大数据时代基于Python技术的审计方法研究——Python技术在日常审计工作应用案例

随着全球经济和科学技术的发展,大数据技术已经广泛深入地应用于各个行业领域,注册会计师行业也面临转型升级,由传统的风险导向型审计模式逐渐向数据驱动型审计模式转型。数据驱动型审计模式下审计思维、方法和内容都发生了巨大的变化,这就要求审计人员必须逐步培养起大数据审计思维,掌握大数据审计技术,才能胜任自身的审计工作。

单模激光系统中信噪比对净增益的随机共振

研究了受信号调制的色泵噪声和实虚部间关联的量子噪声驱动的单模激光系统的随机共振现象 ,发现信噪比随激光系统净增益系数存在随机共振 当泵噪声自关联时间和调制信号频率增加时 ,信噪比随激光系统净增益系数的变化曲线经历了从同时出现共振和抑制到单调上升的演化过程 ;当调制信号振幅、泵噪声强度和量子噪声强度、量子噪声实虚部间关联系数等变化时 ,该曲线一直同时出现共振和抑制 。

关联噪声驱动下单模激光系统的随机共振现象

研究了具有实虚部关联的量子噪声和泵噪声驱动的单模激光系统受信号调制后的输出信噪比 ,发现输出信噪比随量子噪声实虚部间关联系数的变化曲线有极大值 ,即存在随机共振现象 ,且信噪比极大值处对应的量子噪声实虚部间关联系数λq=0 ,分析了量子噪声强度、泵噪声强度、输入信号振幅。

输入信号和噪声对单模激光随机共振的影响

采用色抽运噪声和实虚部间关联的量子噪声驱动的单模激光损失模型,运用线性化近似方法计算了周期性信号加性输入时激光系统的输出光强信噪比,发现用信噪比与量子噪声实虚部间关联系数的关系曲线描述的随机共振现象.在抽运噪声自关联为短时关联情况下,当信号振幅增大和频率增快、抽运噪声色关联时间增大时,系统的随机共振加强;而噪声强度的增加会削弱系统的随机共振.在抽运噪声自关联为长时关联情况下,当信号振幅增大和量子噪声强度减弱时,系统的随机共振加强;而信号频率、抽运噪声强度、抽运噪声色关联时间的变化对系统随机共振的影响很小.

加性信号调制下色关联噪声驱动的单模激光的光强关联时间

采用线性化近似,计算了加性信号调制下色关联噪声驱动的单模激光增益模型的光强关联时间T, 发现当两噪声间关联程度λ为正时, T-D和T-I0曲线中出现极大值(即出现共振);当λ为负时,T-D曲线中出现极小值(即出现抑制),T-I0曲线出现两个极值(一个极小值一个极大值);当λ为零时,T随量子噪声强度D和定态光强I0的增加而单调增加。另外,无论λ取何值,T随周期信号振幅A和衰减系数γ的增大都单调减小。同时通过研究周期信号频率Ω和噪声互关联时间T3对T-D、T-I0、T-A以及T-γ曲线的影响,发现Ω的取值对这四种曲线的影响不大,而T3的取值对T-D、T-I0和T-A曲线的影响较大, 对T-γ曲线的影响较小。

单模激光系统线性化近似适用范围的分析

采用线性化近似方法计算了具有实虚部关联的量子噪声和泵噪声驱动的单模激光损失模型的光强相对涨落 ,为了对线性化近似的适用范围进行详细的分析 ,分别讨论了量子噪声强度、泵噪声强度、量子噪声实虚部间关联系数对光强相对涨落的影响 ,得出在小噪声、远离阈值时 ,线性化近似适用范围扩大 ;小噪声、远离阈值且当量子噪声实虚部无关联时 。

关联噪声驱动下单模激光线性模型的随机共振

根据线性化的单模激光输出光强方程 ,直接计算光强的相关函数 ,得到光强的功率谱及信噪比的方法 ,计算了具有δ函数形式关联的两白噪声驱动的单模激光线性模型在输入信号后其输出信噪比 ,发现了随机共振现象 .根据计算结果讨论了噪声强度和噪声间互关联程度对信噪比的影响 .由于推导用的是精确解析表达式 ,因此所有参数不受限制 。

关联噪声驱动下单模激光损失模型的输出功率

运用线性化近似方法分析具有实虚部关联的量子噪声和泵噪声驱动的单模激光损失模型的动力学性质 ,计算了光强的关联函数、功率谱及输出功率 ,讨论了量子噪声实虚部关联系数λq,量子噪声强度P和净增益系数a0 对输出功率的不同影响 ,并发现输出功率S随λq 的关系曲线在a0 改变时出现了类似于概率分布中的“重复相变”

信号直接调制色泵噪声的单模激光光强涨落

应用线性化近似方法计算了信号直接调制方式下由具有色关联的色泵噪声和色量子噪声驱动的单模激光增益模型的光强相对涨落 ,分析了噪声和调制信号等参量对光强相对涨落的影响 ,结果表明 。

加性信号调制下指数形式关联噪声驱动的单模激光的光强关联时间

采用线性化近似,计算了加性信号调制下的由具有指数关联的两白噪声驱动的单模激光增益模型的光强关联时间.发现两噪声间关联程度对光强关联时间随噪声强度的变化曲线有很大的影响,两噪声间关联程度取不同值时,光强关联时间随噪声强度的变化曲线中将出现极大值(即出现共振)或极小值(即出现抑制).

