Study of a downward gas jet in a two–dimensional fluidized bed

The study of a downward gas jet was performed in a two–dimensional (2–D) fluidized bed of sand particles under conditions of minimum fluidization and at atmospheric pressure and room temperature. The jet shifted through a cyclic sequence of left–central–right–central–left positions. The probability of the left and right jets was 40% each, while the less stable central jet occurred only 20% of the time. Discrete probability distributions of jet presence for each of the three jet configurations and an overall distribution are presented. They show that jets are dominant along the external walls of the nozzle. The depth of the downward jet increased with air flowrate in agreement with the correlation from Massimilla and Russo (1973).     

THIRD-ORDER ASYMPTOTIC PROPERTIES OF ESTIMATORS IN GAUSSIAN ARMA PROCESSES WITH UNKNOWN MEAN

Abstract. This paper deals with the third-order asymptotic theory for Gaussian autoregressive moving-average (ARMA) processes with unknown mean μ. We are interested in the estimation of ρ = ( α₁…, α_p, β₁…, β_q ), where α ₁…, α_ρ and β ₁…, β_q are the coefficients of the autoregressive part and the moving-average part, respectively. First, we investigate the third-order asymptotic optimality of the bias adjusted maximum likelihood estimator (MLE) of ρ in the presence of the nuisance parameters μ and ² (innovation variance). Next, for a Gaussian AR(1μ μ, ²), we propose a mean corrected estimator α_c1c2 of the autoregressive coefficient. We make a comparison between the bias adjusted estimator α_c1c2* and the bias adjusted MLE, in terms of their probabilities of concentration around the true value, or equivalently, in terms of their mean squared errors. Finally some numerical studies are provided in order to verify the third-order asymptotic theory.     

北京市雨水收集利用蓄水池容积计算与分析

基于北京市1984—2013年的日降雨资料,以北京林业大学林业楼及其周边绿地为研究区,设置3种用水情景(冲厕、绿地灌溉及冲厕+绿地灌溉),采用连续模拟法,分别绘制3种用水情景下雨水收集利用工程的雨水截留率、自来水替代率、供水保证率以及效益费用比变化曲线,并通过综合分析这些曲线的变化特征确定雨水蓄水池最佳设计容积(60~82 m3)。同时采用设计暴雨法计算1~5年不同重现期的蓄水池设计容积(77~248 m3)。结果表明,连续模拟法计算过程相对复杂,但可用于综合衡量雨水收集利用工程的雨洪管理效益,以及缓解水资源短缺效益、供水可靠性及经济可行性分析。     

探讨概率应用的几个典型问题

概率应用遍及自然科学和社会生活之中,科学的概率不仅应当服务于科学,更重要的是能够服务于概率应用。这里通过解决典型问题,剖析概率研究方法的特殊性,探讨概率应用的一般方法。     

一种基于混合高斯模型的多目标进化算法

目前,大多数多目标进化算法采用为单目标优化所设计的重组算子.通过证明或实验分析了几个典型的单目标优化重组算子并不适合某些多目标优化问题.提出了基于分解技术和混合高斯模型的多目标优化算法（multiobjective evolutionary algorithm based on decomposition and mixture Gaussian models,简称MOEA/D-MG）.该算法首先采用一个改进的混合高斯模型对群体建模并采样产生新个体,然后利用一个贪婪策略来更新群体.针对具有复杂Pareto前沿的多目标优化问题的测试结果表明,对给定的大多数测试题,该算法具有良好的效果.     

