局部Z-空间和Z-连续空间

对于一般广义子集系统Z,引入了局部Z-空间和Z-连续空间的概念,讨论了局部Z-空间的基本性质;基于收敛网,给出了局部Z-空间的等价刻画,证明了X为Z-连续空间当且仅当X为局部Z-空间。     

无穷区间上分数阶带p-Laplacian算子微分方程积分共振边值问题解的存在性（英文）

利用Mawhin连续性定理,讨论一类分数阶p-Laplacian微分方程积分共振边值问题在无穷区间上解的存在性,并举例说明主要结果.     

一维微分方程的多项式特解方法（英文）

本文对一维常微分算子及发展微分算子提出一种基于解析多项式特解(MPPS)的求解方法,通过使用这些特解公式,将微分方程的解显式表达为多项式特解的线性组合来求解复杂的微分方程,如可以使用这些公式来求解右端具有不连续驱动项的微分系统.文中给出一系列数值例子,数值模拟结果精度很高,而且误差非常稳定.     

二元向量值调制框架的特征刻画

研究希尔伯特空间中向量值调制框架的特征.给出函数族{E_(mb)S_(na)h}_(m,n∈Z~2)构成空间L~2(R~2,C~s)的向量值调制框架的充分条件和{E_(mb)S_(na)h}_(m,n∈Z~2)成为向量值调制紧框架的等价条件.     

基于广义最大熵的具有模糊输入输出的回归模型的参数估计

模糊回归是在模糊系统中建立因变量与一组自变量之间关系的重要工具,以评估模糊自变量如何影响模糊响应变量的过程。当系统中出现小样本或者非列满秩设计矩阵时,模糊最小二乘法可能得出偏误估计。本文基于文献[13]中的多元线性回归模型,利用广义最大熵方法,针对模糊输入模糊输出数据,给出线性回归模型的参数估计和算法步骤。当输入或输出数据退化为清晰值时,该估计退化为清晰输入模糊输出或者模糊输入清晰输出的回归模型参数估计。本文结合模拟数据和实例数据,将广义最大熵方法与模糊最小二乘方法、岭估计方法进行比较研究,结果显示广义最大熵方法的可行性和有效性。     

一种新的岩石非线性黏弹塑性蠕变模型研究

为了克服传统元件组合模型不能描述岩石蠕变过程中非线性特征的缺陷，首先根据加速蠕变阶段的应变和应变率随蠕变时间急剧增大的特点，建立黏塑性应变与蠕变时间的指数函数关系并提出非线性黏塑性体．将该非线性黏塑性体与广义Burgers蠕变模型串联，建立可以描述岩石全蠕变过程的非线性黏弹塑性蠕变模型，根据叠加原理得到一维应力状态下的轴向蠕变方程．然后基于塑性力学理论指出岩石三维蠕变本构方程建立过程中的不足之处，并给出非线性黏弹塑性蠕变模型合理的三维蠕变方程．最后采用不同应力水平下砂岩轴向蠕变试验对模型合理性进行验证，结果表明：拟合曲线与试验曲线吻合度较高，所建蠕变模型能够很好地描述砂岩在不同应力水平下的蠕变变形规律，尤其对加速蠕变阶段的非线性特征描述效果很好，验证了模型的合理性．     

共轭线性对称性及其对PT-对称量子理论的应用

传统量子系统的哈密顿是自伴算子,哈密顿的自伴性不仅保证系统遵循酉演化和保持概率守恒,而且也保证了它自身具有实的能量本征值,这类系统称为自伴量子系统.然而,确实存在一些物理系统(如PT-对称量子系统),其哈密顿不是自伴的,这类系统称为非自伴量子系统.为了深入研究PT-对称量子系统,并考虑到算子PT的共轭线性性,首先讨论了共轭线性算子的一些性质,包括它们的矩阵表示和谱结构等;其次,分别研究了具有共轭线性对称性和完整共轭线性对称性的线性算子,通过它们的矩阵表示,给出了共轭线性对称性和完整共轭线性对称性的等价刻画;作为应用,得到了关于PT-对称及完整PT-对称算子的一些有趣性质,并通过一些具体例子,说明了完整PT-对称性对张量积运算不具有封闭性,同时说明了完整PT-对称性既不是哈密顿算子在某个正定内积下自伴的充分条件,也不是必要条件.     

基于LASSO算法的光谱变量选择方法研究

光谱分析技术由于具有简单、快速、无损等优势,在复杂体系的定性和定量分析中得到了广泛应用。然而光谱中往往包含成百上千的波长点,有些波长点与研究的目标性质并不相关,加大了计算量并降低了模型的预测准确度。因此,在建立模型前需要进行变量选择。最小绝对收缩与选择算子（LASSO）可将回归系数收缩为0,进而达到变量选择的目的。该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择,基于偏最小二乘（PLS）和多元线性回归（MLR）模型,分别对香油和肌氨酸的含量进行定量分析,并与无信息变量消除－PLS（UVE－PLS）、蒙特卡罗结合UVE－PLS（MCUVE－PLS）和随机检验－PLS（RT－PLS）3种变量选择方法进行比较。结果表明,基于LASSO的变量选择方法保留的变量数最少,运算速度最快。对三元调和油样品,LASSO－PLS预测的准确度最高;对生物样品,LASSO－MLR预测的准确度最高。因此,基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用。     

相依误差广义线性模型的M估计的Bahadur表示

考虑如下广义线性模型y_i=h(x~T_i,β)+e_i=1,2,…,n,其中e_i=G(…,ε_(i-1),ε_i),h是一个连续可导函数,ε_i是独立同分布的随机变量,并且它的期望为0,方差σ~2有限.本文给出了参数β的M估计,并且得到了该估计的Bahadur表示,该结论推广了线性模型的相关结论.应用M估计的Bahadur表示,得到了相依误差的线性回归模型,poisson模型,logistic模型和独立误差的广义线性模型等模型的渐近性质.