基于不确定控制理论的最优策略研究

本文在不确定理论的框架下,研究一类带背景状态变量的最优控制模型.在乐观值准则下,利用不确定动态规划的方法,证明了不确定最优性原则,得到最优性方程.作为应用,求解一个固定缴费(DC)型养老金的最优投资策略问题,在乐观值准则下,以工资变量为背景状态变量,建立养老金模型.通过求解不确定最优性方程得到最优投资策略和最优支付率.     

初中数学不同课型阅读教学的实践探究

数学学习有别于其他学科的学习,使得数学阅读也有其独特性,它需要阅读者有较强的数学思维能力,在数学阅读过程中,学生不仅要知道数学概念、规则等的自然语言,也要知道它的数学语言所表达的含义,还要理清它的结构、数学思想、积累的经验.     

一个R2上含双曲函数核的Hilbert型不等式

通过引入参数，构造了一个全平面上的、含双曲函数的非齐次核函数。利用正切函数的有理分式展开，建立了最佳常数因子与正切函数高阶导数相关联的Hilbert型积分不等式。 作为应用，通过赋予参数不同的值，建立了一些有意义的特殊结果。     

硅和锗纳米线的原子排布和电荷分布的密度泛函紧束缚方法研究

低维硅锗材料是制备纳米电子器件的重要候选材料，是研发高效率、低能耗和超高速新一代纳米电子器件的基础材料之一，有着潜在的应用价值。采用密度泛函紧束缚方法分别对厚度相同、宽度在0.272 nm~0.554 nm之间的硅纳米线和宽度在0.283 nm~0.567 nm之间的锗纳米线的原子排布和电荷分布进行了计算研究。硅、锗纳米线宽度的改变使原子排布，纳米线的原子间键长和键角发生明显改变。纳米线表层结构的改变对各层内的电荷分布产生重要影响。纳米线中各原子的电荷转移量与该原子在表层内的位置相关。纳米线的尺寸和表层内原子排列结构对体系的稳定性产生重要影响。     

桉树杂交种与其亲本的近红外光谱判别

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。     

UJ24型电位差计的检修与调节

UJ24型电位差计使用时出现的故障,可以利用数字万用表排查故障,提出排查方案,进行维修与调节,使它尽快恢复到最佳工作状态,这样既节省厂家的维修时间又节省学校的维修费用。     

纳米CeO2吸附剂的制备及对六价铬的吸附性能

吸附法是去除水中重金属离子的重要方法,开发新型吸附剂一直是研究热点.利用浸渍法和水热法制备了片状和无定形的纳米CeO2吸附剂,探讨其对六价铬的吸附性能,分析pH、吸附时间、六价铬初始浓度等因素对其吸附性能的影响,并通过循环吸附实验考察纳米CeO2吸附剂的再生能力.结果表明:厚度30 nm、直径大小约为400 nm的片状CeO2吸附剂具有更强的吸附能力和更快的吸附速率,80 min时基本达到吸附平衡;两种吸附剂的最佳吸附pH为3;吸附动力学均符合伪二级动力学方程,Langmuir模型和Freundlich模型均能很好地拟合等温吸附过程,表明纳米CeO2对六价铬的吸附以单层吸附为主.片状CeO2四次吸附-解吸实验之后吸附率稍有下降,表明片状CeO2吸附剂有较好的再生能力,因而,该片状CeO2吸附剂适用于与酸性Cr(Ⅵ)废水的处理.     

紧黎曼流形上的椭圆边界值问题

讨论一类非齐次非线性椭圆边界值问题.利用极大值原理证明了该问题解的梯度估计.作为它的应用得到了解的效率比估计.     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

对流扩散方程的缩减基有限元法的后验误差

将缩减基(RB)方法和有限元方法相结合,在保证偏微分方程的有限元离散格式具有足够高精确度前提下,能够大幅度地降低有限元离散格式的维数,从而大大降低计算中内存容量和计算时间的消耗.针对对流扩散方程建立基于RB方法的Crank-Nicolson有限元离散格式,并给出后验误差估计结果.