整治非法煤矿的博弈论分析

通过建立博弈模型，分析事故频发的原因，并提出相应对策．指出设立举报奖金，消除矿工举报的后顾之忧，降低监督成本从而增加监督频率，加大惩罚力度是减少事故的关键．     

基于复杂网络上监督学习方法的研究综述

复杂网络已经成为复杂系统分析问题的通用方法,随着人工智能和机器学习的广泛兴起,越来越多的学者开始关注在复杂网络上进行机器学习。监督学习作为机器学习的一个重要组成部分,本文深入研究和总结了基于复杂网络的监督学习方法。首先,本文分别从复杂网络和监督学习的理论基础入手,明确了相似性函数和相异性函数的概念和测度方法,系统梳理了复杂网络的构建方法,并阐明了监督学习的概念及其在机器学习中的地位。其次,介绍了监督学习的几种常用算法,梳理了各种算法的研究现状。然后,提出了基于复杂网络监督学习方法未来关注方向。最后,说明了基于复杂网络监督学习方法的局限性,为相关学者的研究提供了参考。     

弯道水流二维浅水模型的修正研究

借鉴有关弯道水流流速分布的研究成果,计入深度平均流速与真实流流速分布差值引起的扩散效应,在正交曲线坐标系下建立了平面二维浅水模型.采用以标准κ-ε模型为基础的曲率效应修正紊流模型模拟紊动应力项,在一定程度上考虑了流线弯曲水流紊动应力的各向异性.应用控制体积法和交错网格法离散方程,并用SIMPLEC算法求解离散方程;同时采用修正后的模型对90°弯道水流进行了数值模拟,并与原模型的计算结果及实测资料进行了比较,结果表明该模型能够有效地模拟流线弯曲水流的水力特性.     

BEPCII横向束流反馈系统的梳状滤波器

 BEPCII是一个多束团、大流强的装置, 由于高频腔的高次模和电阻壁阻抗等因素，不可避免地会出现束流不稳定性。BEPCII中采用束流反馈系统来抑制束流不稳定性。横向束流反馈系统主要包括前端电子学、信号处理电子学、反馈器件和放大器等几个部分。梳状滤波器是信号处理电子学的重要部件，利用两根长短不同的电缆以及一个功分器和合成器构成了一种简单有效的梳状滤波器，其梳状深度达到-41 dB，使用这种梳状滤波器的横向反馈系统成功地抑制了束流中出现的不稳定性。     

非相干空间孤子的自陷行为

用相干密度法研究了一维非相干光束在饱和对数型光折变介质中的自陷行为,发现在传输过程中孤子的形态可具有稳态和周期性振荡的特点,具体取决于入射光束的初始宽度、相干特性和材料的非线性响应;研究了构成非相干光束的相干组份的传播行为,发现各相干组份的强度和光束宽度沿纵向发生周期性变化,峰值位置沿横向发生周期性变化.另外,利用横向相干宽度研究了非相干光束在各种传输状态下相干特性的变化,从而进一步解释了非相干光束在不同传播状态下的演化特性.     

反馈抑制HLS注入过程中β振荡的尝试

为了提高注入束流的积累,抑制由于注入系统误差所引起较大的β残余振荡是非常有必要的.本文较系统地介绍了合肥光源(HLS)抑制注入β振荡反馈系统的设计思想、原理和线路,并提供了它的初步实验结果.作为原理论证和预研,我们使用了一个相对简单的模拟滤波器和移相器对Kicker过程激发的β振荡进行反馈,看到了明显的抑制作用.为以后研制低频和高频反馈系统,研究抑制束流的横向和纵向不稳定性打下基础.     

合肥光源储存环上八极磁铁的动力学效应分析

 为达到合肥光源二期工程通用模式的设计流强，在储存环上选择垂直方向β函数比较大的位置增加一组八极磁铁。该组八极磁铁对水平方向动力学孔径影响很小，虽然垂直方向动力学孔径明显减小，但仍然大于物理孔径，不会影响束流的注入积累过程。该组八极磁铁产生的垂直方向振荡频率分散可以提供ms量级的Landau阻尼时间，将明显增强抑制垂直方向束流集体不稳定性的能力。该组八极磁铁投入运行后，合肥光源注入积累过程明显改善，注入流强从无八极磁铁时的约100 mA提高到330 mA左右。     

可加风险模型下现状数据的降维问题

文章基于可加风险模型假设,采用偏最小二乘回归和有监督的主成分回归两种投影降维方法,研究了高维协变量情况下现状数据的降维问题。通过深入地模拟试验,对比两种降维方法在高维相关现状数据的生存预测方面的表现,最后将两种降维方法结合实际数据集进行实证分析。模拟和实证结果表明这两种降维方法能很好地处理具有高维、强相关协变量的小样本数据集,比如基因微阵列数据。在后续的研究中,有望将现状数据扩展至其它更一般的区间删失数据。     

基于深度学习的视网膜OCT图像无监督去噪方法

以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言,其很难获取多帧配准的真值图像,这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪,并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能,并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果,可以实现视网膜OCT图像高质量降噪,具有较强的泛化性,而且与监督学习相比,无监督学习在数据集不充分时仍能获得较好的降噪性能,可以有效地辅助医生进行准确高效的临床诊断。     

管柱型近周期声子晶体点缺陷结构的大尺寸压电超声换能器

大尺寸压电超声换能器的耦合振动会导致其辐射面纵向位移振幅的平均值较小,振幅分布不均匀,严重影响系统的性能和可靠性.为了改善大尺寸超声振动系统性能,可利用二维孔/槽型近周期声子晶体结构对横向振动进行抑制,但在对横向振动抑制的同时,该结构会对换能器机械强度和工作带宽等性能参数造成不利的影响.针对这一问题,本文提出利用管柱型近周期声子晶体点缺陷结构对大尺寸夹心式纵振压电陶瓷换能器进行优化的新思路.该方法不仅可以利用构造的固/气二维近周期声子晶体结构的点缺陷模式,获得极低的能量损耗,有效提高系统辐射面的纵向位移振幅和振幅分布均匀度;也可以利用管柱结构中的双环形孔增强声波的多重散射,使得换能器在管柱柱高较低的条件下产生禁带,在有效抑制横向振动的同时,大幅拓宽换能器系统的工作带宽,增强系统的稳定性和机械强度,降低加工成本.仿真结果证明了优化的有效性.