多线性极大算子在Orlicz空间的弱有界性估计

Orlicz空间是一类较具体的Banach空间,在Banach空间理论和应用的研究中起着非常重要的作用。定义多个单线性分数次极大算子的乘积算子为■,得到■的弱有界性,再利用■控制多线性分数次极大算子,得到多线性分数次极大算子的弱有界性。所得结果扩充了分数次极大算子在Orlicz空间的有界性结论。     

基于模糊化邻域系的粗糙近似算子(Ⅱ)——公理刻画

研究了基于模糊化邻域系的粗糙近似算子的公理刻画问题.特别地,通过一组公理集分别刻画了由串行的、反身的、一元的和传递的模糊化邻域系生成的粗糙近似算子.     

Hom-李三系上的乘积结构和复结构

本文主要从代数角度研究Hom-李三系上的两种几何结构,即积结构、复结构。分别给出了积结构和复结构存在时对应的Hom-李三系的分解。同时,也研究了一些特殊的积结构和复结构。最后,在这两种结构间增加一个兼容条件,得到了复积结构。     

带有白噪声的Berger方程随机吸引子

考虑带有白噪声的Berger方程解的随机渐近性行为, 用渐近先验估计技术和算子分解方法, 通过引入同构映射构造等价过程, 证明随机吸引子在(H²(U)∩H¹₀(U))×L²(U)中的存在性.     

二维Hilbert曲线构造与绘制

Hilbert是一种经典的空间填充曲线，具有严格的自相似性，可以将他划分成一些很小的单元，只是方向不一。且具有良好的空间聚集特性，应用也很广泛，譬如在图像置乱加密，数据压缩，数据索引编码等。Hilbert曲线比其他的填充曲线如Z-Ordering、Gray更能保持原始数据的性能。因此详细了解Hilbert曲线原理并使用一种自己熟悉的计算机语言来绘制Hilbert有很大的意义。因此，该文主要介绍二维Hilbert曲线的构造及原理并用C#编程语言将它实现。     

基于地质力学模型试验的岩体相似材料配比研究

为了确定适用于模拟实际工程岩体的相似材料及其配比,以相似材料中重晶石粉、膨润土和胶水的质量占比为研究对象,根据地质力学模型试验的相似原理,设计了4种配比试验。通过单轴压缩试验获得了不同配比下相似材料的应力-应变曲线,采用最小二乘法进行曲线拟合得出其变形模量,并与实际工程岩体进行对比,然后对相似材料中的各组分进行敏感性分析,确定了该试验所采用的最终配比。结果表明:重晶石粉∶膨润土∶胶水=12∶0.3∶1.5(工业胶∶水=1∶2)时,重晶石粉、膨润土和工业胶的质量占比分别为89.96%、2.17%和3.63%,该配比下相似材料密度为2.0 g/cm~3时,相应的变形模量和抗压强度分别为87.45、0.686 MPa。因此,该配比下的相似材料能够模拟力学参数范围大的岩体,可以为地质力学模型试验提供依据。     

Banach空间中一类带有f－投影算子的双层集值投影动力系统

在乘积Banach空间中引进并研究一类包含广义f－投影算子的双层投影集值投影动力系统.在恰当的条件假设下，利用广义f－投影算子的性质及熟知的Nadler不动点定理，证明了该双层集值投影动力系统的均衡点集是非空的和闭的.     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

大尺寸工程模型试验中的相似材料配比试验研究

大型物理模型试验是研究复杂工程问题的重要方法，如何快速、准确地确定相似材料配比是试验中至关重要的一环.为降低试验成本、简化试验步骤、充分调用原料性能，采用河砂、水泥和石膏这三种最普通的原料，以骨胶比(河砂与水泥石膏的质量比)和水膏比(水泥与石膏的质量比)为变量，进行了45组对比试验，对相似材料的物理及动、静力学参数进行了研究.获得了以河砂、水泥和石膏为原料配制的相似材料各物理量的变化区间；探讨了骨胶比和水膏比对相似材料各物理量的控制作用，并对比了其敏感性；基于多元线性回归分析建立了各因素与物理量间的定量关系，得到的拟合公式能较好地描述相似材料的性质.     

n个Schrodinger算子积自伴域

本文讨论了由微分算式l=-d2/dt2 q(t)生成的具有某种边界条件的n个正则Schrodinger算子Li(i=1,…,n)的积Ln…L2L1自伴性问题,证明了积算子Lm…L2L1自伴的充分必要条件为=L*n 1-i(i=1,…,[n 1/2]).