常见炸药的稳定同位素比值分析方法研究进展

炸药的深度比对与溯源对于爆炸案事件的侦破具有重大意义,以不同地域来源的原料或不同生产工艺生产的炸药,其组成元素的稳定同位素比值具有差异,因而稳定同位素比值可作为炸药深度比对与溯源的重要指标。稳定同位素比值质谱法(IRMS)作为一种高精度的稳定同位素比值测量手段,已逐渐发展成熟,与元素分析仪、气相色谱仪、液相色谱仪等仪器联用,在食品安全、环境保护、法庭科学等领域应用广泛。IRMS在炸药比对与溯源上亦发挥了重要作用,自1975年IRMS被应用于区分不同国家生产的三硝基甲苯(TNT)以来,IRMS已成功用于多种炸药的分析。但目前尚未见有文献系统地总结常见炸药的稳定同位素比值分析研究进展。该文介绍了稳定同位素比值分析的相关原理、仪器组成及特点,分别总结了硝酸铵、黑火药、TNT、太恩、黑索金等常见炸药的稳定同位素比值分析方法,汇总了文献报道的不同国家生产的硝酸铵、黑火药、TNT等炸药的稳定同位素比值。文章就不同炸药的稳定同位素比值差异、炸药生产、存储过程中相关因素对同位素比值的影响,爆炸前后稳定同位素比值的变化情况等内容进行了分析。本文还指出了目前炸药的稳定同位素比值分析研究中存在的问题,对可能的解决办法进行了讨论,对未来的发展方向提出了建议。     

指对联袂不等式 切线隔离巧证明

在高考及模拟试题中,经常出现含有指数式和对数式的不等式证明或求参数取值范围问题,本文以一道成都市2023届高考模拟试题为例,通过切线法及放缩法找到“隔离函数”,大胆猜想结论,结合导数相关知识和方法巧妙进行证明,发展学生的数学运算等核心素养.     

基于最大相关熵准则回归模型的大盘指数预测

大盘指数是衡量股票市场运行情况的“晴雨表”,是投资者洞察股票市场发展态势和制定投资策略的重要依据.大盘指数的变化趋势与经济发展状况、宏观经济政策、投资者心态等诸多复杂因素密切相关,具有明显的随机性和不确定性,这导致精准预测大盘指数的变化趋势成为一个富有挑战性的问题.文章基于最大相关熵准则,使用一种新的回归预测模型,该方法将实际输出与理想输出视为两个随机变量,并采用相关熵度量它们之间的相似程度,进而基于最大熵准则构建一种新的回归模型优化函数,用于指导回归系数的确定.在实际操作中,通常基于有限样本,采用高斯核函数的Parzen窗方法估计两个随机变量的相关熵,因此可借助高斯核函数的核宽调节,解决最小均方误差准则回归模型对异常数据和随机噪声敏感性问题,从而提升预测精度.基于实测数据的实验结果表明:与自回归模型、差分自回归模型以及深度学习方法等相比,文章所提方法能有效降低异常数据对预测精度的影响,预测误差小,鲁棒性强.     

基于SFA-Malmquist模型的区域软件与信息技术服务业全要素生产率测算与分析

软件与信息技术服务业是推动制造业迈向高质量发展的重要支撑.如何构建计量模型并测算软件与信息技术服务业的生产率,是准确把握其发展规律并识别其影响机制的基本前提.以我国28个省份的软件与信息技术服务业的面板数据,基于Translog生产函数,构建随机生产前沿方法(SFA)与Malmquist指数相结合的全要素生产率测量模型,比较分析了我国软件与信息技术服务业全要素生产率及其分解效率,并建立Tobit回归模型实证检验信息技术对软件与信息技术服务业生产率的影响及城市化的调节效应.研究表明,资本投入显著正向影响软件与信息技术服务业的产出,人力资本投入对软件与信息技术服务业的产出具有负向影响;软件与信息技术服务业技术效率呈下降趋势,全要素生产率在统计期内平均增长了5.1%且区域增长差异明显;信息技术促进了全要素生产率,城市化负向调节信息技术与全要素生产率之间的关系.因此,应提高软件与信息技术服务业的人力资本质量,提高运作过程中的技术效率,重视城市化对全要素生产率的影响.     

