基于GIS的郑东新区绿色空间指数演变研究

景观格局一般指景观的空间格局,是大小、形状、属性不一的景观空间单元(斑块)在空间上的分布与组合规律。本文选取最大斑块指数(LPI)和景观形状指数(LSI)两个指标,分析郑东新区2007—2019年城市化进程中的景观格局演变。     

欧式看跌期权定价问题的紧致有限差分格式

针对单个的Black-Scholes方程,提出一种紧致差分格式.首先,利用指数变换消去方程中的空间一阶导数;接着,在时间方向上采用CN格式,空间二阶导数采用四阶Padé逼近,构造精度为O(Δt~2+h~4)的紧致差分格式;然后,利用一种较为不同的离散能量法分析差分格式的稳定性和收敛性;最后,通过数值算例验证理论分析的有效性.     

江西高速公路沿线极端降水特征分析

以江西省高速公路为例,利用2013-2015年江西省高速公路交通事故资料、1958-2017年江西省89个国家气象观测站cimiss逐日降水观测资料,系统地研究了江西省高速公路极端降水特征。结果表明:2013-2015年江西省高速公路交通事故夏季和冬季较多,交通事故与雨量成正相关,当降水增多时,交通事故显著增多。分析发现江西省高速公路极端降水各指标在不同路段分布呈现显著的差异,R95p在杭瑞高速东段最高,其次是沪昆线西部;极端降水频次分布表现为"总体一致型"和"南北差异型",前者极端降水载荷向量大值区出现在杭瑞高速、德昌高速、沪昆高速东段南昌至上饶段,这些高值路段是极端强降水异常的敏感路段;后者极端降水载荷向量大值区位于江西省北部沿江地区。极端降水阈值在丘陵和平原地区较高,山区较低;极端降水存在年际变化的特征,20世纪90年代中期存在一个突变,突变后降水极值升高,由极端降水造成的交通事故频发。为进一步研究高速公路典型极端降水成因,对极端降水路段进行了敏感性划分,主要有3个典型的极端降水频次敏感路段,分别为德昌-沪昆东"型"、"寻全-厦荣"型、"泰井-沪昆西"型,研究成果可为提高江西省高速安全运行能力和交通专业气象服务水平提供一定的参考。     

一类变指数退化抛物方程的解

考虑如下的变指数退化抛物方程解的适定性问题。利用抛物正则化方法证明了解的存在性。对检验函数适当选取，证明了解的唯一性。在边界上，扩散系数b(x,t)=0，解的唯一性可以不依赖于边界条件。     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

不饱和类卡宾H_2C＝CNaX(X=F,Cl,Br)的密度泛函理论研究

采用密度泛函理论方法,在B3LYP/6-311+G(d,p)水平上研究了不饱和类卡宾H2C=CNa X(X=F,Cl,Br)的结构.结果表明,不饱和类卡宾H2C=CNa X(X=F,Cl,Br)各有2种平衡构型,其中具有三元环结构的构型能量低,是其存在的主要构型.预言了最稳定构型的振动频率和红外强度.计算得到了最稳定构型分子内氢迁移反应的过渡态.讨论了卤原子对不饱和类卡宾H2C=CNa X的影响.     

一个包含Smarandache Ceil函数的对偶函数的方程

利用初等方法研究了一个包含Smarandache Ceil函数Sk(n)的对偶函数-Sk(n),给出了当k=6时方程-S6(1)+-S6(2)+…+-S6(n)=6Ω(n)的具体正整数解。     

一类指数Diophantine方程的解的唯一性

给出并证明了指数Diophantine方程2^x+3^x+a=5^x+b(x,a,b∈N,a>b且a,b为常数）的解的唯一性.