有时间窗装卸问题的多策略分组编码遗传算法

根据有时间窗装卸问题(PDPTW)的数学模型,设计了多策略分组编码遗传算法,将禁忌思想用于产生可行解的启发式插入算法之中,对计算实例进行了求解,结果表明,此算法可以有效求得有时间窗装卸问题的近似最优解.     

变系数Burgers方程的一种预处理谱方法

本文用预处理Legendre-Galerkin-Chebyshev配置方法来求解二阶变系数Burgers方程,该方法首先对方程进行预处理,然后在空间方向应用Legendre-Galerkin-Chebyshev配置方法,对时间方向采用leap-frog/Crank-Nicolson格式进行离散,这样可使得变系数项和非线性项能够显式计算.我们对该方法进行了误差估计,并通过数值算例验证了算法的有效性和理论分析的正确性.     

中学生物理学习态度的调查与比较——不同物理成绩的农村初三学生的研究

对昆明市西山区某农村中学初三年级的学生作问卷调查,按照物理成绩将学生分为80～100分、60～80分、60分以下三个组,对比分析各组学生物理学习态度差异.研究表明,三个组的学生在物理学习态度8个具体指标上均存在差异,根据不同组别在物理学习态度上的特点,提出了教学建议.     

Subgroup separability of certain generalized free products of nilpotent-by-finite groups

In this paper, we show that certain generalized free products of nilpotent-by-finite groups are subgroup separable when the amalgamated subgroup is h× D where D is in the center of both factors.     

血液化验二次分组模型的简捷算法

运用概率和微分学基本理论推导血液二次分组化验最佳分组方案,给出确定二次分组化验最佳分组组数和最佳分组人数的方法,并将血液二次分组化验最佳分组方式与一次分组化验进行比较.     

基于GMDH的LSSVM预测模型及其实证

自从Suykens提出新型统计理论学习方法-最小二乘支持向量机(LSSVM)以来,这种方法引起了广泛的关注,它在预测方面的良好性能得到了广泛应用.应用自组织数据挖掘(GMDH)方法改进LSSVM,提升了预测精度.首先利用GMDH方法选择有效的输入变量,再将这些变量作为LSSVM模型的输入,进行时间序列的预测,从而建立LSSVM和GMDH组合的混合模型GLSSVM.并通过汇率时间序列对本文模型进行了实证.结果表明,混合模型预测精度得到了明显的提高.     

收入分布曲线的线性正态插值函数拟合方法

用样本数据的分组均值与总体方差为参数的正态函数作为插值基函数,构造出线性正态插值函数曲线以拟合中国城乡居民收入的概率分布函数曲线,并论证了这样构造的线性正态插值函数存在且唯一,此插值函数任意阶可微.利用拟合的正态插值函数曲线计算出拟合的函数面积估计值并与相应的样本数据直方图面积做比较,进而得出正态插值函数拟合曲线面积与样本数据直方图的面积误差比率.     

中国化学会第十二届全国分析化学年会(第一轮通知)

正中国化学会和国家自然科学基金委主办、华中师范大学承办的"第十二届全国分析化学年会"定于2015年5月8-11日在武汉洪山大礼堂召开。这是我国分析化学领域三年一届的盛会,会议将就我国自上届学术会议以来分析化学学科的新成就、新进展进行学术交流和研讨,会议将组织分析化学前沿的大会报告、分组报告和讨论,并邀请部分国外学者和海外华裔学者与会。热忱欢迎广大的分析化学工作者踊跃投稿和参加会议。现将有关事项通知如下:     

吡啶预处理抑制煤热解过程中交联反应的研究

采用吡啶蒸气、吡啶溶液两种溶胀方式对伊泰褐煤进行了预处理,用热重结合在线质谱仪考察了两种处理方式对煤热解过程中交联反应的抑制效果。结果表明,两种预处理方法对煤热解过程的交联反应都有不同程度的抑制,但其作用温度和机理不同。吡啶蒸气预处理可能通过与煤形成N—OH氢键、断开煤本身含氧官能团之间的氢键,从而在400℃以前抑制煤本身含氧官能团之间的氢键交联反应;吡啶溶液预处理主要是通过改变煤的结构,减少煤小分子同大分子网络结构之间缔合,提高氢的传递效率等因素来抑制小分子同煤大分子网络结构及其热解过程中间碎片之间的交联反应。     

基于LSTM的浮选钼精矿品位软测量模型

战略性稀有金属钼矿品位低,组分复杂、嵌布粒度细等特点,其有价金属分离回收难。浮选作为微细粒钼矿分离回收的主要选矿方法之一,其浮选钼精矿品位一直是选厂的关键性产品指标。国内大多数选厂采取轮班制采样,人工化验得到精矿品位结果,但此方式严重滞后于浮选工艺,难以满足对生产过程进行实时监测和操作指导。LSTM是一种特殊的循环神经网络,引入门机制有效的传递或选择性遗忘长时间序列中的信息,解决RNN中的长期依赖、梯度消失和爆炸问题。本文分析整理东坡选厂中各平台源数据,结合选厂浮选工艺及机理,筛选出多个影响浮选钼精矿品位的变量作为模型输入;将输入变量进行异常值判定,缺失值填充和数据降噪等数据预处理,建立高质量浮选钼精矿品位数据库;软测量模型采用PyCharm软件编码,使用BatchNorm批量规范化处理样本数据,加入Dropout正则化防止过拟合,建立基于LSTM的浮选钼精矿品位软测量模型,通过前向传播算法更新神经网络结构参数,并于Linear模型和CNN模型的预测性能指标结果比较。结果表明：基于LSTM的浮选钼精矿品位软测量模型预测准确度高,样本数据误差波动平稳,浮动范围小,模型泛化能力强,模型平均绝对百分比误差MAPE为1.13%,均方根误差RMSE为0.7049%,决定系数R2为0.8763,实现了浮选钼精矿品位的在线预测。