究表明, 该方法能够在可行域全局的范围内将实验点合理地分配在质量特性的多个极值附近, 避免了传统的单路径式序贯性设计只能发现单个极值的不足, 充分提高了实验效率; 与均匀空间网格设计、 拉丁超立方设计和均匀设计相比, 在样本量接近的情况下, 基于全局式序贯性设计的SVR 模型的预测均方误差至少降低了30%; 而在预测误差较为接近的情况下, 全局式序贯性设计的样本量至少降低了12%.     

末制导雷达目标与诱饵的联合参数估计和辨识

拖曳式诱饵干扰条件下目标与诱饵的参数估计和身份辨识是制导雷达实现精确打击的前提条件。不可分辨角度范围内的目标和诱饵引起导引头雷达回波的干涉混叠,导致常规测量方法失效。当目标和诱饵处于相邻的两个匹配滤波采样点之间时,这些采样点所包含的信息将有助于参数估计的获取。通过充分挖掘两个连续匹配滤波采样点所包含的特征信息获得接收回波的概率分布,结合干扰形式和特点采用改进的粒子群优化方法从最大似然估计的角度获取目标与诱饵的对应参数,实现删除二者的身份辨识。各种条件下的仿真实验验证了方法的有效性。     

直线参数方程中参数的应用

通过求直线参数方程中的参数,利用参数的几何意义证明空间点到平面、点到直线及异面直线间的距离公式,其证法相对较为简便.     

罗1井区压裂水平井裂缝系统优化

 为了提高水平井压裂效果的成功率和有效率,在压前的施工设计中要充分考虑裂缝参数的优化。针对水平井压裂特点,在非均质低渗透油藏模型的基础上,以数值模拟软件Eclipse为技术手段,对影响水平井压裂后产量的裂缝参数包括裂缝方位、裂缝位置、裂缝条数和非均匀裂缝长度等进行了优化研究。研究结果表明,水平井产量随着裂缝条数、裂缝长度和裂缝导流能力的增加而增加;对于不同裂缝布局,根部和端部裂缝的间距小于内部裂缝的间距;由于裂缝的干扰作用,不同位置的裂缝产量不同,处在中间位置的裂缝产量最低。     

基于改进PSO算法的混合核SVM算法

提出一种基于改进粒子群优化（PSO）算法的优化混合核支持向量机（SVM）算法（ILPSO）, 解决了一般混合核SVM算法很难评定参数选择的问题. 该算法通过限定粒子的速度、 搜索空间和交叉算子等多种寻优策略加强其收敛特性, 得到了参数的最佳组合. 仿真实验表明, 该算法能更快速、 有效地获得参数的最优值.     

非饱和参数交互作用的边坡稳定性分析

为研究降雨入渗条件下的边坡稳定性,提出一种基于流固耦合理论及非饱和渗流参数敏感性分析的边坡稳定性分析方法.边坡的非饱和参数交互作用影响边坡稳定,为此,建立基于有限元方法的边坡非饱和渗流的边坡稳定性分析模型.构建了边坡稳定性分析参数敏感性分析模型,分析了非饱和参数对边坡稳定特征的直接作用和耦合交互作用.结果表明:降雨入渗时的非饱和参数共同作用下,降雨强度和渗透系数对边坡稳定性孔压及饱和度特征的直接影响和间接影响较内摩擦角和黏聚力更为明显.降雨强度对特征单元位移直接影响最大,内摩擦角与其他参数的耦合作用最显著.黏聚力对边坡稳定的直接影响最大,且对塑性变形作用时与内摩擦角、降雨强度及饱和渗透系数的耦合最为紧密.非饱和参数共同变化时,交互作用不是单项参数的作用效果直接叠加.     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.     

求解时变线性不等式离散算法的设计与分析

提出一种用于求解时变线性不等式的数值算法.通过引入一个时变向量(其每个元素都大于或等于零),将时变线性不等式转化为一个时变矩阵向量方程,并给出用于求解该方程的连续时间模型(即神经网络).采用欧拉差分公式将其离散化,推导得到相应的离散算法,并通过理论分析和数值实验验证该离散算法的有效性.结果表明:所提出的离散算法的稳态误差(SSRE)具有O(τ²)的变化规律,当τ的数值减小10倍,算法的稳态误差可减小100倍.