n阶常系数非齐次线性微分方程特解的一种简易求法

给出了ｎ阶常系数非齐次线性微分方程特解的一种求法,即简化待定系数法。此方法比原待定系数法简便而且容易掌握。     

地心引力常数变化原因的分析和讨论

对地心引力常数的变化原因作了定性分析和讨论．根据地心引力常数、万有引力常数和地球质量三者的变化特点,认为地心引力常数的变化不只是万有引力常数变化或地球质量变化一种原因引起的,而是由于万有引力常数和地球质量两者联合变化引起的结果．     

基于系统分析的特种车辆器材布局设计研究

特种车辆在不同行业、领域的广泛应用,使得人们对于特种车辆设计要求越来越高。合理、科学的器材布局设计直接决定特种车辆工作效率的高低。因此,器材布局设计在特种车辆整体设计中占有相当大的比重。通过实例将系统分析方法结合相关表法应用于特种车辆器材布局设计当中,在概念设计之前对各要素之间的关联度进行判断,建立系统关系矩阵和系统关系网。根据关联度及重要度进行器材布局设计。最后对各设计方案进行评价,验证了该设计方法在器材布局设计中的应用。     

特低渗透裂缝性油藏超前注水井网评价方法

大庆油田外围某特低渗透试验区天然裂缝发育,微裂缝一方面可以增大油、水渗流能力,另一方面会加剧注入水窜流,认清裂缝发育特低渗透油藏超前注水的水平井井网部署对开发效果的影响是很有必要的。考虑特低渗透油藏非线性渗流规律,对微裂缝采用等效渗流介质理论,运用室内岩心分析数据和数值模拟的方法,探讨了超前注水水平井井网部署。根据井网与微裂缝匹配关系,建立12套模拟模型。通过分析各方案采出程度与含水率关系、地层压力保持水平和压力梯度场分布,明确了各方案的开发效果和适应性。分析结果表明水平井井筒垂直于最大主应力方向井网开发效果好。七点水平井网开发效果好,应优化井距以驱动注水井间的原油。九点井网见水快,应合理设计注水井位置,避免过早见水。水平井五点井网不适用于该地区。     

软岩矿井建筑物下特殊开采的可行性研究

以龙口市洼东煤矿蒂带开采的地质采矿条件为依据,建立了岩体蠕变的粘弹性力学模型,确立了其蠕变参数,利用ANSYS的三维立体模型对同一工作面务带开采不同采留宽度条件下的地表下沉和力学效应进行了数值模拟计算,分析了煤柱及其围岩的稳定性和安全性,提出了软岩矿井建筑物下条带开采的合理采留宽度,从而论证了软岩矿井建筑物下特殊开采的可行性,为决策者进行采矿活动提供了科学的依据。     

基于共词网络的雾霾事件下微博关注话题差异性——以中国北方雾霾严重地区典型城市为例

雾霾对人体健康、生态环境及交通运输等方面影响重大,雾霾来临时,人们会在微博等媒体上表达对雾霾的关注。微博中蕴含了网民对雾霾的关注话题及心理反映,通过微博掌握微博网民对于雾霾的相关反应,有助于城市管理者有针对性的调节雾霾情形下的舆论宣传和资源调配。考虑到微博文本中相同词语共现频率越高就越倾向于表达同一主题,采用基于社区的共词网络法挖掘微博话题,首先,采集2017年冬季以"雾霾""空气"等为关键词的微博数据,利用TF-IDF(term frequenly-inverse document frequency)算法对预处理之后的微博数据提取关键词,并获取关键词间的共现关系,然后基于共现关系构建共词网络,根据Louvain算法探测话题社区,最后,以中国雾霾污染最严重的华北地区、华东地区、东北地区7个典型城市为研究区,结合关键词节点的Pagerank值,分析各城市共词网络话题社区的差异程度。实验结果表明,不同城市对于雾霾事件的关注既有相同点也有差异性。研究结果对雾霾情形下城市差异化管理具有一定的理论指导作用。     

基于复杂网络的微吧话题流行度预测研究

微吧是微博平台的贴吧,具有良好的话题主题性,为更好地进行话题流行度预测研究,对电影吧作为研究对象,建立复杂网络模型,并设计自适应差分进化算法对网络进行训练。在算法参数的设计中,通过对算法复杂度边界的推导得到最优参数。对比实验表明,较于神经网络该模型结构更加灵活,较于拟合模型该模型能够对话题特性进行更为全面的描述,并且在话题流行度的预测中具有更高的准确度和稳定性。     

大型活动散场期间地铁车站短时进站客流预测

大型活动散场期间的地铁车站客流属于可预知的非常规客流,采用常规客流的统计预测方法难以准确预测其客流需求.基于深度学习,将历史客流规律、大型活动数据与实时自动售检票系统数据相结合,提出了一种适用于大型活动散场期间地铁车站的短时客流预测模型.首先对历史客流数据进行了拆分及降噪处理,并分析了活动客流特征.之后,基于深度学习框架构建多层结构的卷积神经网络,拟合活动客流特征与客流时空分布的映射关系,并选取Adam(adaptive moment estimation)算法优化训练过程,以适用于活动散场时客流集中进站的情况.最后,以北京地铁奥林匹克公园站为例,利用实测数据验证了模型的准确性.预测结果表明:建立的Adam-CNN(convolution neural network)模型相对于常用时间序列方法自回归滑动平均和传统神经网络SGD-CNN模型具有更高的精度,能够为大型活动的组织提供更为有力的支持.     

基于智能搜索和特殊划分的人工蜂群算法

人工蜂群算法是一种具有强大搜索能力的全局搜索算法。传统的人工蜂群算法使用雇佣蜂、观察蜂和侦察蜂进行相互合作,每种蜜蜂有不同的分工,但不同类型的蜜蜂之间并没有差别。提出一种通过智能搜索和特殊划分来提升性能的人工蜂群算法。该算法中,不同的雇佣蜂和观察蜂会使用不同的搜索策略来寻找食物来源。该算法放弃了贪婪选择算法且在每次迭代时更新食物来源的位置。因此,该算法能够利用整个蜂群的经验来引导蜜蜂的搜索,通过一系列基准算法的性能分析证明了该算法的有效性。     

中国古诗统计建模与宏观分析

利用自然语言处理技术处理文学文本是计算语言学领域近年来的热门话题.该文结合点态互信息量与频率阈值,自动发现中国古诗词汇.基于构建的诗歌词典,利用启发式的正向最大匹配算法,对中国古诗作分词处理.采用主题模型对分词后的诗歌文本进行统计建模,并在此基础上进行了主题演变和诗人群体风格网络的探索性分析.基于全唐诗语料的实验结果表明:主题模型可以给出具有较好解释力的中国古诗统计模型,验证已有的文学史研究,并在传统的文本细读的研究范式之外,对中国诗学提供了全新视角的宏观刻画、描述与阐释.