核估计量、窗宽与置信带

本文对非参数回归曲线提出一种新的核估计量和窗宽选择方法及其修正偏倚置信带 .仅利用该回归曲线的估计量和选择数据的窗宽构造这些置信带 .证明了在大样本的意义下 ,这种修正偏倚置信带和Bonferroni型带具有渐近修正范围概率的性质 .并且通过MonteCarlo实验研究了它在小样本中的性质 .在模拟研究中已经证明 ,这种修正偏倚置信带方法是很有效的 ,即使在样本容量n=1 0 0的情况下 ,它也接近给定的范围概率 .     

不确定度漫议——一个数据处理结果引发的讨论

分析了不确定度教学的难点,指出加强不确定度教学的重要性及其实施策略。给出了便于在物理实验教学中应用的不确定度评定的一种简化模式。     

Weibull分布下多组序进应力加速寿命试验的统计分析

给出了多组序进应力加速寿命试验下指数分布的极大似然估计的存在和唯一的一个充要条件;模拟比较了一组与二组序进应力加速寿命试验下有关参数估计的差异:对Weibull分布给出了有关参数的联合置信域.     

BEPU分析方法在CNP600弹棒事故中的应用

最佳估算加不确定性（BEPU）事故分析方法同传统的保守性事故分析方法相比,可获取现实的分析结果和安全裕量,在保证核电厂安全性的前提下,提高核电厂的经济效益和运行灵活性。针对CNP600的设计特点,利用最佳估算程序RELAP5-3D建立热态满功率（HFP）和热态零功率（HZP）条件下的弹棒事故（REA）分析模型。通过弹棒事故现象识别分级表（PIRT）识别事故瞬态下重要的过程和现象,筛选出对关键安全参数有重要影响的输入参数。利用DAKOTA程序对重要不确定性输入参数进行拉丁超立方抽样（LHS）,通过非参数统计方法计算关键安全参数的单侧容忍上限。计算结果显示：两种弹棒条件下,REA瞬态过程中的最大芯块平均焓值、芯块峰值温度、包壳峰值温度、系统峰值压力均满足弹棒事故验收准则;利用非参数统计方法计算的核功率峰值单侧容忍上限结果合理,最大芯块平均焓值单侧容忍上限计算值同传统弹棒事故保守计算值相比具有可观的安全裕量。     

再议珠算快速计算法的原则

珠算的历史可谓悠久，多年来从事珠算研究工作的同志可谓众多，各种珠算运算技巧的成果可谓博奇．但在遍观珠矶之后，心底总有那么一点疑虑和不安，各种各样的打法和运算技巧总是脱不了一个框框，这个框框在一定程度上限制和减低了技巧的发挥，     

排序法计算指数寿命型元件串联系统可靠性经典精确最优置信下限

对于样本点是离散的情况,可用对样本点排序的方法确定可靠性置信下限,排序有很多种,有L-P排序、序贯排序、极大似然估计排序、修正L-P排序等。本文提出一种具有直观合理性的新的排序方法,计算指数寿命型元件串联系统可靠性经典精确最优置信下限。     

近海风机叶片模态局部化产生机理及定量分析研究

在摄动理论的基础上,结合失谐度、模态密集度以及模态置信准则对模态局部化的产生机理做了定量描述,并用26自由度弹簧质点结构验证了其可行性。其次,用ANSYS建立了风机叶片模型,并通过改变材料的密度和弹性模量模拟了四种失谐情况,发现风机叶片刚度和质量的小量失谐也会对其模态振型产生显著的影响,同时通过定义新的模态局部因子来定量描述风机叶片结构的模态局部化程度。最后,对风机叶片失谐振型中谐调振型的成分进行了分析,研究表明,其成分越复杂,模态局部化程度也越强。     

用刚体元方法求空间极限平衡问题的上限解

刚体元方法是研究块体系的变形和运动的一种数值方法,可以用它来研究弹塑性物体的极限平衡问题,文中用通用的二维刚体元程序计算了正方形柱体顶面中心区域作用方形基础载荷情况的上限解,结果表明,这种方法较好的精度和广泛的适用性。     

纤维布抗弯加固梁跨中剥离应力的近似计算

首先综述了纤维复合材料(FRP)抗弯加固梁中防剥离破坏的各种措施，分析了跨中混凝土保护层的剥离破坏机理，提出一个近似计算跨中保护层剥离应力上限的方法，可供防剥离设计参考。     

基于置信学习机与近红外光谱的煤种快速分类方法

基于近红外光漫反射谱技术的检测分析具有简单,快捷,安全等优势而被广泛应用于各行各业。应用近红外光谱分析技术实现不同煤种的快速分类,该方法可以替代费时费力费财的传统化学分析方法。同时首次将置信学习机(confidence machine)引入近红外分析中,实现了对分析结果的风险评估。采集了来自不同矿区共四种不同煤种(肥煤,焦煤,瘦煤和贫瘦煤)的199个煤样本的近红外光谱,通过机器学习的方法针对煤的近红外光谱构建了煤种分类器来实现煤种的快速分类。在近红外分析中引入了置信学习机的分析方式,结合支持向量机(SVM),构建了离线和在线的CM-SVM分类器。置信学习机是一种概率方法,使用概率(CM-SVM)来取代分类超平面(SVM)进行分类,不仅分类效果好于传统的SVM,达到了95.48%的分类率,还能同时给出每个样本分类结果的置信度,可靠度等风险信息。另外,CM-SVM通过对置信水平的设定,得到不同置信度下预测区间,该区间的预测正确率是与置信水平严格对应的,对于产品质量控制有非常重要的意义。置信学习机同时是一种在线的学习模型,新样本的不断加入会提高模型的性能,非常适合于工业现场的在线分析。在线的CM-SVM模型随着样本数的增加,预测结果的置信度有所提高,对工业现场近红外分析有重要意义。