基于贝叶斯时变VAR模型的中国FCI构建及其应用

本文综合宏观经济变量,利用混频动态因子模型测度月度GDP,之后结合货币供应量、房价以及股价等金融变量,基于贝叶斯时变VAR模型构建科学的金融状况指数(FCI),并采用谱分析研究其预警能力。研究结果表明,股票市场、房地产市场、货币政策与实体经济对我国金融市场状况的影响具备时变性。基于贝叶斯时变VAR模型的脉冲响应分析可以发现,上述变量的影响程度依次递减。在此基础上构建的FCI较基于常系数VAR模型构建的FCI具备更强的预警能力,尤其进行三个月以内的短期预测时,优势更加明显,进而可以为有效监测金融市场状况,预警通货膨胀与金融风险提供科学决策依据。     

带有Hecke-Maass形式傅里叶系数的指数和估计

设g(z)是拉普拉斯特征值为1/4+t²的Hecke-Maass尖形式,λ_g(n)是g的第n个正规化傅里叶系数.本文研究与λ_g(n)相关的指数和,并给出估计式■,其中■.通过λ_g(n)的高次均值估计,改进了前人的结果.     

具有时变时滞的非线性分数阶退化微分系统的有限时间稳定性

本文研究了一类具有时变时滞的非线性分数阶退化微分系统的有限时间稳定性问题.首先通过退化微分系统理论得到了系统正则无脉冲的充分性条件.在此基础上通过建立Lyapunov泛函,并利用广义Gronwall不等式和线性矩阵不等式方法给出了含有时变时滞因素的分数阶退化微分系统的有限时间稳定性判据.最后给出具体的算例验证了定理条件的有效性.     

具有最小反对称分割指数的化学树

设图$G$,其中边集为$E(G)$,顶点集$V(G)$.反对称分割指数被定义为$ISDD(G)=\sum_{uv \in E(G)}\dfrac{d_ud_v}{d_u^2+d_v^2}$,其中$d_u$, $d_v$分别为顶点$u,v$的度.化学树就是顶点的度不超过4的树.在本文中,我们刻画出具有最小反对称分割指数的$n$阶化学树.     

基于噪声模型变换的子光斑质心提取方法

受天光背景、大气湍流强度、信标光回光特性和探测器噪声等因素影响,夏克-哈特曼波前传感器子孔径光斑常存在强度分布不均匀和低信噪比的情况,故子孔径内光斑质心定位不准且波前探测精度下降。提出了一种基于噪声模型变换的子孔径光斑质心提取方法,采用方差稳定变换（VST）将探测引入的泊松-高斯噪声转换为高斯噪声,进一步基于残差反馈优化BM3D策略实现低信噪比子孔径图像的高效去噪。结果显示：所提方法可有效提取低信噪比夏克-哈特曼波前传感器光斑阵列图像中的光斑信号数据,提高了子孔径光斑的质心定位精度和稳定性;相比于传统自适应阈值法等方法,所提方法在子光斑图像峰值信噪比低于6时,可以提升波前复原精度2倍以上。     

基于Transformer特征提取的A型恒星光谱子型分类算法

恒星光谱分类是恒星光谱分析的重要工作之一。我国大型巡天项目LAMOST能够获得海量的恒星光谱数据,为了对海量恒星光谱数据进行高效分类,特别是对恒星光谱子型数据进行分类,需要研究快速有效的恒星光谱自动分类算法。提出一种基于Transformer特征提取的混合深度学习算法Bert+svm(简记为Besvm)实现A型恒星光谱子型的自动分类。该算法将A型恒星光谱26个线指数作为输入特征,应用Bert模型对26个线指数进行更深层次的学习,通过学习26个线指数的内在关联,进而提取到更有利于A型恒星光谱子型分类的特征。提取好的新特征被输入到分类器算法支持向量机(简记为SVM)中,进而对A型恒星光谱的三个子型A1、 A2和A3进行自动分类。此前,SVM算法在恒星光谱分类任务中已经有过应用,一些衍生的SVM算法在恒星光谱分类任务中也有较高的分类正确率。相比从前应用到恒星光谱分类任务的SVM算法,我们的混合深度学习算法受数据的信噪比影响较小,使用低信噪比数据也能有较高的分类正确率,并且所用数据量较少。通过五组实验验证了该算法的有效性和优越性：实验1用来对比选择优秀的核函数,通过光谱数据的匹配实验,最终选择...