理想微裂纹系统中的随机扩展效应

本文讨论了在理想微裂纹系统中,由于微裂纹的随机性扩展,对微裂纹统计演化产生的效应。文中提供了一般的理论框架,给出了便于处理的转移概率的表达式。最后,用数值计算的例子展示了随机模型的统计演化特征,并比较了与确定性扩展模型下统计演化的异同。     

高强混凝土弯压极限应变试验研究与计算

由于混凝土材料理化特性的差异,高强混凝土的弯压极限应变明显地小于普通混凝土,依据试验结果分析了高强混凝土的弯压极限应变变化规律,并给出了它的计算公式.     

均匀设计及其应用（二）

均匀设计及其应用（二）方开泰第二章均匀设计的应用由于均匀设计要求的试验数较少，我们无法直接估计出各因素的主效应和交互效应，只能通过回归模型来建立试验指标（Ｙ）和各因素之间的关系，利用这种关系来寻求最优工艺条件或最优配方．试验设计的目的通常主要有二个，...     

关于B值随机和的完全收敛性的进一步讨论

该文在深入揭示B值非随机和完全收敛性中的一系列等价关系的基础上，给出了随机和完全收敛的充分条件，改进和完善了有关文献中的既有成果，并对矩条件的必要性问题做了初步讨论．     

动态模糊随机信息处理的数学方法

本文系统地概述了我们近年来提出的动态模糊随机信息处理的数学方法,内容包括模糊随机变量、模糊随机过程和模糊随机微分方程的基本解法等方面的基本概念、基本定义和某些重要的定理,以及动态系统的模糊随机响应与可靠性分析的方法等。这些方法是为我们研究工程实际问题的需要逐步发展起来的,对于处理某些类型的问题简便实用。     

关于紧光滑流形上半鞅随机微分方程在欧氏空间的嵌入

关于微分流形上随机微分方程的显式解结构研究,上直是随机分析学中倍受关注的问题。文[3]借助光滑流形上非退化椭圆算子产生Riemann度量的思想,把光滑流形上具有非退化扩散项的随机微分方程提升到光滑流形的正标架丛上,从而给出了随机微分方程的     

截断情况下线性回归模型响应变量均值的经验似然

本文讨论了在带有截断情况的线性回归模型中 ,响应变量均值的估计问题 .将经验似然的方法应用到带有截断情况的回归模型中 ,在估计响应变量的均值时构造了调整的经验似然统计量 ,证明了在一定的条件下 ,该统计量渐近服从 χ2 分布 ,给出了均值的置信区间 ,并与正态下得到的结果进行了比较 ,模拟的结果说明了经验似然的优良性 .     

平面上Volterra型随机微分方程解的轨道惟一性

In this paper we prove the pathwise uniqueness of a kind of two-parameter Volterra type stochastic differential equations under the coefficients satisfy the nonLipschitz conditions. We use a martingale formula in stead of Itǒ formula, which leads to simplicity the process of proof and extends the result to unbounded coefficients case.     

Isoscalar Giant Resonances of ^120Sn in the Quasiparticle Relativistic Random Phase Approximation

The quasiparticle relativistic random phase approximationmean field ground state in the response function formalism(QRRPA) is formulated based on the relativistic The pairing correlations are taken into accountin the Bardeen-Cooper-Schrieffer approximation with a constant pairing gap. The numerical calculations are performed in the case of various isoscalar giant resonances of nucleus ^120Sn with parameter set NL3. The calculated results show that the QRRPA approach could satisfactorily reproduce the experimental data of the energies of low-lying states.