部分四值逻辑中L型函数集与拟线性函数集之确定

根据部分 k 值逻辑的完备性理论,给出了部分四值逻辑中 L 型函数集与拟线性函数集,从而推进了 P_4(?)中准完备集之最小覆盖的完全解决．

基于Pearson系数与多元线性拟合的330MW汽轮机高压汽缸轴向膨胀定量监测方法

高压汽缸轴向膨胀反映了汽轮机缸体在运行过程中的受热状态,是表征机组发生异常动静碰摩和滑销系统卡涩潜在风险的重要参数,也是机组运行期间重点监测的对象之一。然而,实际中不少服役时间较长的机组缺少可全面反映轴向缸胀的测点,现有研究中也缺乏对轴向缸胀的定量分析。针对一台330MW汽轮发电机组的实际情况,根据轴向缸胀对滑销系统的作用机理,设计了增加测点方案并进行工程实施,获取了多端轴向缸胀变化的测量数据。在此基础上,提出了基于Pearson相关性系数和多元函数线性拟合的方法,建立汽轮机左右两端轴向缸胀与各高相关性测点的方程。定量分析结果显示:函数拟合优度都高于0.998。最后,设计了一套轴向缸胀在线监测系统,可实现关键参数的实时综合监测,对实际故障预警具有重要的价值和意义。

基于拟线性局部加权法的煤样光谱散射校正

利用近红外光谱分析技术的诸多优势,可实现煤质多项指标的快速分析。煤样光谱数据的采集易受到噪声散射的干扰,在建模分析前常用多元散射校正方法对其予以恢复去噪。而传统的多元散射校正方法存在以线性表达式描述非线性关系的局限性,以及盲目追随"理想"光谱而导致的失真问题,为此提出基于拟线性局部加权法的煤样光谱散射校正。该法先选取二次曲线、三次曲线和增长曲线等三种拟线性函数,代替原线性函数;再分别引入均值核函数、高斯核函数、Epanechnikov核函数、二次权重核函数及三次权重核函数等五种核函数,在原评估函数中构造局部加权函数,利用局部加权函数精确表述各波长点处的依赖关系;最后,分析不同模式下校正光谱的准确性,确定拟线性函数与核函数的最佳组合。为验证方法的适用性,对0.2,1和3mm等三种粒度等级下的煤样光谱数据进行散射校正。结果表明:改进多元散射校正方法在消除光谱中散射干扰的同时,放大了特征谱峰信息,校正光谱与煤样各项指标的相关性得到了显著增强,有效地提高了煤质近红外光谱分析模型的预测精度和稳定性。

基于非线性多项式拟合函数的意大利新冠疫情新增病例的分析

基于非线性多项式拟合函数,以意大利为例,使用Python对数据进行非线性多项式拟合函数估计,对该国新冠疫情新增病例进行分析。利用2月23日至4月16日意大利的新冠疫情的历史数据,选取具有代表性的数据,通过对使用非线性多项式拟合函数进行之后十天的趋势分析,对比重合程度最高的模型,从而构建了对意大利新冠疫情新增病例预测的最佳函数,进而通过该函数对意大利未来5天的趋势进行分析。结果显示,幂函数的拟合程度最高,更加贴近于实际数值,故选其作为最终的预测结果,并结合意大利国家目前防疫工作的进度和国家情况,提出可行和科学的防疫措施和政策。

思维进化算法优化BP神经网络在非线性函数拟合中的应用

使用传统的BP神经网络直接对非线性函数的变化进行预测和拟合,存在着函数收敛序列向其极限逼近的速度慢,预测拟合精度低等不足。针对BP神经网络的优点和不足,论文通过描述对一种理论上优势极强的非线性思维方式和进化过程的算法,适当的调整其初始权重和临界值,使其自身更加容易得到一定的优化。通过它的拓扑结构构造出思维进化算法和模型,值用思维进化算法中的最优解替代它的初始权重和临界,选取多个非线性函数,用MATLAB做拟合仿真实验,对比优化前后测得值与真实值之差,经过对实验结果的不断分析总结,能够得出优化后的BP神经网络速度收敛更快的结果。

