一类耦合连续时间随机游走模型的控制方程

应用耦合连续时间随机游走模型构造出一类特殊的时变Levy过程,研究了这类过程的控制方程并分别讨论了当时间过程为三种不同的逆从属过程时的控制方程以及各阶矩的情况.

裂隙介质中Pu迁移的连续时间随机游走模拟

为更准确地模拟核素的非菲克迁移行为并寻求一种更合理的建模方法,根据一维裂隙岩柱中Pu(钚)迁移试验资料,利用基于不同联合概率密度的连续时间随机游走(CTRW)模型和传统对流-弥散方程(ADE)对Pu迁移的穿透曲线(BTC)进行了过程模拟,对比分析了ADE模型、CTRW-TPL模型、CTRW-TPLA模型和CTRW-ETA模型的拟合程度及适用性,进而选择出最优的模型对不同胶体浓度下Pu在裂隙介质中的迁移进行模拟研究.结果表明,相较于传统ADE模型,参数拟合后考虑吸附作用的CTRW-TPL模型能有效地描述非菲克迁移行为特征,CTRW-ETA拟合过程更易实现,但能为迁移行为的刻画提供的信息较少.研究还发现胶体的存在显著提高了Pu在裂隙介质中的迁移性,但胶体浓度超过某个临界值后,随着浓度升高Pu的迁移性反而减弱,在CTRW理论框架中,该过程表现为表征广义运移速度和弥散系数的参数值先增大后减小,而介质对溶质颗粒的平均吸附率先减小后增大.

基于主方程和连续时间随机游走模型的扩散方程导出

分别从布朗运动的主方程和连续时间随机游走模型出发导出了经典的扩散方程。进一步,在加入了外力场后,得到了Fokker-Planck方程,并对描述次扩散现象的分数阶扩散方程的导出进行了研究。

非均质土柱中溶质迁移的连续时间随机游走模拟

非均质介质中溶质迁移往往出现非费克现象,传统的对流弥散方程(ADE)则难以较好地描述这种现象。采用连续时间的随机游走理论(CTRW)研究1 250 cm长一维非均质土柱中溶质运移问题,探讨CTRW模型中参数及非费克迁移的变化特征。研究结果表明,β值的大小与介质的非均质特征有关,非均质性越强,β值越小,但β值具有相对的稳定性,然而ADE的弥散系数则具有随尺度增大而增大的现象。对于介质非均质性较强和非费克现象较明显的溶质穿透曲线,尤其是在拖尾部分,与ADE相比,CTRW具有较高的模拟精度。

平行大理石板裂隙污染物运移实验与连续时间随机游走模拟

单个裂隙是构成裂隙网络的基础,其中的水流和溶质运移机理目前尚未完全清楚。文章使用平行大理石板构成单裂隙试验模型,研究了水力梯度和流速之间的关系以及溶质运移规律,采用连续时间随机游走(continuous time random walk,CTRW)模拟软件包中的截断幂函数(truncation power-law function,TPL)对溶质的穿透曲线进行模拟,并与传统的对流-弥散方程(advection-dispersion equation,ADE)模拟结果进行了对比,探讨了CTRW中参数的变化特征。结果表明:实验条件下的水流呈非达西流,用Forchheimer方程能更好地拟合裂隙中水力梯度和流速的关系;裂隙内的溶质运移为非费克运移,表现出明显的“拖尾”现象;在实验条件下拟合溶质运移的穿透曲线,TPL的拟合结果均明显优于ADE;同一隙宽下,模型参数β随流速的增加而增加,其值分别为0.882、1.045、1.375;同一流速下,β随隙宽的增加而减小,其值分别为1.375、1.263、1.112。

基于人工神经网络和随机游走模型的汇率预测

由于金融数据具有随机性特征,使得建模和预测变得极其困难.提出一种组合预测方法,即假定任何金融时序数据由线性和非线性两部分组成,将其中线性部分的数据通过随机游走(RW)模型进行模拟,剩余的非线性残差部分由前馈神经网络(FANN)和诶尔曼神经网络(EANN)协同处理.从实证结果可知,该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度.

