固定效应部分线性可加面板数据模型的惩罚二次推断估计

具有较强解释力和灵活性的部分线性可加面板数据模型在各学科领域应用广泛.针对个体内存在相关结构的固定效应部分线性可加面板数据模型,本文在结合幂样条函数和最小二乘虚拟变量(LSDV)法的基础上,利用惩罚二次推断函数(PQIF)法对模型进行估计,在一定的正则条件下,证明了参数估计的渐近正态性和非参数估计的收敛性,Monte Carlo数值模拟显示所述估计方法具有良好的有限样本表现,同时,我们还将估计技术应用于实际数据分析中.     

A reduced‐order extrapolated natural boundary element method based on POD for the 2D hyperbolic equation in unbounded domain

In this article, we primarily focuses to study the order‐reduction for the classical natural boundary element (NBE) method for the two‐dimensional (2D) hyperbolic equation in unbounded domain. To this end, we first build a semi‐discretized format about time for the hyperbolic equation and discuss the existence, stability, and convergence of the time semi‐discretized solutions. We then establish the classical fully discretized NBE format from the time semi‐discretized one and analyze the existence, stability, and convergence of the classical NBE solutions. Next, using proper orthogonal decomposition method, we build a reduced‐order extrapolated NBE (ROENBE) format containing very few unknowns but having adequately high accuracy, and we also discuss the existence, stability, and convergence of the ROENBE solutions. Finally, we use some numerical examples to show that the ROENBE method is far superior to the classical NBE one. It shows that the ROENBE method is reliable and effective for solving the 2D hyperbolic equation with the unbounded domain.     

Paley‐Wiener‐Type theorems for the Clifford‐Fourier transform

In the framework of Clifford analysis, we consider the Paley‐Wiener type theorems for a generalized Clifford‐Fourier transform. This Clifford‐Fourier transform is given by a similar operator exponential as the classical Fourier transform but containing generators of Lie superalgebra.     

不透明销售的顾客退货政策选择

本文探讨从事不透明销售的零售商对顾客退货政策的选择问题。分别针对零售商垄断和竞争两种市场情况,建立不透明零售商与其它供应链成员(制造商或普通零售商)之间的博弈模型,获得唯一均衡解;对均衡结果进行结构化分析,给出不透明销售方式下采用全额退款政策的判别条件;针对均衡结果,分析零售商垄断情况下产品不透明参数的最优设计,以及零售商竞争情况下的市场分化情况;鉴于净残值参数在退货政策选择中的决定性作用,本文进一步探讨了净残值为正时全额退款政策对各参与方利润及产品需求和价格的影响,分析了净残值在其中的作用机理。本研究能够为不透明零售商制定退货政策和价格以及其它供应链成员制定相关决策提供支持。     

行驶时间延迟下物流配送干扰管理模型——基于客户终身价值的视角

物流配送过程中干扰事件导致行驶时间延迟后,初始配送方案将不再最优甚至根本不可行,此时如何生成副作用最小的调整方案,快速恢复配送的正常运行,是当前研究的难点。本文首先将客户为企业当前(及潜在)贡献价值考虑在内,基于客户终身价值对系统扰动进行度量。进而兼顾偏离成本和初始目标,构建干扰管理模型并提出相应的启发式算法。算例结果表明:与其他重调度方法相比,本文方法的实用性更强。     

考虑非周期检测的视情维修与备件订购联合策略优化

针对单部件系统/关键部件提出视情维修与备件订购联合策略,其中系统退化服从两阶段延迟时间过程且采用非周期检测策略,退化初期以检测间隔T₁检查系统状态,而在第一次识别缺陷状态时,缩短检测周期为T₂、订购备件且进行不完美维修;若系统在随后的退化中被识别处于缺陷状态,执行不完美维修直至超过阈值次数N_max并采取预防性更换,但若在检测周期内发生故障则进行更换。根据系统状态和备件状态分析各种可能更新事件及相应的联合决策,利用更新报酬理论构建最小化单位时间内期望成本的目标函数,优化T₁,T₂, N_max。与对比模型策略相比,算例结果表明所提出的联合策略能有效降低单位时间内的期望成本。     

A linearized high-order Galerkin finite element approach for two-dimensional nonlinear time fractional Klein-Gordon equations

Numerical Algorithms - In this paper, we propose a linearized finite element method for solving two-dimensional fractional Klein-Gordon equations with a cubic nonlinear term. The employed time...     

