基于传递率函数的预制混凝土夹心保温墙板连接件损伤识别

为解决预制混凝土夹心保温墙板中连接件检测困难问题,提出了基于传递率函数的连接件损伤识别方法。首先介绍了传递率函数原理,建立了用于检测预制混凝土夹心保温墙板中损伤连接件的传递率函数理论模型,得出可用预制混凝土夹心保温墙板物理参数表示的传递率损伤指标(transmissibility damage indicator,TDI)。分析理论模型的检测机理表明,该方法不仅可以判断连接件损伤程度而且检测结果不受未被检测损伤连接件干扰。分别设置单损伤和多损伤工况,通过缩尺模型试验,验证了所提出检测方法的可行性,试验结果表明,损伤连接件和无损连接件的TDI指标之间存在着明显的不同,差异达到39.2%,所提出方法可以有效确定连接件的损伤状态与程度,且多损伤工况下其他未被检测的损伤连接件对检测结果无影响。进一步通过数值模拟结果测试所提出方法的抗噪性,建议使用该方法时,保证信噪比在40 dB以上,从而保障方法的鲁棒性。

非均匀预紧力作用下螺栓连接框架结构频响函数计算

机械装备中的框架结构大多通过螺栓连接在一起,各螺栓之间出现非均匀预紧会对框架结构的振动特性参数(如频响函数)产生明显的影响。基于有限元法提出了一种考虑螺栓非均匀预紧的框架结构频响函数计算方法。按照频响函数的定义,根据模态叠加原理推导出适用于螺栓连接框架结构频响函数的计算公式;从服务于频响函数计算的需求出发,基于ANSYS软件阐述了螺栓非均匀预紧的模拟及提取包含非均匀预紧的框架结构刚度及质量矩阵的方法;给出了基于ANSYS和Matlab两种软件平台对螺栓连接框架结构频响函数进行计算的分析流程;以一个包含4个连接螺栓的框架结构为对象进行了实例研究,用试验证明了所提频响函数计算方法的合理性,在此基础上从试验及仿真两个角度分析了螺栓预紧力对框架结构频响函数的影响。结果表明,随着螺栓预紧力的增加,框架结构固有频率及频响函数峰值均变大。

基于Clayton Copula函数的二维Gumbel模型及其在海洋平台设计中的应用

根据Gumbel分布和Clayton Copula函数构造出二维Gumbel Clayton Copula分布,根据渤海海域某观测站测得的1970—1993年年最大波高及风速,具体介绍该二维Gumbel模型在海洋工程设计中的使用方法。通过导管架平台基底剪力计算表明,使用该二维Gumbel模型所得的50a一遇剪力值降低了37%,对于边际油田,可以降低荷载设计标准,从而减少海洋工程的投资费用。

函数连接型网络应用于维生素B族四组分同时测定

报道了函数连接型网络（ＦＬＮ）用于维生素Ｂ族四组分同时测定。采用相关系数和标准偏差从原始紫外光谱数据中挑选１１ 个波长点供网络处理。在函数连接型网络中，非线性输入模式得到了增强， 并使用了推广的δ学习规则。预测结果极好， 其相关系数和标准偏差分别为０．９９９０４ 和０．２６８８５。

基于测试频响函数的结构连接参数识别方法

构造了半刚性结构连接单元,并应用于结构连接参数识别的模型中。利用子结构法建立的组合结构有限元模型和不完备的组合结构的测试频响函数,导出了连接子结构参数识别方法。提出了基于子矩阵因子法求解变量系数矩阵的通用方法。并将参数识别归结为求解非线性最小二乘问题,应用信赖域法克服了最小二乘求解初值选取范围过小的问题。最后利用仿真算例对上述方法进行了验证,结果表明该方法可行且具有一定的实用性。

