?4模型真空态间的转换算符

本工作在正则量子化的基础上，对$\phi^4$模型的哈密顿量采取正规序来正规化真空零点能，然后微扰计算了至次领头阶的真空态修正。同时首次得到可以在$\phi^4$模型的两个真空态之间转换的算符，我们相信这个算符也是适当极限条件下产生$\phi^4$扭结(kink)的算符的形式。最后简要说明了真空能的应用。     

具有非线性传染率和时滞的随机SIQR计算机病毒模型的渐近行为

研究了一类具有非线性发生率和时滞的随机SIQR计算机病毒模型.首先证明了该系统具有唯一的全局正解,然后通过构造适当的Lyapunov函数并利用伊藤公式,分析了该模型的解在无病平衡点附近及地方病平衡点附近的渐近行为,最后通过数值模拟对随机系统解的渐近行为做了进一步的分析并给出了结论.     

基于学业质量水平的物理建模能力研究

参考2017版物理课标学业质量水平,构建物理建模能力评价指标,采用测试法调查了高二理科学生物理建模能力,结果表明学生的建模能力较薄弱,并依据评标找出了学生建模过程中存在的具体问题.了解学生建模能力的现状,教师可以更好地设计教学活动以发展学生的建模能力,进而提升学生的物理学科核心素养.     

基于激光雷达的垂直能见度反演算法及其误差评估

针对大气垂直方向上消光系数分布不均匀难以用传统方法直接测量垂直能见度的问题,提出了一种基于激光雷达探测垂直能见度的计算方法。根据大气辐射传输基本原理,借助于辐射传输方程,推导出了垂直能见度的计算公式;然后利用激光雷达原理方程和Klett算法反演出大气垂直方向上的消光系数分布,基于此提出了垂直能见度的迭代算法。最后,利用灰色模型GM(1,1)和批统计算法,对激光雷达反演得到的后向散射系数进行了评估,给出了误差置信区间为(0.760±0.339)×10^-4(srad·km)^-1。结果表明,该方法是一种特别有效的计算垂直能见度的方法,符合探测的基本需求,且误差小精度高。     

系留升空平台光电探测目标的坐标转换误差分析

系留升空平台的目标定位技术在军民领域中具有广泛的应用，定位精度的高低已成为评价无人机、系留升空平台综合性能的一项重要指标。开展了无人升空平台光电探测系统的精度测试研究，对目标高精度定位误差进行分析，推导出光电探测系统误差转换模型，对误差转换坐标进行仿真验证。运用蒙特卡罗思想, 综合分析了升空载荷光电探测系统中各误差参数对定位精度的影响，提出了提高目标高精度定位精度的改进方法，为无人升空平台光电吊舱的目标定位精度、光电吊舱的高精密设计提供了理论基础。     

基于改进节点重要度引力模型的航路网拥堵节点识别

航路网络存在一些关键航路点对系统整体具有重要控制作用,而有效辨识这些重要节点对缓解空中交通拥堵,提高航路运行效率具有极大意义.以复杂网络理论为基础,从网络视角结合中心度及节点服务能力通过改进传统引力模型进行节点重要度评估;然后基于改进节点重要度引力模型进行航路网络拥堵节点识别仿真,并将结果与传统介数法进行对比验证.研究表明:改进的引力模型识别的重要节点,不仅具有较大的中心度,且较多位于航路网络流量较大位置;基于引力模型识别航路网络节点重要度的准确率更高,在提高网络通行率基础上更及时地识别航路网络易拥堵节点,对预防节点失效、减少航路网络拥堵具有积极作用.     

基于SMA模型的扩张型心肌病影响基因分析

医学研究表明约30%的扩张型心肌病与遗传因素有关,因此从基因水平寻找其病因及发病机制越来越引起国内外学者的重视.采用针对超高维数据的序贯模型平均(SMA)方法对扩张型心肌病转基因小鼠微阵列数据建立回归模型,确定哪些基因对小鼠中G蛋白偶联受体的过表达有影响从而导致小鼠的心肌病,结果发现Msa.2877.0,Msa.741.0,Msa.768.0和Msa.2604.0四个基因是影响小鼠扩张型心肌病的主要基因,且SMA对该数据的拟合和预测都明显优于以往常用的SIS,L2boost及Lasso等变量选择方法.研究结果对进一步了解人类心脏病的发病机理有一定的借鉴意义.     

带有潜伏期的狂犬病模型及控制策略研究

研究建立了狗与人两个群体的SEIR狂犬病模型,把狂犬病潜伏期阶段的传染性加入到模型中,利用遗传算法对1996年到2015年的数据进行拟合,估出了中国狂犬病的基本再生数R0≈1.66,证明了狂犬病无病平衡点的全局稳定性以及模型的一致持续性.根据数值模拟结果,发现处于潜伏期的犬类对人类狂犬病造成威胁.因此控制狂犬病的一个关键措施就是要做好犬的管理,减少与犬只的接触,这对抑制狂犬病的爆发有着重要的作用,也为我国狂犬病的控制提供了可靠的理论依据.     

新组合模型在光电功率预测中的应用

为提高光伏预测要求的精准性,文章提出一种新算法将神经网络和ARMA算法改进组合,构成NEW ARMA-BP模型算法.以某30兆瓦的光伏电站采集的输出功率为输入样本,基于ARMA和BP神经网络算法在Matlab环境下依次搭建了相应的预测模型,预估光伏短期输出量.采用"误差正态检验图"判断基于两种不同算法的误差水平,依据两种单模型预测误差,运用所提出的新方法计算权值并获得新的预测值.基于Matlab的仿真结论验证了组合预测在光伏输出预测领域的适用性.