动态连续时间网络表示学习

随着时间的推移,网络会随着节点和连边的变化不断发展。针对传统网络表示学习算法不能正确处理动态网络的问题,提出一种基于随机游走的动态连续时间网络表示学习算法(DCTNE)。通过定义一个灵活的节点时序邻居概念,设计一个有偏的随机游走过程。根据时间信息,有效地探索节点的不同时序邻居并建模不同邻居的影响,学习网络表示。实验证明了DCTNE动态网络时序信息的有效性。在链接预测任务上,DCTNE的AUC值与其他算法相比最高获得了50%的增益;在节点分类任务上,DCTNE相较于其他算法在效果上有明显提升。结果表明,对网络中时间依赖关系进行建模有助于后续的网络分析任务。

非均质条件下锶迁移的反向随机模拟

通过重新分析用于模拟降雨入渗和示踪剂释放迁移的室内土柱(填装砂土和黏土)实验,基于对流弥散方程(ADE)和连续时间随机游走(CTRW)理论的模型,对实验穿透曲线进行了反向模拟,定量分析了锶(模拟^(90)Sr)的non-Fickian弥散迁移规律。结果表明,由于粒子扩散进入不流动区和吸附到矿物表面等因素的影响,从土柱中淋滤出来的溴和锶的最大质量份额分别约为60%和50%,此外,流出曲线不同程度的早到和拖尾特征也表明,土柱实验中存在优先流现象。CTRW模型考虑了水力-化学耦合效应过程,较好地描述了锶的non-Fickian迁移(0<β<2)和Fickian迁移(β>2)行为,non-Fickian弥散迁移可归结于土柱结构非均匀性导致的流场变化(如优先流)和复杂的吸附过程,特别是,锶在黏土矿物中吸附导致了其峰值浓度的降低和延迟,进一步增加了non-Fickian迁移。

时间与位置感知的活动个性化推荐方法

基于时间和空间感知,提出一种新的活动推荐方法。考虑用户的社会关系,通过构建用户、地点、时间、活动、朋友关系异构信息网络,采用随机游走算法获取推荐活动。实验结果表明,与流行活动推荐方法和基于社会关系的活动推荐方法相比,该方法能获得较好的推荐效果。

考虑介质微观非均质特征的乳状液渗流模型

油水乳化渗流是三元复合驱和热力采油过程中常见的现象,地层介质的微观孔隙结构特征对乳状液流动有着重要影响.现有描述乳状液渗流的理论模型都属于确定性方法,只能反映出介质孔隙结构的体积平均效果.当介质内部微观非均质性相比其尺寸不能被忽略时,采用确定性方法描述会与实验结果存在偏差.基于连续时间随机游走理论建立了描述乳状液渗流的随机理论模型.该模型引入反映液滴微观运动特征的跃迁时间和跃迁位移两个概率分布函数来反映多孔介质微观非均质特征.研究结果表明该模型能很好地刻画实验曲线中出现的与介质尺度相关的拖尾现象,可作为更一般的过滤模型.

基于时间点击图挖掘的查询建议方法

采用查询建议技术表现用户查询意图的多样化,并自动向用户提供多种选择,是当前搜索引擎普遍的做法。但当前的查询建议研究鲜有考虑时间因素对生成查询建议的影响,而实际上在很多情况下,用户的查询意图会随着时间的推移发生改变。为此,根据时间点击图挖掘原理提出一种查询建议方法。对原始的查询日志文件进行预处理,生成时间点击图。对时间点击图进行非连通子图检测和图的合并操作,以降低或消除图的非连通性。采用基于随机游走模型的图挖掘算法,生成给定查询的查询建议集。在真实的Web环境下进行实验,结果表明,利用该方法能够提高查询建议的精度和差异度,从而生成更加可靠的查询建议。

地下水溶质反常运移的分数阶对流扩散模型研究进展

地下水溶质在非均质多孔介质中的扩散过程并不总是遵循Fick定律,因此称为反常扩散或反常运移,其本质上是非马尔可夫非局域性过程.分数阶对流扩散模型可以对含水层中溶质的这种运移进行充分而准确的描述.本文在阐明多孔介质溶质反常运移基本问题及其动力学机理基础上,综述了三类分数阶对流扩散模型,即空间分数阶对流扩散模型、时间分数阶对流扩散模型和分布式分数阶对流扩散模型,并详细讨论了分数阶对流扩散模型在地下水溶质反常运移领域的应用前景和挑战.