基于部分信道信息的中继选择与功率分配算法

针对传统中继选择算法反馈开销大、信道条件利用不充分以及等功率分配算法资源利用率低等问题,在放大转发协作通信网络中,以最小化系统中断概率为目标,提出基于部分信道状态信息的中继选择与功率分配算法。指出源-中继-目的节点传输链路所能获得的信噪比受制于源-中继及中继-目的链路中接收信噪比较小者,各中继依据自身到源及目的节点链路的统计信道状态信息,采用不同的反馈策略向源节点进行信息反馈,由源节点完成中继选择,通过凸优化方法对所选择的源和中继节点进行功率分配。仿真结果表明,与基于第一跳信道信息的算法相比,该算法在仅增加少量反馈的条件下可明显降低系统的中断概率,且与同等反馈负荷下的其他算法相比,仍能获得较好的中断性能。     

面向内部威胁的最优安全策略算法研究

内部攻击行为具有很强的伪装性,这使得检测结果具有不确定性.攻击图模型经常用于描述攻击行为的多个攻击步骤之间的因果关系,但在计算最优安全策略时,很少考虑到当前观测事件所具有的不确定性,也没有从概率的角度刻画安全防护策略实施后对攻击成功概率带来的影响.在前人的概率攻击图模型研究基础上,首次提出了一种面向内部威胁的安全防护策略概率攻击图(measures probablitity attack graph,MPAG)模型,在该模型中较为完备地讨论了内部攻击的3类不确定性,并引入安全防护措施节点及其对攻击成功的概率影响.在该模型基础上,最优安全防护策略计算被证明是一个NP难问题,一种贪心算法被提出解决该问题,该算法能在多项式时间内动态计算近似最优安全防护策略集合.最后给出一个真实的内部威胁网络环境的概率攻击图实例,说明该模型及相应的贪心算法能根据当前观测事件及其置信概率,计算满足一定代价限制条件的近似最优安全防护策略集合.     

MMCKDE:基于数据流的m-混合聚类核概率密度估计

数据流挖掘应用对时间、空间有着较高的要求,因而传统的密度估计方法,如核密度估计法、压缩集密度估计法等并不适用于数据流密度估计.提出一种新颖的面向在线数据流的m-混合聚类核密度估计(m-mixed clustering kernel density estimation,MMCKDE)方法,该方法通过创建MMCKDE节点,用固定个数的混合聚类核获得聚类信息,以代替其他密度估计方法中的所有核.针对数据量不断增加的情况,通过计算Kullback Leibler(KL)距离进行核合并,可进一步以更紧凑的形式表示概率密度估计信息.较之于其他一些方法只能估计整段数据流的密度,MMCKDE方法最终获得的模型不仅适用于整段数据流,还适用于任意时间段上的密度估计.MMCKDE算法同SOMKE算法在不同基准数据集及真实数据集上进行密度估计精度和运行时间的比较.实验结果表明,MMCKDE算法具有更好的性能.     

无线移动网络节点发包概率的演化博弈模型

针对大规模无线移动网络中节点对信道资源的群体性随机博弈问题,在载波侦听多路访问/冲突避免(CSMA/CA)的机制下,建立一种节点发包概率的演化博弈模型。考虑节点成功发送数据包的收益、监听、退避和冲突等成本因素,给出并证明该模型的演化稳定策略(ESS),推导节点发包概率演化的复制动态方程。数值仿真结果表明,该模型能提供更强的ESS,保证在多个移动节点干扰时演化稳定点的鲁棒性。     

混合排名映射概率和混沌搜索的ABC算法

针对由于人工蜂群算法(Artificial Bee Colony algorithm,ABC)采用直接映射概率选择食物源而引起收敛速度慢、陷入局部最优等问题,提出一种混合排名映射概率和混沌搜索的人工蜂群算法((Artificial Bee Colony algorithm based on Hybrid rank mapping probability and Chaotic search,ABC-HC))。首先,利用目标函数值的排名来获取选择食物源的排名映射概率,并提出计算排名映射概率的两种方法;然后,在观察蜂阶段,融合这两种计算概率的方法,即不同的搜索阶段采用不同的排名映射方法计算食物源选择概率,构造基于混合排名映射概率的人工蜂群算法,以便能够维持种群的多样性避免陷于局部最优;最后,在侦查蜂阶段,使用混沌搜索替代随机搜索以便进一步提高收敛速度,最终获得较好的全局最优解。对10个标准测试函数进行仿真,结果表明,ABC-HC算法不仅提高了收敛速度,而且更能跳出局部最优,有效地找到全局最优解,优于标准的ABC算法和进化算法。