[0,1]区间上的r重正交多小波基

本文利用L2（R）上的紧支撑正交的多尺度函数和多小波构造出有限区间[0,1]上的正交多尺度函数及相应的正交多小波.本文构造的逼近空间Vj[0,1]与相应的小波子空间Wj[0,1]具有维数相同的特点,从而给它的应用带来巨大方便.最后给出重数为2时的[0,1]区间上的正交多小波基构造算例.     

“非平均区间数”计算及其在政府决策信息系统中的应用

本文在已有的“区间数”定义及排序算法的基础上 ,针对层次分析法提出了更加灵活 ,准确的描述主观评判的“非平均区间数”概念及其排序算法 .并结合政府决策信息系统阐述了“非平均区间数”的应用     

旋转光纤圆起偏器的特性分析

基于旋转光纤耦合模理论,对窄带和宽带旋转光纤圆起偏器的特性进行了计算分析.研究了注入光的偏振态、光纤固有线双折射和旋转速率对窄带圆起偏器最小工作长度的影响,并借助多包层光纤的分析方法,分析了旋转光纤各参量变化对宽带圆起偏器工作带宽的影响.结果表明:窄带圆起偏器的最小工作长度与光纤固有线双折射和光纤旋转速率有关,而与注入光的偏振态无关|改变光纤旋转速率可调节宽带圆起偏器的工作带宽,改变应力区到纤芯的距离可改变宽带圆起偏器的中心波长.     

双波长相移光纤光栅的光谱特性及传感应用

建立了双波长相移光纤光栅的理论模型,对双波长相移光纤光栅的透射谱特性进行了数值仿真,结果表明透射波长间隔会分别随相移量、折射率调制深度和光栅长度的变化而有规律地增减.借助光纤布拉格光栅的法布里-珀罗腔谐振相位条件计算了透射峰间隔的表达式,该表达式得到的透射峰间距曲线与数值仿真得到的曲线相符合,验证了数值仿真结果的正确性.最后,在光栅透射谱波长间隔变化规律的基础上提出一种传感方案,并对光栅的温度传感特性进行分析,理论推导得到灵敏度约为60pm/℃.     

NOTES ON ERDOS' CONJECTURE

Let Xn,n 1,be a sequence of independent random variables satisfying P(Xn = O) = 1 － P(Xn = an) = 1 － 1/pn,where an,n 1,is a sequence of real numbers,andpn isthenthprime,setFN(x)=P(N∑Xnn=1 x).The authors investigate a conjecture of Erdos in probabilistic number theory and show that in order for the sequence FN to be weakly convergent,it is both sufficient and necessary that there exist three numbers x0 and x1 ＜ x2 such that limsup(FN(x2) －FN(x1)) ＞ 0 holds,and Lo =N→∞ lim FN(x0) exists.Moreover,the authors point ont that they can also obtain the same N→∞ result in the weakened case of liminfP(Xn = 0) ＞ 0.n→∞     

证券组合投资的多目标区间数线性规划模型

本文提出了证券组合投资的多目标区间数线性规划模型，引入了收益——风险偏好参数和优化水平参数。投资者可以根据对风险的喜好程度和金融市场的客观情况，适当估计这两个参数，从而得到相应情况下的有效投资方案，使投资过程更具柔性，而且更接近于实际情况。     

LLT polynomials,chromatic quasisymmetric functions and graphs with cycles

We use a Dyck path model for unit-interval graphs to study the chromatic quasisymmetric functions introduced by Shareshian and Wachs, as well as unicellular LLT polynomials, revealing some parallel structure and phenomena regarding their $\mathrm{e}$-positivity.The Dyck path model is also extended to circular arc digraphs to obtain larger families of polynomials, giving a new extension of LLT polynomials. Carrying over a lot of the non-circular combinatorics, we prove several statements regarding the $\mathrm{e}$-coefficients of chromatic quasisymmetric functions and LLT polynomials, including a natural combinatorial interpretation for the $\mathrm{e}$-coefficients for the line graph and the cycle graph for both families. We believe that certain $\mathrm{e}$-positivity conjectures hold in all these families above.Furthermore, beyond the chromatic analogy, we study vertical-strip LLT polynomials, which are modified Hall–Littlewood polynomials.     

油资源运移聚集并行数值模拟和分析

多层油资源运移聚集并行数值模拟,其功能是重建油气盆地的运移聚集演化史,对于油资源的评价,确度油藏位置,估计油藏贮量均具有重要的价值.从生产实际出发,提出数学模型,构造大规模精细并行计算的耦合算子分裂隐式迭代格式,设计了并行计算程序和并行计算的信息传递和交替方向网格剖分方法.并对不同的网格步长进行了并行计算和分析.对滩海地区进行精细数值模拟,计算结果在油田位置等方面和实际情况相吻合.对模型问题(非线型性耦合问题)进行数值分析,得到最佳阶L²误差估计,解决了这一计算渗流力学和石油地质的困难问题.     

RTCM算法在一维光子晶体缺陷模中的应用

利用RTCM算法研究一维光子晶体的缺陷模.研究了TE波和TM波入射时的情况,通过改变杂质层的光学厚度以及杂质层的折射率从而得出一些有重要指导意义的缺陷模特性.同时对有缺陷的一维光子晶体在窄带滤波器中的应用做了一定程度的探讨.结果表明:正入射时,TE波和TM波的透射率几乎相同,随着杂质层光学厚度的增加,透射峰数目增加,这有助于制作多道窄带滤波器.因此,有缺陷的一维光子晶体可以制作波分复用中的多道滤波器.     

利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别

小麦是制作馒头的主要原料之一,小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同,进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法,对比感官评定,光谱分析可以识别样品中的分子结构等信息。基于此,尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦,再利用微波干燥法对两个不同产地的小麦做烘干预处理,使烘干的小麦水含量为12%±0.5%,原麦水含量为18%±0.5%。分别标记为原麦A,烘干A,原麦B,烘干B,再将小麦研磨成粉末,过100目筛网筛选后,置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息,在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理,利用主成分分析对预处理后的数据进行降维处理,再结合线性判别分析（linear discriminant analysis,LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间,将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明,同种光谱分析方法,利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法,近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下,利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高,光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%,预测集识别率为97.50%;而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率,光谱数据融合之后建立的小麦识别模型识别率得到显著提高,该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率,结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。