热连轧轧制力贝叶斯神经网络预测与模型优化

采用贝叶斯神经网络预测精轧轧制力,从实测数据中抽取出700组数据作为样本集,其中610组数据作为训练样本,用于网络模型的训练,剩余的90组数据作为测试样本。选取C、Si、Cu、Mn含量,轧件出口厚度,入口厚度,轧件宽度,轧制时间,压下率以及轧制温度作为输入层神经元数,轧制力为输出层神经元。贝叶斯网络轧制力预测误差基本分布在[-200,200],比传统计算误差大为减小。采用乘法网络进行轧制力的预测模型优化,优化后预测误差为正态分布,误差基本分布在-4%~6%,误差为0的样本数能达到20%,误差在±2%之内的样本数能达到70%,预测精度比加法网络稍有改善,比传统网络预测精度大幅提高。     

基于亮度序的均值标准差描述子

在已有均值标准差曲线描述子(MSCD)的基础上,引入亮度序划分思想,提出一种基于亮度序的均值标准差描述子(IOMSD).与传统描述子构造时采用固定位置进行子区域划分不同,文中依据局部区域内各像素点的亮度大小关系划分子区域.该方法能克服图像形变带来的边界误差,且对线性光照和单调光照变化具有不变性.实验结果表明,IOMSD对旋转、视角变化及光照变化图像具有鲁棒性,尤其在形变稳定性上优于已有的MSCD算法.     

主通风机风压特性方程求解算法研究

为解决高次多项式拟合风压特性曲线产生的病态性问题及确定风压特性曲线最佳拟合次数,提出使用正交多项式处理,可避免病态方程组;并提出均方误差δ不能作为判别拟合效果的准则,而在误差符合零平均正态分布时,可使用标准差σ作为判断拟合效果的标准.基于正交多项式、最小二乘原理及标准差σ,给出了求解最佳风压特性曲线拟合方程的算法,并得出风压特性曲线5次或6次不是共同的最佳拟合次数,最佳拟合次数因通风机不同而异。     

基于夜光遥感数据整合的南疆四地州经济发展时空格局特征分析

2020年“后脱贫时代”,南疆四地州在全国、在新疆地区发展格局中依然属于欠发达地区,因此,对南疆四地州进行长期的经济测量和发展分析具有重要意义。但是传统的测度方式使用社会经济数据存在较大的限制。本研究利用夜间灯光遥感影像客观地反演该贫困地区的经济发展特征。选取南疆四地州为研究区,对NPP/VIIRS和DMSP/OLS数据分别进行噪声和过饱和的校正,在对两种夜间灯光数据整合的基础上,利用33个县（市）城镇用地的夜间灯光总量与第二、三产业之间的相关关系进行基于夜光数据的经济发展模型的反演,采用标准差椭圆、莫兰指数等空间分析方法综合探究2005～2020年南疆四地州经济发展时空格局特征。研究结果表明：(1)2005～2020年,经济重心向西北方向迁移。经济总量以东北—西南方向为主导,经济发展趋势越来越集中连片。(2)研究时段内一直存在较高的空间自相关性和聚集性,主要呈现H—H和L—L聚集区,经济水平越高（低）的区域越容易发生聚集现象。(3)南疆四地州区域经济发展冷点和热点的发生概率具有显著地方性特征。南疆四地州各区域之间的经济协同发展应成为政策重点。     

6 Sigma的力量

Sigma是什么？它是希腊字母“σ”的英文发音，中文就叫做西格玛。它在统计学上表示标准差，即一组数据，一群项目或一个流程存在多大波动。而在现代管理学中，6 Sigma有着特殊的意义，它是一种成熟的评估方法和管理理念。     

网络计划中时间均值的方差问题

“运筹学”权威教材中关键工序作业时间均值的方差公式推导错误．一般数理统计中的样本是直接抽取的简单随机样本,即样本所包含的个体之间是相互独立的．文章所针对的教材都用直接样本先计算出间接样本,再用间接样本计算样本均值及其方差．这样的间接样本是统计相关的,可是上述教材在计算样本方差和样本均值的方差时,又用了随机样本的方差公式,所以结果是错误的．文中推导的结果竟是原公式的3倍。     

秦山核电厂附近地面风水平向涨落的特征分析

本文基于秦山核电厂实测的风资料,主要讨论了水平方向风向涨落的标准差σ_(?)值,在海上来流、陆地来流和海-陆-海来流情况下,随稳定度和风速的变化特征。     

一种快速而准确的虹膜定位算法

为了提高虹膜定位速度以及准确性和鲁棒性,给出一种快速而准确的虹膜定位算法.首先通过灰度投影和瞳孔中心检测算子,粗略找到瞳孔中心的位置;然后从粗略瞳孔中心出发,利用方向边缘检测算子和投票的方法,找到虹膜内边界上的4个不共线的点,根据4个边界点确定虹膜内边界;再从瞳孔中心出发,利用方向边缘检测算子和投票的方法,找到虹膜外边界上的4个不共线点,根据4个边界点确定虹膜外边界.实验结果表明,该算法比现有的虹膜定位方法速度快,而且定位准确率高,算法鲁棒性强.