左C-wrpp半群的圈积结构

作为C-wrpp半群推广的左C-wrpp半群已有curler结构。利用Neumann引入的半群圈积的概念研究了左C-wrpp半群的又一种结构,得到左C-wrpp半群的圈积结构,此结果进一步丰富了左C-wrpp半群的理论。

有强带C-根的半群

应用半群理论简介中关于半群的根描述,引进半群的强(带)C-根、有强带C-根的半群等概念.指出有强带C-根的半群类包含左(右)群带的半格半群作为其子类.讨论强(带)C-根的性质,有强带C-根的半群的结构性质.明确它与左(右)群带的半格半群、左C-半群之间的关系.有强带C-根的半群的结构特征定理推广了左(右)群带的半格半群、左C-半群的结构特征定理的结果.这些结果表明,半群的根理论是研究半群结构的一种有效方法.

The Structure of NBe-rpp Semigroups

The aim of this paper is to study a class of strongly rpp semigroups with normal idempotent bands, so called NBe rpp semigroups. The structure of such semigroups is established in terms of C rpp semigroups and normal bands.

关于左C-wrpp半群的若干性质

左C-wrpp半群是左C-半群和左C-rpp半群的共同推广,杜兰等研究了左C-wrpp半群,给出了左C-wrpp半群的curler结构。进一步研究左C-wrpp半群,得到左C-wrpp半群的若干特征和等价刻画,丰富了杜兰等关于左C-wrpp半群的结果。

基于LightGBM算法的强对流天气分类识别研究

强对流天气将导致多种灾害性天气,但由于其突发性强且尺度较小,在气象业务工作中仍难以准确地预警和预报。本文基于LightGBM(Light Gradient Boosting Machine)算法,利用甘肃三个地区的C波段雷达回波产品以及地面观测数据,构建了LightGBM模型,并分类判识了三类主要的强对流天气[冰雹、雷暴大风、短时强降水(短强)]。结果表明,在2011-2017年训练集中,LightGBM模型表现较好,整体误判率仅为4.9%。在2018年的独立样本测试中,模型对三类强对流和非强对流天气的整体误判率为7.0%,对三类强对流天气的平均命中率(Probability of Detection,POD)为86.4%,平均临界成功指数(Critical Success Index,CSI)为64.3%,平均空报比率(False Alarm Ratio,FAR)为29.0%。其中,短强的误判率最低,POD和CSI最高,FAR也最小,而雷暴大风和冰雹的误判率和评分比较接近。因此,本文构建的LightGBM模型对强对流天气的分类识别较为理想,首次对三类主要的强对流天气实现了自动化预警,在未来的气象业务自动化工作中有广阔的应用前景。

PI-强■富足半群

通过对C-■-富足半群的刻画,给出了PI-强■富足半群的结构定理。

次强左C-半群的结构

引进次强左Ｃ－ 半群的概念。