求解二维Poisson方程的重心插值配点法

采用重心Lagrange插值配点法计算了二维Poisson方程.采用重心Lagrange插值法构造近似函数,由配点法离散Poisson方程及其边界条件.数值算例表明方法具有理论简单、计算精度高的特点.     

卷烟辅材参数与有害成分释放量的多元模型的建立、传递和验证

研究了卷烟辅材参数与有害成分释放量的关系。这些有害成分包括焦油、烟碱、CO、HCN、苯并[a]芘(B[a]P)、4-(甲基亚硝胺基)-1-(3-吡啶基)-1-丁酮(NNK)、巴豆醛、苯酚和NH3。使用多元校正分析,模型传递等化学计量学方法,对实验数据进行分析,建立了多元线性和多项式模型,通过独立验证样品和t检验确立了每种有害成分的最优模型;分析了各项辅材参数对有害成分释放量的影响权重。     

对直接标准化算法的改进及其应用

由于各种仪器之间存在差异,主机上建立的定量模型用于从机会导致预测结果出现较大偏差。目前主要通过有标样方法和无标样方法来减小预测偏差。该文对现有标样方法中的直接标准化算法进行改进,在转移矩阵的建立过程中,对从仪器数据矩阵进行主成分分解,以预测均方差为判定标准,确定最终的转移矩阵。并以玉米和烟草数据为对象,测试了该法的有效性。玉米样品含有2种成分:水分和蛋白质;烟草样品含有4种成分:还原糖、总糖、总氮和总碱。结果表明,对于玉米样品中的2种成分,采用改进的方法可显著提高预测的准确度;对于烟草中的4种成分而言,采用改进的方法可获得稳健的预测结果。     

Hermite梯度重构核近似配点法及其在功能梯度材料板的静力分析中的应用

由于直接配点法在求解边值问题时边界上的求解精度较低,本文提出了Hermite梯度重构核近似配点法（HGCM）来改进边界求解精度。重构核近似是无网格法中一种常用的近似函数,但是其在求解高阶导数时格式复杂且非常耗时。HGCM采用梯度重构核近似构建形函数的任意高阶导数,提高了计算效率;通过Hermite配点法构建离散方程,提高了边界求解精度。这种方法在求解对应变系数四阶偏微分方程的功能梯度材料板的静力问题时精度高,计算效率高,并可进一步推广应用于高阶偏微分方程描述的边值问题。     

多元函数积分的简化计算

利用多元函数积分区域的对称性,可通过对被积函数以及积分区域的变换来简化多元函数积分的计算.     

对流扩散方程特征线双线性元的一致估计

利用双线性元的积分恒等式,给出了二维非定常对流占优扩散方程的特征线有限元解和真解的一致误差估计,并利用插值后处理算子给出了有限元解梯度的一致超收敛估计,即上述误差与ε无关,而仅与右端f和初值u_0有关.     

多元Beta分布特性分析

利用小样本截尾序贯检验理论,在武器系统对空中目标的命中精度检验问题中,遇到了一类多元Beta概率分布函数,讨论分析了多维Beta概率分布函数的特性并给出了概率计算表.结果对武器精度检验具有重要意义和实用价值.     

一个新的非常规各向异性元的收敛性分析

构造了一个新的非常规各向异性Hermite型矩形单元并据此对二阶椭圆问题提出了一个混合元格式,同时给出了该格式的收敛性分析.     

基于半参数多元Copula-GARCH模型的开放式基金投资组合风险分析

利用Copula技术对我国开放式基金市场的投资组合进行了风险分析。为克服传统Copula模型对金融尾部数据刻画能力的不足,建立了半参数的多元Copula-GARCH模型,灵活地对各支基金的边缘分布进行拟合,刻画了开放式基金投资组合的相依结构。并利用基于Copula技术的蒙特卡洛模拟,对投资组合进行了VaR分析,结果证实了所建立模型的可行性和有效性。     

Dyadic Bivariate Wavelet Multipliers in L^2（R@2）

The single 2 dilation wavelet multipliers in one-dimensional case and single A-dilation (where A is any expansive matrix with integer entries and |detA| = 2) wavelet multipliers in twodimensional case were completely characterized by Wutam Consortium (1998) and Li Z., et al. (2010). But there exist no results on multivariate wavelet multipliers corresponding to integer expansive dilation matrix with the absolute value of determinant not 2 in L ²(ℝ²). In this paper, we choose $2I_2 = \left( {{*{20}c} 2 & 0 \\ 0 & 2 \\ } \right)$2I_2 = \left( {\begin{array}{*{20}c} 2 & 0 \\ 0 & 2 \\ \end{array} } \right) as the dilation matrix and consider the 2I ₂-dilation multivariate wavelet Φ = {ψ ₁, ψ ₂, ψ ₃}(which is called a dyadic bivariate wavelet) multipliers. Here we call a measurable function family f = {f ₁, f ₂, f ₃} a dyadic bivariate wavelet multiplier if Y₁ = { F ^{- 1} ( f₁ [^(y₁ )] ),F ^{- 1} ( f₂ [^(y₂ )] ),F ^{- 1} ( f₃ [^(y₃ )] ) }\Psi _1 = \left\{ {\mathcal{F}^{ - 1} \left( {f_1 \widehat{\psi _1 }} \right),\mathcal{F}^{ - 1} \left( {f_2 \widehat{\psi _2 }} \right),\mathcal{F}^{ - 1} \left( {f_3 \widehat{\psi _3 }} \right)} \right\} is a dyadic bivariate wavelet for any dyadic bivariate wavelet Φ = {ψ ₁, ψ ₂, ψ ₃}, where [^(f)]\hat f and F ⁻¹ denote the Fourier transform and the inverse transform of function f respectively. We study dyadic bivariate wavelet multipliers, and give some conditions for dyadic bivariate wavelet multipliers. We also give concrete forms of linear phases of dyadic MRA bivariate wavelets.