基于IOWC-GOWMA算子和指数支撑度的区间型组合预测模型北大核心

将连续区间的广义有序加权多重平均(C-GOWMA)算子和诱导有序加权平均(IOWA)算子相结合,提出一种新的诱导有序加权连续区间广义有序加权多重平均(IOWC-GOWMA)算子,该算子同时考虑区间数自身、数据位置两个因素,可以将区间数转换成实参数,进一步构建基于IOWC-GOWMA算子和指数支撑度的区间型组合预测模型。最后通过实例分析说明该区间组合预测模型的合理性和有效性,并对参数进行了详细的灵敏度分析。     

一种基于区间q-rung Orthopair模糊投影模型的多属性群决策方法

本文提出一种基于区间q-rung Orthopair模糊投影模型的多属性群决策方法。首先,定义一种度量向量间相关程度的区间q-rung Orthopair模糊投影,研究其性质。其次,基于区间q-rung Orthopair模糊环境中各备选方案与正负理想方案之间的投影关系,提出一种基于区间q-rung Orthopair模糊投影优化模型的TOPSIS多属性群决策方法。该方法能实现对备选方案的有效排序。最后,通过将该方法应用于为制造企业选择供应商的多属性群决策问题中,验证新方法的可行性和有效性。     

一体化规范内二次系统管理提升的探讨与实施

文中结合基层供电企业进行二次系统管理的工作经验,阐述了在南方电网"一体化管理"体系下实现供电局二次系统精细化管理的目标、思路、措施和细则,提出二次系统管理的信息化手段必须融入"一体化电网运行智能系统"才能更好地发挥作用。     

电泳和质谱技术研究4种胰脏铁蛋白的亚基类型和等电点特性

采用电泳和质谱技术对所制备的鸡、鸭、牛和猪胰脏铁蛋白的亚基类型和等电点特性进行了研究。采用天然聚丙烯酰胺凝胶电泳(PAGE)技术研究的结果表明,上述4种铁蛋白呈现不同的迁移率,据此可知鸡胰铁蛋白的相对分子质量(Mr)>鸭胰铁蛋白的Mr>黄牛胰铁蛋白的Mr>猪胰铁蛋白的Mr,而且均大于马脾铁蛋白(HSF)的Mr。采用十二烷基硫酸钠(SDS)-PAGE技术研究的结果表明,上述4种铁蛋白均由H(heavy chain)和L(light chain)类型的亚基组成,但H和L亚基的相对数量（即H/L亚基数量的比值）有差别。采用肽指纹图谱技术分别鉴定各铁蛋白的H和L亚基。选用变性等电聚焦方法研究发现,上述4种铁蛋白分别由3～6种不同等电点的亚基聚合体组成,说明铁蛋白的H和L亚基之间呈现复杂的相互作用和不同的聚合体。不同陆生动物胰脏铁蛋白亚基之间相互作用的强度和聚合态存在着差异,这一差异特性可能与调控铁蛋白释放铁的速率有关,也与动物对铁的需求和铁解毒速率有关。     

新型间隔层对荧磷杂化白光OLED器件性能的影响

以杂化白光结构ITO/HAT-CN(10 nm)/TAPC(30 nm)/TCTA(10 nm)/TCTA:PO -01(10 nm ,4%)/MADN:DSA-ph(10 nm,5%)/BPhen(40 n m)/Liq(1nm)/Al(100 nm)为基础,分别用CBP 、SO和SO:TCTA作为间隔层,调节厚度及掺杂比例,研究不同间隔层对杂化白光器件性能的 影响。实验结果表明,SO作间隔层可以有效提高电子与空穴在黄光层的复合,增大器件电子 传输能力而使器件偏向白光,提高器件效率,且由于SO高的三线态能级,可以有效控制激子 复合区域的移动,器件色稳定性也得到提高。再将TCTA与SO掺杂作为间隔层,增强空穴传输 ,调控空穴和电子的传输与平衡,进一步提升器件性能,当SO∶TCTA掺杂比为9∶1时,有最大电流效 率31.60 cd/A,最大功率效率30.16 lm/W,电 流密度为10 mA/cm²时,CIE色坐标为(0.39 ,0.43),从0.1 mA/cm²－80 mA/cm²电流密度变化下色坐标变化(Δx,Δy)仅为(0.02),色坐标漂移小,色稳定性好。     

一种区间Pythagorean模糊VIKOR多属性群决策方法

针对属性信息为区间Pythagorean模糊集且属性权重和专家权重均未知的一类群决策问题, 结合信息熵理论, 提出了一种区间Pythagorean模糊VIKOR多属性群决策方法。首先定义一种新的区间Pythagorean模糊距离测度, 并讨论其性质。其次基于该距离测度定义了区间Pythagorean模糊相对距离指数, 并基于相对距离指数构建了一种熵权模型确定专家权重和属性权重。然后提出一种区间Pythagorean模糊VIKOR多属性群决策方法。最后通过企业生产方案选择案例说明了提出新方法的可行性与有效性。     

正交约束域适应的跨工况滚动轴承剩余使用寿命预测方法

针对跨工况轴承剩余使用寿命(RUL)预测模型的决策边界不明显、特征可辨识性低的问题,该文提出一种正交约束的最大分类器差异方法(MCD_OC)。首先,将采集的轴承原始振动信号进行快速傅里叶变换,得到振动信号的频域信号作为模型的输入;然后,通过卷积神经网络(CNN)和门控循环神经网络(GRU)提取轴承信号的深层时空特征,利用最大分类器差异将源域和目标域特征对齐,并对目标域轴承深层特征进行正交约束,增大无标签目标域样本特征之间的可辨识性;最后,基于轴承寿命数据集开展了跨工况轴承寿命预测对比实验,对该文所提方法进行评估,并在多组实验中取得最优结果。