绝对重力测量异常值的局部异常因子检测算法

自主研发绝对重力仪的测量结果中出现的离群程度不同的异常值会直接影响测量结果的准确度和测量精度。目前一般采用的一元正态分布异常值检测算法漏检率高,容易造成测量结果的偏差和测量精度的下降。利用人工智能算法中的局部异常因子异常值检测算法,可以在线、快速、高效地完成自主研发绝对重力测量数据的异常值检测。首先,根据实测数据构建测试数据集,利用数值模拟确定局部异常因子算法邻域宽度参数的取值;然后,基于实测数据进行异常值检测并进行结果评估。评估结果表明,局部异常因子异常值检测算法对离群程度不同、连续出现异常值等情况检测效果明显优于一元正态分布异常值检测算法,组测量精度平均提高9.37μGal,可以作为自主研发绝对重力仪异常值检测的通用算法完成组测量结果的异常值检测。     

构造局部不等式处理n元条件极值问题

本文从一道竞赛题出发介绍处理n元条件极值问题的一种策略,通过分析已知的等量关系,猜测与试探取得最值的条件,寻找并建立局部不等式,完成问题的求解或证明,并举例说明这一解法的应用.     

GARCH模型的贝叶斯局部影响分析及其应用

广义自回归条件异方差(GARCH)模型能够很好地刻画金融资产收益二阶矩的相依关系,因此在金融时间序列中受到了广泛的应用。在GARCH模型的框架下,本文利用贝叶斯局部影响分析来评价先验、个体观测和样本分布的微小扰动的影响,利用扰动模型来刻画不同类型的扰动形式。我们构建了扰动模型的贝叶斯扰动形式,计算其几何量来表征扰动模型的内部结构。基于几个目标函数,本文利用几个不同的局部影响测量来量化不同扰动的程度。数值模拟研究验证了所提方法的有限样本表现。对纽约证券交易所综合指数(NYSE)和标准普尔500指数的GARCH建模说明了所提方法在实例研究中的有效性。     

对自由落体的诺维科夫时间与牛顿绝对时间关系讨论

文章首先将史瓦西黑洞场中自由下落质点的固有时(诺维科夫坐标时)公式,由自然单位制化成了国际单位制中的形式.然后,根据牛顿第二定律和万有引力定律,推导出了自由下落质点经历的绝对时间公式,进而证明了广义相对论中自由落体经历的固有时,恰好等于牛顿力学给出的绝对时间.最后,对自由下落质点在黑洞内外经历的时间进行了特例计算.     

基于局部加密纯无网格法非线性Cahn-Hilliard方程的模拟

为数值求解描述不同物质间相位分离现象的高阶非线性Cahn-Hilliard(C-H)方程,发展了一种基于局部加密纯无网格有限点集法(local refinement finite pointset method,LR-FPM).其构造过程为:1)将C-H方程中四阶导数降阶为两个二阶导数,连续应用基于Taylor展开和加权最小二乘法的FPM离散空间导数;2)对区域进行局部加密和采用五次样条核函数以提高数值精度;3)局部线性方程组求解中准确施加含高阶导数Neumann边值条件.随后,运用LR-FPM求解有解析解的一维/二维C-H方程,分析粒子均匀分布/非均匀分布以及局部粒子加密情况的误差和收敛阶,展示了LR-FPM较网格类算法在非均匀布点情况下的优点.最后,采用LR-FPM对无解析解的一维/二维C-H方程进行了数值预测,并与有限差分结果相比较.数值结果表明,LR-FPM方法具有较高的数值精度和收敛阶,比有限差分法更易数值实现,能够准确展现不同类型材料间相位分离非线性扩散现象随时间的演化过程.     

一种基于苯并噻二唑衍生物的F~-荧光探针分子的理论研究

用密度泛函理论研究了最近实验上合成的一种基于苯并噻二唑衍生物的F~-荧光探针(1)的性质.通过对相关化学反应热力学参数的计算,提出了1对F~-具有高选择性的可能原因;同时用含时密度泛函理论对电子吸收光谱和荧光发射光谱进行了理论计算,解释了实验光谱.     

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。     

物理解题中的整体意识和局部意识

在许多物理问题中,整体与局部的关系是普遍存在的,正确分析和解决局部与整体的关系是物理教学中常用的处理问题的方法,在思维上要训练学生处理问题的整体意识和局部意识,落实物理核心素养中科学思维能力的培养.     

基于Retinex理论与概率非局部均值的红外图像增强方法

针对传统红外图像增强算法中细节模糊及过度增强的问题,提出了一种基于Retinex理论与概率非局部均值相结合的红外图像增强方法.首先通过单尺度Retinex方法调整图像中过暗与过亮部分的灰度级;然后利用概率非局部均值对图像进行分解处理得到基本层与细节层,对基本层采用直方图均衡化拉伸对比度,对细节层采用非线性函数进行增强;最后,将不同层次的结果融合得到对比度与细节增强的红外图像.用该方法对多组不同场景的红外图像进行仿真实验,并将其与多种增强方法进行主、客观对比分析,结果表明所提方法在红外图像的细节及对比度增强方面都获得了更好的效果.     

基于长短时记忆神经网络的能谱核素识别方法

针对新兴的能谱核素识别方法在混合放射性核素的噪声环境中存在识别速度慢、准确率较低等问题,提出了基于长短时记忆神经网络(LSTM)的能谱核素识别方法。实验使用溴化镧(LaBr3)晶体探测器,分别对环境中60Co、137Cs放射性源分组测量得到能谱数据集,首先使用数据平滑方法和归一化方法进行数据预处理,然后将能谱数据按时间序列分组以获得可用的输入序列数组,最后训练LSTM模型得到预测结果。通过基于BP神经网络和卷积神经网络(CNN)的两个能谱识别模型进行对比,得到在测试集中平均识别率分别为83.45%和86.21%,而LSTM能谱识别模型平均识别率为93.04%,实验结果表明,该能谱模型在核素识别效果中表现较好,可用于快速的能谱核素识别设备上。