失效率的E-Bayes估计和多层Bayes估计

提出了一种可靠性参数的估计方法—E-Bayes估计法,对寿命服从指数分布的产品,在无失效数据情形,给出了失效率的E-Bayes估计的定义、E-Bayes估计和多层Bayes估计,并在此基础上给出了E-Bayes估计的性质.最后,结合发动机的实际问题进行了计算,结果表明E-Bayes估计法可行且便于应用.     

威布尔分布无失效数据的统计分析

本文对Weibull分布场合下的无失效数据(ti,ni),根据“平均剩余寿命”这一概念得到了参数的拟矩估计,进而将其转化至有一个或多个失效数据的情形,利用[1]中的结果给出了失效概率pi的多层Bayes估计,从而利用分布函数曲线拟合方法得到了未知参数的估计．并结合实际问题进行了计算．     

基态N2O－的势能函数研究

以6-311＋＋G(3df, 3pd)为基函数, 采用密度泛函理论的B3LYP方法对N₂O^－分子体系的结构进行了优化计算. 结果表明N₂O^－分子最稳态为C_s构型, 电子组态为²A', 平衡核间距R_N—N＝0.11873 nm, R_N—O＝0.13012 nm, 键角∠NNO＝133.94448°, 离解能D_e＝10.3857 eV, 基态简正振动频率: 弯曲振动频率ν₁＝656.7488 cm^－1, 对称伸缩振动频率ν₂＝998.1562 cm^－1, 反对称伸缩振动频率ν₃＝1684.3093 cm^－1. 并用多体展式理论方法推导出了基态N₂O^－分子的分析势能函数, 其等值势能图准确地再现了N₂O^－分子的结构特征和离解能.     

根据动力学-光谱数据解析高锰酸钾氧化草酸钠的反应过程

通过在线测量硫酸介质中高锰酸钾氧化草酸钠反应过程的光谱变化，获得了动力学—光谱二维数据。借助主成分分析法，确定了高锰酸钾的单信息区，并确认反应过程中产生了一种有吸收的中间体。根据最小二乘回归等化学计量学方法，结合相关组分间存在等吸收点这一光谱特征及质量平衡原理，成功地解折出反应体系中相关组分的实际动力学谱及纯光谱。根据Savitsky-Golay求导法，获得了各组分的速率曲线。对解析结果的进一步研究表明，该反应符合自催化模式。     

COIL动态平衡式供碘系统的研制

 建立了动态平衡式COIL供碘系统的理论模型。根据理论计算结果研制了一套供碘系统。该系统体积为前供碘系统的八分之一，质量为三分之一，预热时间缩短了一半。实验结果表明：该供碘系统碘流量完全能满足碘量优化实验需要，碘量调节便捷，有较宽的调节范围，且具有长时间工作更稳定的特点。     

基于Expectile和Realized GARCH模型的波动率预测

Realized GARCH模型是预测波动率的经典模型之一,最小化非对称二次损失函数的Expectile对收益率尾部分布更加敏感,我们在Realized GARCH模型的基础上引入Expectile提出Expectile-Realized GARCH模型。以沪深300指数的高频收益率为例建模分析,对比不同模型下的波动率预测效果,发现Expectile-Realized GARCH模型较Realized GARCH模型对波动率预测能力更好。其中,当风险水平为95%时,对应的Expectile-Realized GARCH波动率预测能力最好。     

大规模数据的L1惩罚分位数回归方法研究--基于特征筛选和随机抽样方法

为解决大规模数据在进行回归分析时存在的计算内存不足和运行时间较长的问题,提出两个新的回归分析方法:先筛选后抽样的大规模数据L₁惩罚分位数回归方法(FSSLQR)和先抽样后筛选的大规模数据L₁惩罚分位数回归方法(SFSLQR),其数值模拟和实际应用结果表明:FSSLQR和SFSLQR方法不仅能够显著降低计算内存和运行时间,而且其估计预测和变量选择的结果与全量L₁惩罚分位数回归基本一致。此外,与Xu等(2018)提出的大规模数据的L1惩罚分位数回归方法(SLQR)相比,FSSLQR和SFSLQR方法在估计预测、变量选择和运行时间等方面都更具优势。     

基于最优估计的数据融合理论

本文提出了一种最优加权的数据融合方法，分析了最优权值的分配原则；给出了多源信息统一的线性融合模型，使其表示不受数据类型和融合系统结构的限制，并指出在噪声协方差阵正定的前提下，线性最小方差估计融合和加权最小二乘估计融合是等价的；介绍了数据融合中的Bayes极大后验估计融合方法，给出了利用极大后验法进行传感器数据融合的一般表示公式；最后以两传感器数据融合为例，证明了利用Bayes极大后验估计进行两传感器数据融合所得到的融合状态的精度比相同条件下极大似然估计得到的精度要高，同时它们均优于任一单传感器局部估计精度。     

Operation and Optimization of a Linux PC farm for Physics Analysis in the ZEUS Experiment

The ZEUS experiment has migrated its reconstruction and analysis farms to a PC-based environment.More than one year of experience has been acquired with successful operation of an analysis farm designed for several hundred users.Specially designed software has been used to proveide fast and reliable access to large amounts of data (30 TB in total),After the ongoing upgrade of the HERA luminosity,higher requirements will arise in terms of data storage capacity and throughput rate,The necessity of a bigger disk cache has led to consideration of solutions based on commodity technology,PC-based file servers are being tested as a cost-effective storage system,In this article we present the hardware and software solutions deplogyed and discuss their performance.scalability and maintenance issues.     

分组型数据三参数Weibull分布的参数估计

给出了在分组型数据下三参数Weibull分布的参数估计,并通过Monte-Carlo模拟说明了本文方法的可行性.