矩形高层建筑横向湍流脉动风压谱密度函数的分析计算

目的 为计算矩形高层建筑在湍流脉动风压作用下横风向风振动力反应值，推求横向湍流脉动风压谱密度函数．方法 从湍流理论的基本方程出发，在一定假设条件下，根据Taylor关于湍流的“冻结”假定，从湍流基本方程的傅氏变换解可以导出脉动风压谱密度函数的计算公式，并考虑了全部的剪切项．结果 据此计算出的结果在一定条件下其组合值与原型观测数据相吻合．结论 湍流脉动风压谱与日本规范中的扰力谱幅频特性有差别．可以采用CFD（Computational Fluid Dynamics）风场数值模拟结果计算湍流脉动风压谱密度函数与均方根值．     

基于深圳证券市场的资本资产定价模型之实证检验

采用深圳证券市场交易数据对资本资产定价模型进行了横截面检验，研究了股票组合和单支股票收益率与系统风险的关系，并分析了个股风险构成．股票组合和个股的检验都表明系统风险与收益率之间不存在正相关关系，β值不能解释组合和个股的风险．非系统风险在个股总风险中占有绝对优势，而且对收益率的解释作用显，个股收益率与β值不存在非线性关系．     

均匀流场中含自由液面的陷落腔压力分布数值研究

在有自由液面的情况下，针对横剖面为圆形和方形的陷落腔模型，在均匀流场条件下的水动力数值实验研究，取得了腔体壁面的流体定常压力和脉动压力的实验数据．利用计算流体力学软件CFX对有自由液面的陷落腔内液体的晃荡现象和压力分布进行了数值计算，分析了模型所受的定常压力随傅汝德数和腔体形状的变化趋势，在脉动力分析中利用随机过程的理论，并讨论了晃荡现象对压力分布的影响．     

高层建筑动力特性的脉动法测试与分析

介绍利用大地脉动作为激振振源，测试并分析高层建筑的脉动响应信号及动力特性，阐述了高层建筑动力特性的实验模态分析法。指出专用分析仪器可以在没有大型激振设备的条件下，分析结构对大地脉动响应信号，可得到精度高的高阶振型参数。     

水下爆炸气泡脉动特性的试验研究

为了分析水下爆炸气泡的脉动特性，直观地观察水下爆炸气体产物的脉动过程，将高速摄影技术应用于水下爆炸试验研究，观察到了气泡在水中发生多次脉动直至最后溃灭的全过程．通过对所得照片的分析，得到了不同药量水下爆炸的气泡最大半径和脉动周期等宝贵的第一手数据．将试验结果与已有的水下爆炸理论公式进行了比较分析，试验数据与理论公式计算结果吻合较好，从而在进一步试验验证理论计算公式正确性的同时，证明了高速摄影技术在水下爆炸气泡脉动特性试验研究中的重要作用．     

利用非均匀网格有限差分法模拟二维大地电磁响应

为了实现二维地电模型的大地电磁正演模拟,采用非均匀网格有限差分法对TM极化模式下的大地电磁响应进行了数值近似计算。首先,从磁场满足的边值问题出发,利用非均匀网格有限差分法导出了TM极化模式下二维大地电磁正演计算的线性方程组;然后,通过对均匀半空间模型的大地电磁响应进行数值计算,与理论解析结果对比,验证了非均匀网格差分正演算法的正确性;最后,通过对二维地堑构造模型的大地电磁响应模拟,说明了非均匀网格差分正演算法的有效性,同时总结了异常响应规律,这能为实测数据的定性解释提供指导。     

气—固多相射流的数值模拟

本文运用脉动频谱随机轨迹模型《FSRT模型》对颗粒尺寸非均匀分布的气—固多相射流进行了数值计算。气相场和颗粒相的速度分布及浓度分布的计算结果和实验数据的吻合程度是令人满意的。     

证券组合的投资决策实战模型初探

利用Harry Markowitz的“均值-方差组合模型”，将证券收益率看成时间序列；给出证券组合的投资决策实战模型——即证券投资者能够承担的系统风险范围内，应如何调整投资比例，使得非系统风险最小，期望收益率最大．并且运用统计数据进行具体计算和结果分析．     

基于小波的Web流量组合预测方法研究

为了提高Web流量的预测精度，提出一种基于小波、神经网络和自回归的组合预测方法．首先将Web流量构造为2个相关序列：历史序列和相似值序列；对具有平稳特征的相似值序列用AR模型进行预测；对体现了Web流量非线性、非平稳特性的历史序列则经过小波分解与单支重构后，针对各分支特点分别采用神经网络和自回归模型预测；最后组合2条序列的预测结果获得最终预测值．理论分析与实验表明：组合预测方法可以充分利用与流量相关的多种数据关系；小波分析可以将历史序列分解为多层频率成分更加单纯、更加易于预测的时间序列．因而所建方法比传统的预测方法具有更高的预测精度．     

发射筒口燃气压力波数值模拟及实验验证

文章利用气泡脉动理论对筒口燃气脉动规律进行了分析,采用VOF多相流模型和k-ε湍流模型,对导弹水下发射时筒口燃气脉动压力波进行了数值模拟,并利用实验数据进行了验证.结果表明,数值模型与实验数据比较接近,在一定程度上反映了筒口压力波的变化规律,为水下发射环境研究探索了一种新的方法.     