过热蒸汽比焓和密度的双线性拟合

针对过热蒸汽,将复杂二元函数拟合为双线性结构,利用二次优化原理推算其系统矩阵;改变两个变量的最高阶次可以调整该函数的拟合精度.该算法可看成最小二乘法的一种扩展.在一定范围内,过热蒸汽的比焓和密度被拟合成压力和温度的双线性函数.计算表明:在温度为673.15~833.15 K,压力为10~19.5 MPa时,采用3阶拟合函数,比焓和密度拟合的相对误差分别小于0.11%和0.54%.

多元拟连接函数的刻画

CENEST等曾给出二元拟连接函数的两个等价刻画,同时提出一问题:引理可否推广到高维?本文回答了这一问题,证明了引理在高维时也是成立的;并指出其中一个刻画可以推广到多元,作为多元拟连接函数的刻画,而另一个刻画在高维时不成立;最后进一步得到多元线性拟连接函数概念,它是多元拟连接函数的推广.

单桩荷载—沉降曲线拟合线性回归法研究

对现有的单桩荷载沉降曲线拟合方法——指数函数线性回归法,按照一定的方法进行优化和改进,提出了指数加权拟线性回归法。通过对单桩静载荷试验数据进行拟合,结果表明加权拟线性回归法拟合效果好于传统指数函数线性回归法。指数加权拟线性法对单桩荷载—沉降曲线模型能进行比较好的描述,在沉降预测中得出更加精确的结论。因此,可以利用指数函数加权拟线性法的拟合结果对单桩承载力进行预测。

一类非线性系统的稳定性

研究了一类非线性系统的输入输出稳定性问题 ,这类系统的特点是其模型为系统输出的拟线性函数 .对非线性确定性系统 ,利用稳定性的线性等价原理 ,提出了这一类非线性系统的稳定性判据 ;对非线性随机系统 ,给出了m阶均值意义下的稳定性定义 ,提出了一种二阶均值下的输入输出稳定性条件 ,给出了几个示例说明 .

华北地区Benioff应变释放趋势拟合分析及预测

基于地震活动稳态发展的假设，利用华北地区各构造（地震）带1970年以来的Benioff应变累积释放序列，采用多种非线性函数对各带的应变累积释放趋势进行拟合，根据最佳拟合模型对各带未来1—3年的应变释放量进行预测，并根据各带的线性震级频度关系，计算预测的应变释放量所对应的最大震级。

触觉传感器非线性补偿仿生算法

为解决触觉传感器非线性误差大的问题,本文提出了一种基于动态密度聚类改进的自适应多种群遗传算法(IMPGA)。IMPGA算法通过对个体相似度的动态聚类分析生成多个子种群,各子种群采用自适应交叉、变异概率并行进化,提高了搜索全局最优解的效率。通过动态邻域搜索策略提高算法局部搜索的能力,通过移民算子保持每个种群的多样性和进化动力。实验表明通过IMPGA算法优化的BP神经网络能够有效减小触觉传感器非线性拟合误差,鲁棒性能好。

一类(h-Φ)半无限广义非线性分式规划的对偶

利用Ben-Tal广义代数运算,进一步推广了凸性,定义了(h,φ)-η半连通集,(h,φ)-η半预不变凸函数、(h,φ)-η半预不变拟线性函数,得到了关于(h,φ)-η半预不变凸函数、(h,φ)-η半预不变拟线性函数的两个不等式,给出了关于(h,φ)-η半预不变凸函数、(h,φ)-η半预不变拟线性函数半无限广义分式规划的两个对偶,得到了弱和强对偶性的结果以及相应的鞍点型最优性准则.

