延迟离散Hopfield神经网络的动态行为

主要研究带有延迟项的离散Hopfield神经网络动态演化行为. 给出了延迟网络并行收敛于周期小于等于2的极限环的一些条件. 同时,得到了延迟网络收敛于周期为2的极限环的条件. 而且对所获结果通过例子进行了验证. 这些结果为延迟离散Hopfield神经网络的进一步分析和应用提供了一定的理论基础.     

陕西省关中地区产业集聚对环境污染的影响研究

为探究陕西省关中地区产业集聚对环境污染的影响效应,合理规划该区域产业总体布局,文中选取关中地区2006-2016年的面板数据,以产业集聚与环境污染影响机制为理论基础,通过建立面板数据模型进行实证研究.结果表明该地区产业集聚处于中级集聚阶段,产业集聚对环境污染具有倒"N"型曲线影响,集聚的环境负外部性效应在关中地区较为明显,大部分城市环境污染随集聚度提高而加剧.     

区域产业用水系统的协调度分析

应用协同学理论和复合系统原理，构造了区域产业 用水系统内各组成子系统(农业子系统、工业子系统和第三产业子系统)之间发展的协调度模型。该协调度决定了产业用水系统到达临界区域时的序与结构，或者说决定了产业用水系统由无序走向有序的趋势。以北京市为实例进行了实例分析，其计算结果说明北京市产业用水系统在过去的十几年中总体协调程度不好，波动幅度比较大，其演化态势不容乐观。     

离散Hopfield-型神经网络的动态行为

主要利用网络的状态转移方程和定义能量函数的方法对非对称离散Hopfield神经网络在并行演化方式的动力学行为进行了研究。同时,给出了一些新的网络的收敛性条件。所获结果推广了一些已有的结论。     

基于ARIMA模型的大坝安全监测数据分析与预测

大坝安全监测数据是既可能有趋势性又可能有季节性的时间序列数据,为了准确地对其进行分析与预测,运用较适合处理非平稳性时间序列的ARIMA模型,首先通过差分将非平稳时间序列平稳化,然后通过自相关函数和偏自相关函数进行模型识别,得到若干初选模型,进而估计各初选模型中的参数,并根据贝叶斯信息准则确定最终模型,最后利用最终模型对监测数据进行拟合和预测。以李家峡水库大坝的一组安全监测数据为例,通过模型计算,对模型拟合和预测数据与实际位移数据进行比较,结果表明,ARIMA模型在大坝安全监测数据的分析与短期预测方面有较高的精度,具有可行性。     

离散Hopfield神经网络的稳定性分析

主要研究非对称离散Hopfield神经网络并行演化方式的动力学行为，同时给出了网络的一些新的稳定性条件，所获结果不仅推广了一些已有的结论，而且为该网络的应用提供了一定的理论基础。