基于GM(1,1)和D-MECM的钟差预报方法

针对单一钟差预报模型在建模数据量较少时中长期预报精度不足的问题,提出了基于灰色模型和一阶差分修正指数曲线法的组合预报模型。首先基于少量数据建立灰色模型并预测未来一段时间的钟差数据,再将其作为一阶差分修正指数曲线模型的建模数据,进行钟差的中长期预报。仿真结果表明,组合预报模型能够基于少量历史数据对钟差进行高精度的中长期预报。采用卫星共视仪采集的精密钟差数据进行实验,并与单一二次多项式模型和灰色模型进行对比,结果显示:使用5h的钟差数据进行建模并预报未来48h钟差数据时,二次多项式模型和灰色模型的平均预报精度分别为285.06ns和91.11ns,而组合模型的平均预报精度可达29.48ns,相比于单一二次多项式模型和灰色模型,分别提高了89.66%和67.64%。     

基于数据仓库的销售决策分析系统设计

阐述数据仓库的概念及特征,介绍数据仓库中数据模型的特点和设计方法,引入基于数据仓库的销售决策支持系统,结合联机分析处理,给出一种基于数据仓库技术的决策分析系统的设计和实现方法,分析数据仓库在现代决策支持系统中的重要作用以及决策支持系统新的发展方向。     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

基于Shapley值的中国电力需求组合预测模型

针对中国1997~2013年的电力消费量,采用3次指数平滑模型和ARIMA模型分别进行了建模与拟合分析,通过合作对策理论中的Shapley值法求解了两模型所占权重,从而构建了所需组合模型,并用该组合模型预测了2015年和2016年的中国电力需求量.实例结果表明,组合模型有着更高的拟合精度,拟合相对误差平均值仅为1.52%.     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型。本文首先利用ARIMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM（1,1）模型拟合和预测效果好于GM（1,1）模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM（1,1）模型两种方法得到ARIMA-GM的组合预测模型。预测结果表明：组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势。     

组合模型在GPS高程转换中的应用

在分析常用GPS高程拟合模型的基础上,提出了使用组合模型进行GPS高程拟合的新方法。该方法以1StOpt软件为工具,以拟合绝对误差平方和最小为目标,通过对曲面拟合模型和多面函数拟合模型赋予不同的权重,形成新的拟合模型,从而对整个区域实现GPS高程拟合。实际工程数据检验证明:使用组合模型进行GPS高程拟合能够在一定程度上提高GPS拟合高程的精度,具有一定的实践参考价值。     

基于道路安全评价的协同震荡模型研究

为了评价道路的安全性,运用高等协同学、种群动力学、系统工程学等理论,从汽车在不同的道路环境中行车时驾驶员心理-生理感受出发,借助动态的心理-生理检测设备,在大量的行车实验数据基础上,结合驾驶员的舒适性阈值,根据人、车、路、环境等交通因子对驾驶员心理反应程度影响,构建评价道路安全的协同振荡模型,并结合实际事例对模型进行了验证,运用协同振荡模型从驾驶员舒适性角度对我国山区双车道公路的安全性进行评价,同时提出了道路的改建措施．     

能源发展趋势的非线性优化组合预测模型研究

通过对我国能源生产历史数据的分析,提出了非线性回归与灰色预测优化组合预测模型,从理论和应用上说明了此方法的优点,并对未来的能源生产发展做出了分析预测。     

基于数据挖掘技术的电力日负荷优选组合预测

提高日负荷预测精度的关键在于数据预处理。提出了基于联合数据挖掘技术的电力负荷优选组合预测方法。通过多种挖掘技术寻找与预测日同等气象类型的多个历史日负荷,由此进一步提取数据,组成规律强化、干扰弱化、具有高度相似气象特征的数据序列,对此再构建优选组合预测模型。     

基于机理与数据驱动的热连轧板凸度组合预测

针对传统热连轧出口板凸度预测方法存在的模型精度低、解释性差等缺陷,提出了一种将机理与数据驱动相结合的热连轧板凸度组合预测模型。通过热连轧板凸度机理预测模型得到热连轧板凸度基准值,将该基准值与实际值之间的偏差量作为机器学习模型的预测变量,再将偏差量预测值与基准值进行求和得出组合预测模型的板凸度预测值,并将该组合预测策略应用至多个神经网络进行方法验证。研究结果表明,提出的热连轧板凸度组合预测模型相较于传统预测模型具有更好的预测性能,其中有97%以上预测数据的绝对误差小于0.02 mm,82%以上预测数据的绝对误差小于0.01 mm,同时该组合预测方法具有较好的可行性与普适性,所提出的模型能够实现机理模型与数据驱动模型的优势互补,使得模型更加符合实际物理意义,该组合模型既缓解了神经网络预测结果由于过程黑箱导致解释性差、可信度低的问题,又弥补了机理模型预测结果偏离生产工况、无法实时修正的缺陷,对热连轧板带钢的板形控制以及热连轧产品质量的改善具有重要意义。