基于IABC-SVR算法的拉曼光谱定量分析山羊血清蛋白含量

提出了一种基于拉曼光谱和改进人工蜂群算法优化支持向量机回归（IABC-SVR）算法快速定量检测山羊血清蛋白含量的方法。传统人工蜂群算法在数据区域规模较大时,收敛速度逐渐减慢, 出现效率低、精准度下降、局部最优解概率高等问题。所提出的算法解决了这些问题,使算法在进化前期避免陷入局部最优解,在进化中后期能够保持解的全局搜索能力。常规测定血清蛋白总量的方法通常采用凯氏定氮法、双缩脲法等,但存在时效慢、污染样本等缺点。采用拉曼光谱法进行检测,具有快速、无损的优点。以山羊血清为分析对象,按一定体积比配置35组待测样本,用拉曼光谱仪采集拉曼光谱,光谱采集范围为300~1 300 cm-1,采用基线矫正去除荧光背景,使用Savitzky-Golay光谱平滑法对原始光谱进行平滑处理,归一化处理光谱数据,并对拉曼光谱特征峰进行归属。实验结果表明,拉曼光谱能够表征血清中主要化学集团的信息,且由于官能团浓度差异,光谱特征峰强度随浓度变化明显,因此基于特征峰信息可以测定血清蛋白总量。实验中,以购买的山羊血清蛋白含量为基准,通过配置样本的体积比得到各组待测血清样本的蛋白含量,配置的单个液体样本体积为3 mL,随机选取8组实验样本作为模型测试集,剩余27组作为模型训练集。以经过处理的光谱特征峰强度和对应的血清蛋白含量分别作为模型的输入值及输出值,建立IABC-SVR,ABC-SVR和BP三种算法的定量模型,对测试集血清蛋白总量进行预测。最后通过均方差(MSE),相关系数（r）与建模时间分别进行对比,结果表明通过IABC-SVR建立的山羊血清蛋白定量矫正模型效果最佳,模型的相关系数为0.990 27,均方误差为0.244 3,建模时间为1.9 s,预测值方差均小于0.001 g·mL-1,预测准确率为99.8%。实验结果表明,应用激光拉曼光谱技术结合IABC-SVR算法,对快速定量检测山羊血清蛋白含量,具有较高的准确率和稳定性。     

高光谱成像的机采籽棉杂质分类检测

机采籽棉杂质分类检测为调整棉花清理机械加工参数和工序提供参考依据,对提升皮棉品质具有重要意义。但由于籽棉棉层分布不均匀,使得图像检测难度增大,使用传统的检测方法无法有效检测各类杂质。采用高光谱成像方法对机采籽棉中的棉叶、棉枝、地膜和铃壳（内外）五种杂质进行分类判别检测。首先采集120个机采籽棉样本的高光谱图像,选取感兴趣区域获取平均光谱曲线。发现由于物质构成的差异,不同杂质体现出不同的吸收和反射特性,不同种类物质之间的光谱差异大于同类物质。对提取的平均光谱曲线进行主成分分析（PCA）,结果显示棉花、残膜和铃壳外与其他三类相比,有较好的聚集性和可分性,但是棉叶、铃壳内和棉枝三类相互叠加在一起,空间分布存在严重交叉重叠。以提取的平均光谱曲线为训练样本,选择线性判别分析（LDA）、支持向量机（SVM）和神经网络（ANN）三种分类判别算法,对算法参数进行寻优,并建立机采籽棉杂质分类判别模型。其中,经过LDA模型降维后的样本空间较PCA表现出了更好的聚集性和可分性,采用正则化防止过拟合,得到训练集准确率为86.4%,测试集准确率为86.2%;SVM模型的参数寻优结果为C=105,g=0.1,其训练集准确率为83.42%,测试集准确率为83.40%;ANN模型参数寻优得到隐含层数和神经元个数分别为2和17,训练集准确率为82.9%,测试集准确率为81.8%。对三种模型的分类效果和检测用时进行比较,LDA模型结果最优。通过对高光谱图像进行像素等级分类判别,结果显示棉花识别效果较好,植物性杂质都被有效检测,但是地膜和棉花存在误识别,分类效果与杂质光谱的分类判别模型结果一致。因此,采用高光谱成像技术可以快速、无损的检测和识别籽棉杂质,为棉花加工装备提供反馈参数,对棉花加工机械化和智能化有重要意义。     

多光谱成像无损识别冻融猪肉中危害级碎骨

冻融猪肉作为肉制品加工原料,被广泛应用于无骨肉制品加工。该原料中的危害级碎骨（1～2.5 cm）对后期加工及食用安全均有较大风险。因此,开展多光谱成像技术（405～970 nm）快速无损识别冻融猪肉中碎骨的可行性研究十分必要。将195块肉片制备成65个无骨肉样、65个碎骨表面嵌入式肉样和65个碎骨内部嵌入式肉样,经冻融处理后采集其多光谱图像;再利用经典判别分析（CDA）进行图像分割,获得两类感兴趣区域（ROIs-1和ROIs-2）,并提取相应光谱和图像信息;最后运用支持向量机（SVM）和神经网络（NN）建立冻融猪肉危害级碎骨识别模型。结果显示：ROIs-2全光谱比ROIs-1全光谱有更好的识别能力,SVM和NN模型的精度均为100%,表明区域分割与模型精度密切相关。基于连续投影算法（SPA）筛选出六个关键波长（505,590,700,850,890和970 nm）,所提取的ROIs-2特征光谱可实现样品碎骨高精度识别,准确率为100%,进一步提升了识别效率。利用图像信息既能建立优越的SVM和NN碎骨识别模型,准确率分别为93.8%和93.33%,又能实现结果可视化,体现出优良的技术优势,但精度低于光谱识别模型。综上所述,多光谱成像技术可实现冻融猪肉危害级碎骨的高精度识别,为工业在线检测提供理论基础。