关联色噪声驱动的单模激光的光强关联时间

采用线性化近似,计算了加性信号调制下色泵噪声和色量子噪声驱动的单模激光增益模型的光强关联时间,发现当两噪声间互关联程度λ<0时,光强关联时间T随量子噪声强度D和泵噪声强度Q的变化曲线中出现极小值(即出现抑制);当λ≥0时,光强关联时间T随量子噪声强度D和泵噪声强度Q的增加而单调增加.同时还分析了参数τ,γ,Ω对T-D和T-Q曲线的影响,发现当λ<0时,随着噪声关联时间τ的增大,T-D和T-Q曲线的极小值升高,极小值位置基本不变;随着信号频率Ω的增大,T-D和T-Q曲线的极小值略有增加,极小值位置基本不变;随着衰减系数γ的增大,T-D和T-Q曲线的极小值略有下降,极小值位置基本不变.

单模激光线性模型初态的随机共振

根据线性化的单模激光输出光强方程 ,运用计算光强的相关函数 ,得到光强的功率谱及信噪比的方法 ,对δ函数形式关联的两白噪声驱动的单模激光线性模型瞬态随机共振进行了研究 ,具体计算了瞬态的第一个周期的功率谱及信噪比 ,发现在一定的条件下也可出现随机共振 。

单模激光线性模型瞬态的随机共振

根据线性化的单模激光输出光强方程 ,运用计算光强的相关函数 ,得到光强的功率谱及信噪比的方法 ,计算了在δ函数形式关联的两白噪声驱动下单模激光线性模型瞬态的功率谱及信噪比 ,发现了瞬态的随机共振 ,研究了信噪比随时间的演化及到达定态的时间 ,分析了参数对随机共振的影响 .

阻尼系数和质量对粒子定向输运相干性的影响

运用二阶龙格-库塔方法,对一维倾斜周期势中的欠阻尼运动进行了计算机模拟.结果发现:粒子定向输运的平均速度和扩散系数都随着阻尼系数增大而减少,并且扩散系数减小得更快,这直接导致了平均速度和扩散系数的比值,也就是Péclet值随之增大,从而使系统获得了更高的相干性.同时发现,当阻尼系数不变时,Péclet值随着粒子质量增大而减小.

输入信号后单模激光系统线性化近似适用范围分析

运用线性化近似方法计算泵噪声和实虚部间关联的量子噪声驱动的单模激光系统输入信号后的稳态平均光强关联函数和稳态平均光强相对涨落,对所用线性化近似方法的适用范围进行了详细分析,具体讨论了量子噪声实虚部间关联系数、量子噪声强度、泵噪声强度、输入信号振幅和频率、净增益等对稳态平均光强相对涨落的影响,发现在量子噪声实虚部间弱关联、小噪声、远离阈值、信号强度不大和频率较高的条件下,线性化近似有较高精度。

实部虚部关联的泵噪声对激光统计性质的影响

在增益模型的基础上,考虑平方色噪声,把泵噪声实部虚部间的关联强度λp引入光强的朗之万方程,分析λp作为一个新的重要参数对光强的定态几率分布Qst(I)的影响.发现λp在不同的参数下显著改变光强的定态几率分布曲线,并且得到一个新的现象,即当两个不同的关联强度值λp1和λp2满足方程λ2p1+λ2p2=1时,光强的定态几率分布曲线重合.同时研究了当关联λ存在时,其他参数对光强定态几率分布的影响.

随机共振研究新进展

介绍近10年来随机共振的几个重要研究方向取得的进展,对线性谐振子的随机共振研究,做了较详细的叙述.

热噪声对约瑟夫逊效应中伏安特性曲线的影响

通过分析准粒子电流功率谱的三阶近似表达式，由此相应地引入两个噪声，其中一个为白噪声，一个为O－U噪声。且讨论了当这两个完全独立的噪声同时存在时对直流约瑟夫逊效应中伏安特性曲线的影响，并与准粒子电流功率谱只取到其展开式一级近似所得的结果相比较，发现在相同条件下，约瑟夫逊临界电流变小。

单模激光损失模型的含时矩

运用本征展开法对由白乘法噪声驱动的单模激光损失模型进行了一系列研究。得到了该模型的光强定态几率分布、定态各阶矩、跃迁几率、联合概率，以及含时矩的精确解析表达式。并在一定条件下，对含时矩进行了讨论，得到一些有意义的结论。

Python技术在围标和串标审计项目中的应用——提升审计效率的Python技术应用

围标和串标是招投标过程中比较典型的一类违法违规行为,这类行为越来越隐蔽,越来越职业化,传统审计方法已经很难发现问题。该文介绍了Python技术在围标和串标这类复杂审计项目中的应用案例。利用Python的分词技术、字典容器、矩阵演算和集合运算精准统计出每份投标文件使用的词组和每个词组的使用频次,如果2份招标文件的词组重合比例和词组重复比例都超过了预设阈值,关键词组(生僻词、错别字等)出现频次高度一致,即存在围标和串标的重大嫌疑。基于“词频统计+关键词组比对”的审计方法是一种全新的大数据思维,未来在判定论文抄袭、快速提取文本关键词、敏感词汇预警等方面都有重要的推广意义。