全球汽车保有量的线性阻滞预测

在本文中,我们首先分析了汽车发展的现状,利用非线性函数拟合方法建立汽车保有量线性阻滞预测模型,并利用Mathematica软件求出2020年和2030年的汽车保有量。

东胜煤田典型煤矿开采沉陷变形破坏研究

针对鄂尔多斯市东胜煤田煤矿开采沉陷引起的地表变形、破坏等问题,基于采动地表移动规律,结合东胜煤田典型煤矿岩移观测台账,采用非线性函数拟合法对采动引发的地表变形规律进行拟合;应用概率积分法进行对比验证,分析得出东胜煤田地表最大下沉速度与采矿条件之间的关系;应用极差和方差进行分析得出各影响因素中最大显著因素。以上研究成果以期为矿井工作面优化设计、采动损害程度评价预测以及采煤沉陷区的生态修复等提供基础参考和科学依据。

一类集值映射的连续性

基于对拟线性函数的深入研究，利用凸集分离定理和回收锥的性质，对由 Rn上拟线性函数构成的参数约束集，给出了在 Berge意义下当参数变化时，约束集产生的映射是下半连续的一个重要结论.利用该结论，可以很方便地得出拟线性规划稳定性的一系列结果.

基于F+S模糊度的不确定信息度量系统

针对现行模糊性度量结构特征不明确以及系统性差等方面的不足,通过模糊特征函数与模糊性综合算子建立了一类融含现有度量方法的具有广泛可操作性的F+S模糊性度量模型;给出了基于拟线性函数的模糊特征函数的数量化构造模型和基于测度理论的综合算子构造模型,进而结合综合评判问题给出了F+S模糊性度量的一种应用。结果表明F+S模糊性度量系统具有良好的可操作性,可以有效地将决策意识融入信息处理过程中,在复杂系统优化、人工智能等众多领域具有广泛的应用前景。

应用支持向量机方法预测聚合物驱参数

根据矿场观测资料计算残余阻力系数是聚合物驱实施效果评价中的重要内容。影响残余阻力系数的因素很多,关系非常复杂,常规方法难以建立准确、适用的预测模型。针对预测聚合物驱参数中存在的问题,引入非线性函数拟合的支持向量机方法,采用正则化解法,解决了油藏工程中寻求残余阻力系数预测模型的问题。计算实例证明,该方法是求复杂非线性拟合函数的一种非常有效的技术。

感应测井趋肤效应校正方法

趋肤效应校正是感应测井校正的重要方法。文章以SK 88和DF -I两种数控测井系统为例 ,针对JSB 80 1双感应八侧向测井仪的使用情况 ,叙述了分段线性拟合与函数非线性拟合两种趋肤效应校正方法以及它们在测井中的应用效果。

应用支持向量机方法预测砾石充填防砂井产能

影响砾石充填防砂井产能的因素很多,关系非常复杂,常规理论方法难以建立准确、适用的预测模型。为此,对防砂井产能的主要影响因素进行分析,引入支持向量机方法,与自然产能比方法相结合,建立了防砂井产能预测模型。该模型通过有限经验数据的学习,能够导出防砂前后采油指数与其影响因素的非线性关系。分别使用支持向量机模型和BP神经网络模型对砾石充填防砂井产能进行预测,对比结果表明,支持向量机模型有着更高的预测精度,在小样本的模式识别方面,有着自身独特的优势。

全基因组混合模型关联分析的极速回归扫描法研究

在全基因组混合模型关联分析(GWMMAS)中,利用剩余多基因遗传力代替方差比值(剩余多基因方差/误差方差),将多基因遗传力求解限制在(0,1)区间内。引入R语言Rcpp Armadillo程序包中的极速线性模型拟合函数(fast Lm Pure函数)快速估计单核苷酸多态性(SNP)效应和完整LMM最大似然值。从由GBLUP估计的性状基因组遗传力出发,逐个高通量SNP的GWMMAS约需4次全基因组回归扫描。当仅关注EMMAX法估计的大效应或高显著水准标记时,GWMMAS运行时间缩短在两次扫描之内。与采用lm函数优化剩余多基因方差比的Fa ST-LMM法相比,极速回归扫描法可成倍提高GWMMAS计算效率。计算机模拟试验证实新方法统计和计算效率,运用极速回归扫描法可高效定位与牙鲆生长性状相关基因位点。