基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

非对称度量空间上不动点定理

提出建立在非对称度量空间之间的上收缩映射和下收缩映射的概念.考虑到非对称度量的不对称性,进一步定义了非对称度量空间到自身映射的左不动点和右不动点.最后,给出了非对称度量空间上的两个不动点定理.     

构造概率模型巧妙解决数学问题

举例说明如何构造概率模型解决代数、分析中的一些问题，进一步阐述概率思想应用的广泛性．     

地面预制钻井井壁结构的概率极限状态设计法研究

本文根据钻井井壁结构可靠性分析结果,参照《建筑结构设计统一标准》和有关设计规范,确定了地面预制钻井井壁结构的概率极限状态设计实用表达式和分项系数,建立了该种井壁结构的概率极限状态设计法.并给出了该设计法的设计程序和应用结果.     

安全域的方法学及实用性结果

简要介绍了安全域的方法学，列举了其优越性，定义了注入空间上保证暂态稳定的实用动态安全域(PD—SR)和割集功率空间上保证静态电压稳定的安全域(CVSR)，给出了关于它们的临界面可用超平面描述的两个重要事实，同时解释了这些超平面形式的安全域边界可以大大降低概率的安全性评估计算量的原因和可使一大类电力系统调度最优化问题中暂态稳定约束和静态电压稳定约束难以处理这一棘手的问题变得十分简易的原因。     

概率性序列及其运算理论

在电力系统中,一般使用离散的分布函数来表示发电机组在各种容量情况下的可用率。针对电力系统的这一实际需求,该文在一般序列运算的基础上,定义了一种特殊序列——概率性序列,并进一步详细探讨了其运算性质。从概率论的角度,定义了序列的期望值,并且详细给出了原始序列以及派生序列的期望值之间的运算关系。状态空间分析是该文的一个重要进展,经过对概率性序列的4种序列运算的状态空间分析,发现了其运算所对应的子空间具有明确的物理意义,这一结论对整个序列理论在电力系统中的应用具有重要价值。概率性序列的上述研究成果,成为后续的随机生产模拟研究的理论基础。     

二能级二粒子一般态的概率传输

研究了用4个粒子的非最大纠缠纯态传输二能级二粒子的一般态。传输方案没有利用Bell基测量，而是利用么正变换和局域进行了测量。在经典通讯的帮助下，通过做适当的么正变换和对辅助量子位的测量，这个二粒子一般态可以一定的成功几率从发送者处传输到接收者处。     

包含统一潮流控制器的概率潮流研究

提出了一种包含统一潮流控制器(UPFC)的概率潮流算法。UPFC采用等效注入功率模型,概率潮流采用非序贯蒙特卡罗仿真算法。讨论了UPFC的初值选取对潮流收敛性的影响,分析了发电机和线路随机故障时UPFC对线路潮流和节点电压的控制作用,并以EPRI和IEEE-RTS系统验证了蒙特卡罗仿真算法的正确性。     

MENGER概率度量空间中集值映象序列的混合不动点

本文在Ｍｅｎｇｅｒ概率度量空间中提出混合不动点概念，研究了集值映象序列的公共混合不动点定理，所得结果改进和推广了近期相关的重要结果。     

基于PCA的概率神经网络模式分类方法

研究了概率神经网络隐单元主要分量的选取方法。这些方法的概率神经网络比原来的网络大大降低了隐单元数，并且带来分类测试时间减少的增益。最后，就模拟和实测两组数据进行了计算机仿真，实验结果证实了这种方法的可行性。