一类差分方程正解的有界性

关于最大类型的差分方程,Ladas、Stevic等人提出了一系列公开问题,Mishev D P、Kenneths等人已解决了其中许多问题.作者研究了一个差分方程正解的有界性,证明了这个方程的每一个正解是有界的,部分回答了Ladas G、Stevic S等人在文献[1-2]中提出的公开问题,部分推广了Kenneths在文献[4]中得出的结论.     

色噪声与乘性信号驱动下昆虫爆发系统的稳定性和随机共振

研究的是一类受色噪声和乘性周期信号驱动的昆虫爆发系统的稳定性和随机共振现象.首先对于一类由色交叉关联噪声驱动的昆虫爆发种群系统,通过应用FPK方程,获取了系统的稳态概率分布函数的近似表达式,重点讨论了噪声强度及自相关时间对此类昆虫爆发系统稳定性的影响; 然后通过加入弱乘性周期信号,根据快速下降法和两态理论给出了信噪比公式,研究了噪声及其关联时间对于昆虫系统信噪比的影响.进而分析它们对系统种群数的稳定性和延续存活时间的一些实际作用     

半线性二阶微分方程周期边值问题

本文利用整体反函数理论,研究了半线性二阶微分方程周期边值问题,给出了周期解存在唯一性的充分条件.     

Chen-Lee-Liu方程的精确解

研究在非线性光学等领域出现的Chen-Lee-Liu(CLL)方程的精确解.通过对CLL方程的行波约化导出一个具有高次非线性项的非线性常微分方程.为了解该非线性常微分方程,给出一个新的辅助微分方程及其精确解.借助该辅助微分方程及其精确解,并根据齐次平衡原则,得到CLL方程的包络孤立波解和包络正弦波解.所用方法可应用到其它类似方程的求解.     

具有张力性质三次参数样条曲线的M-尺度细分

研究一类具有张力性质的三次样条曲线的可加细问题,得到了其M-尺度加细方程,所得结论涵盖了以往2-尺度加细的结果,并进一步讨论了M-尺度加细层张力参数的求解、选取不同节点时细分面具的计算等问题,得到了相应的细分规则.介绍了3-尺度细分的计算过程,并通过实例说明了其逼近优势.     

一类拟线性退化抛物方程的古典解

对拟线性退化抛物方向xxu+uyu-tu=f(.,u),证明在(0,R)×(0,N)×(0,T)上初边值问题解存在唯一性,这里要求N充分小.     

底水油藏水侵量计算新方法

针对底水油藏的开发,在缺乏试井数据的情况下采用常规油藏物质平衡法以及试井分析方法均难以确定水驱控制储量,进而无法获得水体参数和特征来计算油田的水侵量。为了更加准确的预测水驱油田水侵量,本文结合生产动态资料,选择符合的水驱特征曲线计算水驱控制储量。在此基础上,考虑油环油、溶解气、水体等因素,建立物质平衡方程,通过亏空体积曲线法计算获得水侵量。利用Fetkvoitch拟稳态模型,采用试错法,优化计算水体体积和水侵系数,保证Fetkvoitch拟稳态模型求解的水侵量和亏空体积曲线法求解的水侵量最接近,得到最优的水体体积和水侵系数对未来生产动态中水侵量进行预测。运用油藏数值模拟软件建立的模型与本文提出两种的计算方法拟合结果对比可知的水体体积的误差为2.6%、水侵指数的误差为2.2%,计算结果准确,为底水油藏计算水侵量提供了可靠的依据,并为预测水侵量提供了新的方法。     

中老年人社区参与对生活满意度的影响机制

社区作为中老年人活动的常驻空间,承载居民日常活动、公共交往等需求,活动参与多样性对中老年人的健康水平具有积极影响。从多维度参与形式出发,基于太原市社区调查数据,构建结构方程模型,对中老年人参与途径与体系进行综合性分析,认识其差异性与关联性,并分析其潜在关系及对生活满意度的影响机制。研究发现,场所依恋可正向调节中老年人的生活满意水平,直接和间接产生总效应值0.595,且场所认同感有助于提高社区参与活力;社区线下参与对生活满意度产生总效应值0.132,线上参与产生总效应值0.059,社区线下参与可影响线上参与,且二者为正向促进关系;人口学变量也可在一定程度上影响中老年人的生活满意度,且影响程度从大到小依次为受教育程度、居住方式、工作类型、年龄、性别。根据研究结果提出中老年人社区参与提升的优化策略,可为城市社区参与活力的激发和提升提供参考。     

基于Inception-BiLSTM和迁移学习的结构损伤识别

针对传统卷积神经网络（convolutional neural network,CNN）方法在时空特征提取存在不足,提出一种改进的Inception与双向长短期记忆（ bi-directional long short-term memory,BiLSTM）联合模型,以全面学习振动信号中的空间和时序信息。首先,构建具有多尺度感受野的Inception模块,自适应地提取不同尺度下的空间特征;其次,BiLSTM序列化处理时间特征,以深度挖掘时间相关性;最后,通过全局平均池化和Softmax分类器来实现钢框架结构的损伤识别。为评估该模型对噪声的鲁棒性,引入高斯白噪声作为干扰。此外,采用迁移学习策略来评估模型在不同强度激励和小样本下的泛化能力,确保适用于不同的损伤识别任务。结果表明,与传统的CNN方法相比,该模型在无噪声条件下及信噪比超过25dB时保持了100%的识别精度。该方法解决了土木工程应用中样本量不足和不同强度激励的实际挑战。通过微调预训练模型的参数,实现了在不同强度激励和小样本情况下的知识迁移与泛化,从而增强了模型的实际适用性。