纵向数据下非参数带测量误差的部分线性变系数模型的估计

本文研究纵向数据下非参数部分带有测量误差的部分线性变系数模型的估计.利用B样条函数近似模型中的变系数函数,构造偏差修正的二次推断函数,得到模型中未知参数和变系数函数的估计.证明变系数函数估计量的相合性和参数估计量的渐近正态性.数值模拟和实例分析结果表明所提估计方法在有限样本下的有效性.     

曲率流的参数化有限元逼近

许多物理现象可以在数学上描述为受曲率驱动的自由界面运动,例如薄膜和泡沫的演变、晶体生长,等等.这些薄膜和界面的运动常依赖于其表面曲率,从而可以用相应的曲率流来描述,其相关自由界面问题的数值计算和误差分析一直是计算数学领域中的难点.参数化有限元法是曲率流的一类有效计算方法,已经能够成功模拟一些曲面在几类基本的曲率流下的演化过程.本文重点讨论曲率流的参数化有限元逼近,它的产生、发展和当前的一些挑战.     

求解PageRank问题的重启GMRES修正的多分裂迭代法

PageRank算法已经成为网络搜索引擎的核心技术。针对PageRank问题导出的线性方程组,首先将Krylov子空间方法中的重启GMRES(generalized minimal residual)方法与多分裂迭代(multi-splitting iteration,MSI)方法相结合,提出了一种重启GMRES修正的多分裂迭代法;然后,给出了该算法的详细计算流程和收敛性分析;最后,通过数值实验验证了该算法的有效性。     

离散型随机变量高阶原点矩的一种新的递推计算方法

针对服从二项、泊松、几何、负二项、超几何、负超几何以及对数级数分布等离散型随机变量,给出了求其高阶原点矩的一个较为简单的递推计算方法.不仅非常容易地求出这些离散型随机变量的高阶原点矩,避免了计算阶乘矩或求导等复杂的运算,而且便于学生理解.论文还给出了这些离散型随机变量的3阶和4阶原点矩的表达式.     

基于条件生成式对抗网络的油藏单井产量预测模型

为克服机器学习方法在油藏单井产量预测中的过拟合问题,提高油田生产中的产量预测精度,提出一种基于条件生成式对抗网络(CGAN)的油藏单井产量预测模型。该模型使用长短期记忆、全连接等基础神经网络,构建生成和判别网络模型。生成网络模型以产量影响因素为条件输入,生成预测产量数据,利用对数损失函数评价预测数据与真实数据之间的偏差,通过条件生成式对抗网络的博弈训练,并结合贝叶斯超参数优化算法,优化模型结构,综合提高模型的泛化能力。基于Eclipse数值模拟软件建立同一井网条件下不同地质和生产条件下的油藏单井产量数据库,以地质与生产条件等产量影响因素作为模型的条件输入,进行油藏单井产量预测。结果表明：与全连接神经网络(FCNN)、随机森林(RF)以及长短期记忆神经网络(LSTM)模型的预测结果相比,CGAN模型在测试集上的平均绝对百分比误差分别提升了2.59%、 0.81%以及1.72%,并且过拟合比最小(1.027)。说明CGAN降低了机器学习产量预测模型的过拟合程度,提高了模型的泛化能力与预测精度,验证了所提算法的优越性,对指导油田高效开发和保障我国能源战略安全具有重要意义。     

主成分分析排序和模糊线性判别分析的生菜近红外光谱分类

贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过AntarisⅡ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正(MSC)减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析(PCA)和排序主成分分析(PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析(FLDA)进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分(能充分反映光谱的主要信息)。最后,利用模糊线性鉴别分析算法(FLDA)和K近邻算法(KNN)进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA, FLDA和KNN算法的模型鉴别准确...     

广义拓扑分子格中分子网的θ—收敛性

本文在广义拓扑分子格中建立了分子网的Ｍｏｏｒｅ－Ｓｍｉｔｈθ收敛理论。借助于此理论，我们得到了刻划弱连续序同态的三个特征定理。     

Hopfield型模型的收敛性

本文考虑Ｈｏｐｆｉｅｌｄ型模型的收敛性问题和吸引子的吸引域的刻画。证明了Ｎ＜＋∞与Ｎ＝＋∞时Ｈｏｐｆｉｅｌｄ模型在几乎处处的意义下收敛于吸引集。当Ｎ＜＋∞时，模型将在有限时间内稳定于某一吸引子上．对于Ｎ＜＋∞与Ｎ＝＋ ∞的情形，分别得到了吸引域的一个集的刻画。     

扰动Chebyshev结点上的Hermite－Fejer插值

本文发现当Ｃｈｅｂｙｓｈｅｖ结点产生某些扰动时，只要扰动量不超过，则基于扰动后的Ｃｈｅｂｙｓｈｅｖ结点的Ｈｅｒｍｉｔｅ－Ｆｅｊｅｒ插值过程仍然保持对［－１，１］上任意连续函数的一致收敛性，此外，文中还给出了这种收敛性的收敛速度估计。     

线性调频信号激励过阻尼双稳系统的随机共振现象研究

线性调频信号是工程中常见的一种信号, 由于其为非周期信号, 无法以频域信噪比作为衡量其是否产生随机共振的测量手段, 故鲜有文献研究以线性调频信号为激励信号的随机共振现象. 本文利用线性调频信号在最优分数阶Fourier变换域上的能量聚集性, 首次提出以最优分数阶Fourier变换域上定义的信噪比作为测量手段, 研究了线性调频信号叠加高斯白噪声激励过阻尼双稳系统的随机共振现象, 且发现了以线性调频信号为激励信号时产生的新现象, 即随着信号频率的增大, 随机共振将逐渐减弱, 并给出了合理的解释.仿真的结果与理论分析一致, 验证了本文所提出方法的有效性. 关键词： 线性调频信号 分数阶Fourier变换 随机共振