Benard花纹的格子BGK模拟

建立了用于模拟二维Benard对流现象的格子BGK模型，该模型要求粒子碰撞过程不仅满足质量和动量守恒，而且满足能量守恒，结合二迭加FHP模型和三迭加HPP模型，确定了此模型的平衡态形式，导出了此模型对应的宏观质量、动量和能量方程，用该模型成功地模拟了二维Benard花纹．     

SUN5500小型机MPI编程与蕴式并行计算的实现方法

基于SUN5500小型计算机并行开发环境，给出了消息传递模型和蕴式行模型的实现方法，通过实例分析了SUNMPI实际编程，并对选取不同模型有不同参数的运算时间进行了比较，结果表明，在SUN5500计算机上MPI模型和蕴式并行模型均能较大地提高运算速度，而且MPI在灵活性和并行程度方面更优。     

人工脑的三维模型及应用

将二维人工脑模型推广到三维，并给出了一个实际应用算例，还将二、三维模型的计算结果进行了对比，发现三维模型的计算效果明显优于二维模型。     

软件开发中的海洋模型

提出了软件开发的海洋模型，讨论了如何将软件开发的一般模型与海洋模型相结合，给出了一个海洋模型实现的实例─—Ｈａｉｇａｎｇ系统．用ＳＯＫＭ／Ｌ语言对海洋模型进行了描述．     

基于不同风险度量的投资组合模型的实证比较

提出以收益一波动比率为标准，对基于不同风险度量的投资组合模型进行实证比较，并分别以风险弹性和收益一波动比率为比较标准，以模拟退火算法作为投资组合模型的求解算法，对均值一方差模型、绝对离差模型和半方差模型进行了实证比较分析．结果表明，在我国股票市场上，构造投资组合时，半方差模型优于均值一方差模型和绝对离差模型，而绝对离差模型又优于均值一方差模型．     

统计方法在SD动态仿真中的应用

本文讨论并分析了系统动力学仿真模拟时，运用统计中的时间序列动态模型，经济计量模型，主成份，聚类等方法建立系统局部子模型的可能性．比较充分地考虑了系统动力学模型的动态反馈结构，使得系统动态仿真更符合实际。     

基于遗传算法的灰色GM(1,1)模型

在分析GM(1，1)模型的建模机理的基础上，指出了传统建模方法存在的不足，同时给出了基于遗传算法的GM(1，1)优化模型，优化模型提高了灰色预测的精度。     

大型公共建筑工程质量保险纯费率厘定研究——基于GLM及GAM的实证比较分析

为准确地厘定大型公共建筑工程质量的保险纯费率，通过文献分析及调研，对影响大型公共建筑工程质量的因素进行了研究，提炼出11项保险费率因子。以46栋竣工于1993—2016年的大型公共建筑为工程数据集，在频率-强度法基础上，基于Poisson、Negative Binomial、Gamma、Inverse Gauss等分布的假设，利用广义线性模型及广义可加模型建立了8个工程质量保险纯费率厘定模型，通过比较选择最优模型，并对模型进行了验证。结果表明，所建模型可用于大型公共建筑工程质量保险纯费率厘定。     

VDSL2信道建模与仿真

从传输线理论出发，运用基尔霍夫定律建立了传输线方程．应用传输线方程建立双绞线信道模型，并对该模型在0～30MHz频段进行了仿真分析，且将仿真结果一与法国电信研发部的实测数据进行了比较，结果证明模型与实测数据一致，因此表明所建模型符合实际情况．该模型的建立对VDSL2系统研究、性能分析和系统设计有着重要的作用和意义．     

半绝对离差证券组合投资模型

提出“半绝对离差”这一新的风险度量工具，并与证券收益率的半方差、绝对离差进行比较，给出了基于半绝对离差的证券组合投资模型，该模型采用半绝对离差作为风险的度量工具，综合了半方差的向下风险和绝对离差的一阶矩在的优点，利用“上证30指数”中的30种成分股票作为样本对该模型进行实证研究，结果表明，在与Markowit模型和绝对离差模型的定性、定量比较中，半绝对离差模型能求解出更优的投资组合，是一种更有效的组合投资模型。     

基于振荡序列的灰色GM(1,1|sin)幂模型及其应用

针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。     

基于振荡序列的灰色GM(1,1|sin)幂模型及其应用

针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。     

汉字识别的加工模型

通过文献分析,概述了认知心理学关于汉字识别过程及其加工机制研究的几种主要的加工模型,即经成分识别模型、多层次交互激活模型、连接主义模型、合体汉字字形识别模型和汉字识别的多层次格式塔双向加工模型.     

个人住房抵押贷款模式及应用

提出了等比还贷，等差还贷，基于等额的灵活还贷和混合还贷4种模式，举例分析并指出了各模式适合的客户类型，最后对贷款利率调整时各模式的有关变化作了进一步的探讨，各种还贷模式可根据具体情况在实践中推广应用。     

ARMA模型平稳解存在性问题的一些研究

ARMA模型是现代时间序列分析中最为常用的模型之一,在科学研究和工程系统中具有广泛的运用。AR-MA模型使用的前提条件是,建立的时间序列是由一个零均值的平稳随机过程所产生的,即其存在性能够得到保证。基于此,详细讨论了所有情形下AR模型及ARMA模型平稳解的存在性条件,然后将     

基于神经网络的股票收益率预测研究

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明：神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。     

基于神经网络的股票收益率预测研究

在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明：神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。     

基于小波分析的金融时间序列消噪方法及应用

利用小波在信号消噪方面的应用,结合时间序列的预测模型,提出了一种基于小波分解的消噪预测模型,并将其与原预测模型进行比较.最后的比较试验结果发现,应用消噪后的数据进行模型预测比原始数据进行直接预测相对误差更小,从而精度更高.