基于大规模高维线性回归模型的分布式计算方法研究

大数据背景下挖掘大规模高维数据所隐藏的信息备受关注.本文主要目的是采用分布式优化方法解决加SCAD和Adaptive LASSO惩罚的高维线性回归中的参数估计和变量选择问题.主要方法是通过构造全局损失函数的一个交互有效的正则化替代损失函数,把基于全局损失函数的优化问题转化为基于替代损失函数的优化问题.本文设计的修正的ADMM算法,在计算上,只需要子机器基于局部数据计算梯度,而主机器进行参数估计和变量选择.在主从机器交互复杂度上,基于替代损失函数所得的估计误差收敛于基于全局损失函数所得的估计误差.通过模拟和实证研究进一步验证本文提出的分布式计算方法在实际生活中的可行性和实用性.     

黄绿色葡萄石的矿物学特征及谱学研究

葡萄石可以以板状、片状、葡萄状、肾状、放射状或块状集合体的形式产出,因其美丽的外观和特殊的晶体结构,近年来受到了学者的广泛关注。本文通过电子探针、粉晶X射线衍射仪、傅里叶变换红外光谱仪、显微拉曼光谱仪、紫外可见分光光度计等仪器对黄绿色葡萄石的成分、结构及谱学特征进行了分析与探讨。葡萄石的主要致色元素为Fe,且Fe³⁺经常取代Al³⁺占据八面体配位,Fe²⁺经常取代Ca²⁺存在于空隙中。电子探针数据表明:Fe与Al的含量变化整体呈现负相关关系,Fe与Ca的含量变化也整体呈现负相关关系,Fe含量相对较高的样品其黄绿色调加深。XRD图谱和拉曼光谱的结果表明:在葡萄石中绿帘石以包裹体的形式存在。红外光谱和拉曼光谱表明葡萄石中存在硅氧四面体和铝氧八面体两种架构,紫外可见吸收光谱揭示了葡萄石的致色机理。本文对葡萄石的矿物学特征及谱学特征进行系统分析,为后续葡萄石的进一步研究提供思路与实验数据。     

基于正交试验设计的我国高科技企业技术创新获取途径选择对创新能力的影响研究

技术获取途径的选择对于高科技企业的创新驱动发展具有重要的影响,正确的获取途径选择,可以有效提高企业的竞争力。本文通过广义试验方法,以企业技术研发或改造项目的成功率、企业整体创新能力以及企业整体创新能力孕育潜力为试验指标,进行多指标试验,通过对试验结果进行部分正交多项式回归分析,讨论内部创新技术研发程度、购买新技术程度和合作开发新技术程度对试验指标的影响规律,得出了加强对企业内部技术研发投入以及扩大与科技院所合作来提高企业创新能力的相关建议。     

基于NPP-VIIRS夜间灯光数据的山西省GDP空间化模拟

选取山西省为研究对象，以美国国家极轨合作仪件-可见红外成像辐射计套件（NPP-VIIRS）夜间灯光数据、GDP统计数据等为数据源，构建GDP空间化拟合模型，建立山西省GDP密度图，据此研究山西省经济的空间差异性。通过对NPP-VIIRS夜间灯光数据的空间化处理，提取灯光指数，并将其与GDP进行回归拟合，建立最佳回归模型，得到GDP密度拟合图；利用县级GDP数据进行线性纠正，从而提高GDP的模拟精度。结果表明：（1）NPP-VIIRS夜间灯光数据与GDP的相关性较高，可用于山西省GDP模拟；（2）与GDP分区建模相比，GDP整体建模的精度更高；（3）山西省GDP的空间分布整体呈由城市中心逐渐向周边辐射的特点，构成GDP过渡带。     

PN结物理特性的开放式测量实验方法研究

开放式、综合性量测实验的设计与应用,在巩固基础理论知识的同时,能够有效培养学生的动手实践能力、数据处理及分析能力,一定程度代表着大学物理实验课程的教学模式改革方向。以PN结物理特性的测量实验为例,基于通用型仪器与元器件的积木式组合,设计出简单、适用的实验电路;t=17.95℃时所采集的原始实验数据经三种模式回归分析,比较验证了PN结扩散电流与电压间遵循的玻尔兹曼分布律;计算出的玻尔兹曼常数与FD-PN-4测定仪的量测值相比,其结果说明了开放式测量实验方法的有效性。     

基于偏Laplace正态数据下位置、均值回归模型的参数估计

参数估计是一种基本的统计推断形式,也是统计学的一个重要分支.在分析偏态数据时,我们比较关注数据的众数、中位数和均值,但是偏Laplace正态数据的众数和中位数难以精确求出,因此用位置参数来近似代替.故本文提出偏Laplace正态数据下位置和均值回归模型,并研究该模型的参数估计,模拟和实例研究结果表明本文提出的模型和方法是科学合理的.     

基于简单MOPA结构实现3.08 kW全光纤窄线宽线偏振激光输出

基于简单的主振荡功率放大结构,演示了一种高功率窄线宽线性偏振全光纤激光器,其最大输出功率为3.08 kW,3 dB线宽为0.2 nm。在整个功率缩放过程中,偏振消光比约为94%,光束质量M 2约为1.4。这是国内外首次实现3 kW全保偏光纤激光输出,与基于相位调制的窄线宽激光器相比,该激光器可实现近似的线宽,同时具有受激布里渊散射阈值高、系统结构简单、成本低等特点。     

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.