基于杂波脊先验信息的非均匀杂波抑制方法

机载雷达回波数据非均匀会在很大程度上削弱传统空时自适应处理算法的杂波抑制性能。为此,提出一种基于杂波脊先验信息的非均匀杂波抑制方法,利用机载雷达杂波信号在角度多普勒平面的谱分布信息构造导向矢量基,并在考虑阵元误差影响情况下,对待检测单元数据进行迭代的最小二乘拟合,最后对拟合后的剩余数据进行恒虚警检测处理。该方法充分利用了雷达系统参数及杂波谱分布等先验信息,并且不需要训练样本,可以较好地抑制非均匀杂波,从而改善机载雷达的检测性能。仿真实验验证了该方法的有效性。     

恶劣海洋环境下充填砂袋堤施工技术

本文主要介绍南通港洋口港区陆岛通道接岛引堤工程,在恶劣海洋环境下大型充填砂袋的施工技术,通过对施工条件、砂袋材料、施工工艺和科研试验数据等分析,总结在外海恶劣海洋环境下大型充填砂袋的施工经验,为类似项目提供借鉴。     

经翼点入路显微手术切除蝶骨嵴脑膜瘤

目的:探讨经翼点入路显微手术切除蝶骨嵴脑膜瘤的方法及周围神经血管保护问题,提高蝶骨嵴脑膜瘤治疗效果。方法:采用显微神经外科技术,经常规翼点或扩大翼点入路,切除蝶骨嵴脑膜瘤。结果:按Simpson分级法评价肿瘤的切除程度:Ⅰ级切除5例,Ⅱ级切除5例,Ⅳ级切除4例。术后患者均每6个月进行随访,影像学提示未见肿瘤复发。结论:准确全面的术前评估、正确的手术方法、积极的术后治疗是提高蝶骨嵴脑膜瘤全切率、改善神经症状、减少术后并发症的关键。     

多元岭估计下数据联合影响的分解及数据的交叉影响

本文讨论了多重线性回归中数据对多元岭估计的影响。首先给出了度量数据对多元岭估计影响大小的Ｃｏｏｋ距离及其简化形式，提示了强影响点、高杠杆点、异常点间的内在联系；其次讨论了多组数据对多元岭估计的联合影响与其中每组数据对多元岭估计的影响之间的关系，最后探讨了多元岭估计中数据的交叉影响问题，得到了许多有意义的结果。     

寒冷地区平屋顶漏水原因分析及预防措施

寒冷地区的平屋顶分漏水型和不漏水型，漏水型的具有漏水顽固、漏点多和漏水具有选择性等特点。根据特点，经过分析，得出了计算屋顶积雪层融化的临界温度的公式，积雪层中雪水渗流和屋面允许水深的公式，进而分析了漏水的水力学、热工和设计等方面的原因。最后，针对原因提出了四点预防措施。     

夏季风建立期间低层流场的变化及其与中国雨带活动的关系

本利用多年欧洲中心格点风和中国降水资料，分析了夏季风建立期间，亚洲南部及其邻近海域上低层流场的变化和雨带在中国南方的活动。结果表明，夏季风于5月中在南海地区建立。低层流场的变化主要表现为副热带高压脊从南海的东撤和气旋性气流切变线从中国西南向华南沿海的东伸。相应地，雨带有一次从南移转向北推的过程。由于5月份中南半岛－南海区域一直为西南气流所影响，因此，很难从风向来判断气流性质的变化，相对而言，雨带北移能更好地反映出夏季风向北扩散的地理位置。     

一种基于灰度相似性的指纹纹线密度提取方法

 提出了一种独立于纹线方向信息的方法,根据指纹整体与局部在灰度的相似性,求出具有该相似性的最小局部的尺寸,从而得到相应的纹线密度.该方法在指纹图像的各种区域都适用,很好的解决了不规则区域纹线密度的提取问题.     

综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用

桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性。由于不同位置处相同类型传感器的相关性较强,首先利用岭回归（Ridge Regression,RR）解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据。接着引入季节性差分自回归滑动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA) 方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据。然后,通过设立预警值实现健康状况预警,以保证桥梁健康运行。最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了一个有效的预测模型。     

Forecasting intraday S&P 500 index returns: A functional time series approach

Financial data often take the form of a collection of curves that can be observed sequentially over time; for example, intraday stock price curves and intraday volatility curves. These curves can be viewed as a time series of functions that can be observed on equally spaced and dense grids. Owing to the so‐called curse of dimensionality, the nature of high‐dimensional data poses challenges from a statistical perspective; however, it also provides opportunities to analyze a rich source of information, so that the dynamic changes of short time intervals can be better understood. In this paper, we consider forecasting a time series of functions and propose a number of statistical methods that can be used to forecast 1‐day‐ahead intraday stock returns. As we sequentially observe new data, we also consider the use of dynamic updating in updating point and interval forecasts for achieving improved accuracy. The forecasting methods were validated through an empirical study of 5‐minute intraday S&P 500 index returns.     

用Cp统计量选择多元线性模型及估计形式

本文根据风险函数,提出了一个多变量场合的Cp统计量作为风险的估计,按Cp最小的原则给出了一种选择多元线性模型及估计形式的方法,重点讨论多变量正交试验的情况。