Position-space renormalization for systems with weak long-range interactions and the breakdown of hyperscaling

Exact renormalization group equations are derived for a position-space renormalization of spin systems with weak long-range forces. It is shown how an apparent dependence of the critical exponents on the choice of the renormalization group can be resolved via the mechanism of dangerous irrelevant variables and that this same mechanism is responsible for the breakdown of hyperscaling. The dimensiond=4 can be seen to be a borderline dimension above which classical critical exponents are expected.     

区域道路交通安全水平综合评价和预测方法

对国内外道路交通安全水平的评价和预测方法进行了对比和分析 ,提出了适合目前国内现阶段管理体制的以模糊数学综合评价模型为基础的评价和预测方法 .该方法采用模糊评价综合模式计算评价目标区各评价指标最大概率所对应的等级 ,通过层次分析计算各指标间的权重系数 ,在此基础上计算得到区域道路交通安全的综合评价指标———道路安全指数IRS.实际应用证明该方法合理可行 .     

N阶线性跟踪-微分器及其在电力系统相角预测中的应用

证明了一种N阶线性跟踪一微分器的收敛性。由于该线性跟踪一微分器的结构参数和跟踪性能对噪声和对象有一定的敏感度和依赖性，采用自适应遗传算法对三阶线性跟踪一微分器的结构参数进行了优化，以期获得较好的参数匹配，提高跟踪预测的精度和速度。将优化后的三阶线性跟踪一微分器用于电力系统参考相角预测研究中，仿真结果证明，优化后的三阶线性跟踪一微分器具有较好的跟踪性能和预测精度，满足电力系统相角预测的要求。     

利用“球壳失稳”理论确定煤与瓦斯突出瓦斯压力临界值

通过实验分析得出了马家沟矿9—12、12煤层初始释放瓦斯膨胀能与瓦斯压力的线性关系，从而确定了马家沟矿深部水平9—12、12煤层煤与瓦斯突出瓦斯压力临界值，为深部水平煤与瓦斯突出预测提供了依据。     

基于BP算法的矿井掘进工作面瓦斯涌出量预测

应用BP人工神经网络理论,建立了矿井掘进工作面瓦斯涌出量的预测模型,克服了由于各因素的不确定所造成的影响,提高了瓦斯涌出量预测的准确性.实际应用表明,预测模型可信,精度能满足要求.     

单向机织物增强复合材料层合梁弯曲破坏规律

五组单向机织物增强层合梁的弯曲实验表明：层合梁的最大弯曲强度通常并不对应于最后一层破坏时的荷载；铺设角不同的层合梁达到最大承载力时，破坏并不发生在同一层，且总的破坏层数和对应位移都不相同，其破坏形式可以定性预测．研究还表明：根据实测的单层板的非线性本构关系和强度指标，运用经典层合梁理论，可以对非弯扭耦合层合梁的最大承载力和挠度进行预测．     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势,采用BP算法,基于大量矿井突水样本实例建立了突水预报神经网络模型,并将该模型用于实际预报,并取得了较好的效果。结果表明,模型具有较强的实用性。为了提高模型的预测精度,在训练样本的选择上还应具有一定的代表性。     

凸规划的内椭球法与原始-对偶仿射尺度算法

对线性约束的凸规划问题给出了一个原始-对偶仿射尺度算法，比较了这种方法与“内椭球法”两种算法的关系，并证明了该算法的迭代复杂性是O(nL^2)。     

三维灰趋势面分析法在瓦斯涌出量预测中应用

生产现场表明：在一定的地质范围内，矿井瓦斯涌出量的变化是呈一种逐渐的趋势性变化，而不是忽高忽低毫无规律变化的，因而可以用一个三维灰趋势面来描述其变化规律。本文介绍了灰趋势面分析法这种新的矿井瓦斯涌出量预测方法的建模机理和预测思路，并以湖南涟邵矿务局洪山殿矿蛇行山井四煤为例，进行了实际应用，在此基础上，绘制了井四煤层瓦斯涌出量分布的三维灰色趋势曲面，取得了优越于其他预测方法的结果。     

模糊神经网络在石油压裂支撑剂研制中的应用

石油压裂支撑剂的研制是一项复杂有难度的技术，受到很多因素的影响。针对研制过程中各项指标具有较大模糊性的特点，应用模糊神经网络系统(FNNS)来获取各影响因素与支撑剂质量的关系模型和预测模型，从而找到原料配比、成球工艺参数、烧结温度与产品质量之间的最佳关系。