内应力重分布驱动且具有广义跳跃步长的反常扩散研究

基于连续时间随机游走的框架, 考虑了随机等待时间由内应力重分布驱动并且具有指数截断Lévy分布的跳跃步长所导致的反常扩散现象。 给出了一个广义扩散方程用于描述这种反常扩散 现象,并对其反常扩散性质进行了分析。

微博环境下基于用户行为与主题相似度的改进PageRank算法

针对传统PageRank算法存在主题漂移、网页权值均分等问题,提出一种改进的PageRank算法。为提高用户查询效率和搜索质量,结合时间反馈因子对用户转发、用户评论和微博提及行为进行综合分析,采用统计分析方法对用户行为在微博用户影响力排序中的贡献进行度量,并利用改进的TF-IDF算法计算主题相似度权值使用户能够选择相关度较高的网页,从而获得相对应的PageRank权值。实验结果表明,与微博常用排序算法相比,改进PageRank算法具有更好的用户影响力排序效果。

数理金融学的范式危机与变革

本文指出数理金融学将资产价格随时间演变的过程假设为随机变量,是导致数理金融学产生范式危机的根本原因。本文根据金融资产价格与时间一一对应的函数关系,使用样本函数范式和公理化方法重建了数理金融学的基本概念、基本定律和基本结论,建立了积分形式的随机游走模型,演绎推导出了可揭示金融资产价格运动规律的时间自相关函数和功率谱密度函数,从理论上证明了股票价格的可预测性,发现了隐藏在随机游走过程中的长期线性趋势。

我国期货市场非线性特征的实证检验

一．问题的提出 主流的金融理论基于一种线性思维，假定收益率序列是一个I．I．D过程，并且用随机游走模型来描述价格的变动。根据中心极限定理，当样本容量趋于无穷大时，收益率会服从正态分布。传统金融理论对时间序列的计量分析都是建立在这种高斯假设之上。随着研究的深入，人们发现了许多违背线性假定的经验事实。如果收益率分布不服从正态假设，而且时间序列是非独立和非线性的，那么，我们就需要重新审视目前大部分检验方法。本文将对中国期货收益率序列进行实证分析，以验证其中是否存在非线性特征。

一类描述次扩散现象的分数阶偏微分方程研究

通过积分形式的主方程出发导出了一类分数阶偏微分方程,进一步说明了其可用来描述反常扩散中的次扩散现象。最后,证明了该积分形式的主方程与连续时间随机游走(CTRW)模型是等价的。

基于信息传播节点集的CTDN节点分类算法

针对连续时间动态网络的节点分类问题,根据实际网络信息传播特点定义信息传播节点集,改进网络表示学习的节点序列采样策略,并设计基于信息传播节点集的连续时间动态网络节点分类算法,通过网络表示学习方法生成的节点低维向量以及OpenNE框架内的LogicRegression分类器,获得连续时间动态网络的节点分类结果。实验结果表明,与CTDNE和STWalk算法相比,该算法在实验条件相同的情况下,网络表示学习结果的二维可视化效果更优且最终的网络节点分类精度更高。

基于超图的多文档新闻关键词抽取

新闻作为网络信息传播的重要载体,其本质是一个以接近真相为目标的持续过程。随着时间的推进,针对同一新闻事件会出现大量详尽程度不同的网页。如何在这些网页中快速、准确地抽取出这一系列新闻的关键信息成了一个越来越重要的课题。关键词作为对文章内容的简要概括,可以使用户快速了解新闻事件,从而节省大量的时间,因此关键词抽取技术被认为是解决此类问题的关键。文章通过分析新闻网页的特点,提出一种新的基于超图模型的多文档关键词抽取方法,该方法以词作为节点,新闻网页作为超边,并结合网页信任度、新闻发布时间因素,建立了多新闻文档的超图模型,最后使用超图排序算法抽取出关键词。实验的结果验证了该方法的准确性。

新冠疫情科研合作网络的动态演化及其影响因素探析

基于WALKTRAP随机游走算法对科研合作网络进行社区划分,时间上通过建立时间指数随机图模型探究合作网络演化和动态演变影响机制,空间上通过建立空间误差模型探究国家科研合作的影响因素,研究结果显示:科研合作产出的重要社区主要围绕新冠疫情死亡因素、急性呼吸窘迫综合征、通风以及新冠疫情的治疗效果等展开研究;结构上,该社区呈不断发散的、稳进式增长的良性结构,但缺乏创新性和消融性;网络形态上,该社区从高稀疏的多维群集向高聚集的单一群集演变并伴随“小世界”网络特征;国家的科研合作关系具有空间溢出效应,科研产出水平、邻近国家的合作数量、隶属于同一机构作者及其学术成就对国家的科研合作关系均有显著正向影响。