低噪声地听器

本文化创见的地听器较通用的单端中心压缩型加速度计的结构有改进；特别是主体设计加一真空罩能够有效地隔外界杂散干扰，实测表明性能良好，宽带抗空气声干扰能力20db。     

田径径赛记录模型及其分析

文平，马振东．田径径赛记录模型及其分析．数理统计与管理，１９９８，１７（３），１６～２０．本文给出了世界和亚洲的田径径赛记录模型，从统计学的角度分析和说明了田径赛容易突破的项目，提出了田径理论中的一些新观点，最后对世界记录做了预测     

多级轴流压气机全工况特性计算

本文使用三维粘性流动计算软件Fine／Numeca,对某十五级轴流压气机进行了内流流场和全工况特性的数值计算尝试。分析了该压气机在设计工况和非设计工况的性能,同时把整机计算结果和前七级叶片的计算结果进行了比较。计算结果表明,当计算的级数较少时,目前的软件和硬件平台可以比较合理地预测压气机的全工况特性;而当计算的级数较多时,准确的数值模拟仍需要更为准确的多级模型和数值方法。     

模糊神经网络在复合地基沉降量预测中的应用

复合地基后期沉降变形对于建筑物设计及安全具有重要意义,针对通过长期沉降观测以得到复合地基的最终沉降需要耗费较多资源的问题,提出了一种基于模糊神经网络的预测方法.该方法考虑沉降变化过程有较大的随机性和模糊性,直接将样本数据进行模糊化,所得的模糊数代表了样本点集与控制点集中各分量之间的相关度,并依此建立模糊BP神经网络进行学习和估算.实验结果表明了该方法对沉降进行预测是可行与有效的,且在相对误差的有效控制方面优于BP网络方法与灰色方法.     

不同常压流化床煤气化方案的模型预测 Ⅰ. 模型建立及验证

为评价不同气化方案对常压流化床气化的影响，从化学动力学角度并结合化学平衡建立了流化床气化模型，该模型考虑了煤热解和气化所经历的各反应过程。模型预测结果与文献报道的试验数据吻合较好，气化组分的平方误差和在10%左右，表明该模型可以用来预测各种气化方案对常压流化床气化的气化过程、生成煤气组分和气化效率等方面的影响。     

杂合型全局优化法优化水分子团簇结构

基于遗传算法、快速模拟退火及共轭梯度方法提出了一种快速的杂合型全局优化方法(fast hybrid global optimization algorithm, FHGOA),并将这一方法应用于TIP3P和TIPS2模型水分子团簇(H2O)n结构的优化.在进行TIP3P模型水分子团簇结构的优化过程中,发现了能量比文献值更低的团簇结构,且执行效率有较大提高.把该方法应用到优化TIPS2模型的水分子团簇,发现最优结构和采用TTM2-F模型优化的水分子团簇结构在n < 17时完全相同,为全表面结构;而在n=17、19、22时为单中心水分子笼状结构;在n=25、27时为双中心水分子笼状结构.说明随着团簇中水分子个数的增加,采用TIPS2和TTM2-F势能函数优化的团簇最优结构有相同的变化趋势.     

非全局Lipschitz条件下跳适应向后Euler方法的强收敛性分析

本文研究跳适应向后Euler方法求解跳扩散随机微分方程在非全局Lipschitz条件下的强收敛性.通过克服方程非全局Lipschitz系数给收敛性分析带来的主要困难,我们成功地建立了跳适应后向Euler方法的强收敛性结果并得到相应的收敛率.最后,我们通过数值试验对前文所得理论结果做进一步的验证.     

基于时空图注意力网络的跳高轨迹预测

跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考.     

基于驱动分析的LSTM干旱预测模型研究

干旱是世界上影响面最广、造成损失最大的自然现象之一.论文利用1961-2020年黄河流域河南段的逐月气象数据,计算不同时间尺度的标准化降水蒸散指数(SPEI),在Copula熵的基础上根据Hampel准则选择干旱驱动因子,构建多变量长短时记忆(LSTM)神经网络预测模型.结果表明:以驱动分析选择出的水汽压、湿度、温度及降水量作为输入变量集的多变量LSTM模型预测精度较高;预测精度随着SPEI时间尺度的增大而提高,尤其对长期干旱有较好的预测效果;黄河流域河南段的东部地区有发生轻、中度干旱的风险,为相关部门制定防旱措施提供依据.