图中的度序列

给出了一个非减的非负整数序列是某个图的度序列的一个新刻划.     

综合评判的神经网络方法

综合评判的方法已经广泛运用到信息，决策，管理和控制等领域，但是它的两大难点－权重和单因素评价矩阵的确定越来越来明显地展现在人们面前，本文试图用神经网络方法来解决这两个难点，并从理论上证明了这种方法的收敛性。     

钢筋混凝土梁截面加固承载力分析

针对钢筋混凝土梁的截面加固问题进行了深入的受力分析，明确地论证了加固结构的受力性能与未经加固的普通结构有着显著的差别，并提供了计算公式。     

不可压缩流体平面流动分离的充分判据

本文研究了不可压缩流体平面流动的分离判据问题。得到了比文献[1]更为普遍的分离的充分判据,即定理一。文中指出,MRS判据,零涡判据,奇点判据以及文献[2]的判据在非定常流动中均不是充分的。     

数学体验:理性思维培育的重要基点——以“弦长公式”的教学为例

理性思维的培育是发展学生核心素养的关键,也是数学育人的重要内容.本文以“弦长公式”的教学为例进行分析,指出了以数学体验为基点,培育学生理性思维的意义:数学体验是形成数学理性的经验基础,是探寻数学本质的必要历程,是理清解题逻辑的活动主线.     

基于连续小波变换下的土壤有害元素砷含量估测

与传统检测方法相比,利用高光谱技术进行土壤有害元素砷含量的估算,具有快速、准确,成本低的特点,可对干旱区绿洲土壤有害元素砷污染进行动态监测。基于新疆渭干河-库车河三角洲绿洲耕层土壤样品的采集,获取土壤光谱数据和有害元素砷含量。通过bior1.3,db4,gaus4和mexh这4种小波基函数对土壤原始光谱反射率进行连续小波变换,并将变换后光谱数据与有害元素砷进行相关分析,以筛选出的敏感小波系数为自变量,采用偏最小二乘回归、支持向量机回归、BP神经网络和随机森林回归方法对有害元素砷含量进行高光谱反演。研究结果显示：（1）4种小波基函数在3~8尺度的光谱分解效果明显优于其他尺度,特别是4~6尺度的连续小波变换有效提升了光谱反射率与土壤有害元素砷之间的相关性,通过显著性检验的小波系数数量有了明显增多（p<0.01）,在可见光的400~700 nm以及近红外的1 100~1 700和2 200~2 400 nm附近具有较强的相关性;（2）通过比较4种小波基函数对光谱数据中有效信息的辨识能力,认为小波基函数bior1.3和mexh要优于db4和gaus4,其中bior1.3的光谱分解效果最好,gaus4相对最弱;通过bior1.3第5尺度的光谱变换,与土壤有害元素砷显著相关的波段数量最多,为507个（p<0.01）;（3）比较4种建模方法的反演结果发现,SVMR,BPNN和RFR模型相较于PLSR模型具有更强的估测能力,模型的估测精度更高。综合分析各模型的稳定性及估测精度后,认为bior1.3-25-RFR模型可作为研究区土壤有害元素砷的最佳估测模型。该模型的训练集和验证集的R2分别为0.893和0.639,RMSE为1.075和1.651 mg·kg-1,RPD分别为2.89和1.64,表明模型估测效果较好,稳定性较强。采用合适的小波基函数进行连续小波变换可减少土壤高光谱数据中的白噪声,挖掘出土壤光谱数据中的有效信息,对土壤有害元素砷含量的准确估测提供有力的技术保障。     

强非线性Duffing方程的一种解法

用线化摄动法和插值摄动法相结合的方法求解强非线性Duffing方程，有较好的精度。     

平行平板间径向气流的 Navier-Stokes 方程的新的近似解

文献[1]得到了两平行平板间径向气流的 Navier-Stokes 方程的近似解——迭代近似解和级数解。用迭代法求得压力二级近似解,与实验十分符合。本文指出,用М.Е.Щвец法亦可得到与文献完全相同的结果.如果用本文新提出的改进了的М.Е.Щвец法,则可得到比[1]更加精确(这主要反映在流速分布的规律上)的结果。文中指出,按照原М.Е.Щвец法,求一级近似解时,忽略的是一阶微量;而按本文新提出的改进了的М.Е.Щвец法,略去的是二阶微量,这就是本文结果较文献[1]的结果更加准确的理论根据。     

三维N-S方程计算隐式有限体积法

利用NND有限差分格式，发展了一种新的完全隐式的有限体积数值方法，以求解与时间相关的N－S方程．对通过单元体界面的无粘流和粘性流通量均作隐式处理．对绕流钝锥体和不同攻角的气动辅助实验飞行器的高超声速粘性流和化学反应流获得了定常数值解．对流加热率和流场电子密度的计算值与实验数据进行了比较，符合较好，证实了本方法的精确性．     

插值摄动法及其在力学中的应用

本文研究了最高阶导数乘以小参数，或出现奇点的微分方程的定解问题，用插值摄动法求得了一级近似解，它和通常的奇异摄动法（匹配法、多尺度法）的一级近似解的精度相同。