相关系数与连接函数

相关系数在统计及金融分析中有着广泛的应用,基于马克维茨的均值-方差理论以及现代衡量风险水平广泛应用的VaR方法等,相关系数都担当了一个重要的角色。本文对目前普遍存在的相关系数进行概括并分类,分析各类相关系数的特点,并在此基础上结合连接函数(Copula)进行分析,阐述Copula的概念、优点及其在相关分析中的应用。

基于特征提取的函数连接神经网络研究及其化工过程建模应用

对于化工过程中带噪声、强耦合的高维数据建模问题,常规的函数连接神经网络(functional link neural networks,FLNN)无法有效地进行处理。为解决该问题,提出一种基于主元分析(principal components analysis,PCA)的函数连接神经网络(PCA-FLNN)。通过对FLNN的函数扩展层进行特征提取,不仅去除变量间的线性相关关系,而且提取数据的主成分,进而简化FLNN学习数据的复杂度。为验证所提方法的有效性,首先采用UCI数据Airfoil Self-Noise对其性能进行验证;随后将所提的方法应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模;与传统FLNN进行对比,标准数据和工业数据的仿真结果表明,PCA-FLNN在处理复杂化工过程数据时具有收敛速度快和建模精度高的特点。

基于连接函数的整合风险度量研究

本文利用连接函数(Copula)解决整合风险管理中不同类型风险的联合分布建模问题,提出了基于连接函数的整合风险度量Copula-VaR及其蒙特卡洛模拟算法;以深圳发展银行和上海浦东发展银行为研究对象,将Copula-VaR与N-VaR和Add-VaR这两种业界常用的近似整合风险度量方法进行了实证比较分析,发现:与Copula-VaR相比,N-VaR和Add-VaR存在高估风险的倾向,而其主要原因则是由于N-VaR和Add-VaR对信用收益率与市场收益率之间的相关结构进行了不符合实际的假设。

导体线面连接问题中奇异函数积分的计算

在线面连接问题中 ,电流展开函数包含体展开函数、线展开函数和连接点展开函数三类。求解电场积分方程的积分项是电流基函数及其散度分别与自由空间格林函数的乘积 ,由于连接点展开函数含有一个奇异点 ,所以被积函数中含有两个奇异点。本文通过积分变换消除了奇异点 ,并将二重积分化为一重积分 ,使计算精度得到提高。计算实例验证了本文方法的正确性。

证券市场指令流与收益的非线性依赖性研究:混合连接函数(Mixed Copula)在流动性及流动性黑洞问题上的应用

高频环境下,研究流动性黑洞问题的关键在于理清净指令流与价格变化在极端情况下的动态关系。混合Copula能够帮助我们理解它们之间的非线性依赖关系。本文利用混合Copula模型,分别研究在一般状态下及发生持续的流动性冲击状态下,净指令流对收益的尾部依赖性(Tail Dependence)。研究表明,无论是沪深300指数,还是沪深300股指期货,净指令流与收益均存在明显的非线性依赖性,并且在极端情况下(发生流动性黑洞时)它们之间的非线性依赖性会发生很大的变化,并研究了股指期货推出前后,这种非线性依赖性的变化。研究表明,当沪深300股指期货推出后,沪深300指数净指令流与价格变化的尾部依赖性出现明显的非对称性,这很有可能是由于现货市场存在有限做空机制所引起的。文章进一步证实了指令簿信息对净指令流与收益的非线性依赖性具有一定的解释能力。我们建议在政策上,继续鼓励各单位落实融资融券及转融通业务,进一步加大其业务的推广范围,逐渐消除沪深300现货市场的净指令流与收益的尾部非对称依赖性,从而改善市场流动性。

连接函数(copula)技术与金融风险分析

Copula tachnique is a kind of comparatively new method of financial risk analysis, whose core is to connect the co distribution of many random variances with their fringe distributions. This coincides exactly with the method to decompose risks into different components in financial risk analysis.

B样条曲面GC^1拼接中连接函数性质及其应用

为了方便地实现B样条曲面建模,讨论了一般节点下2张B样条曲面G1连续条件中连接函数的性质,以及连接函数、本征方程和公共边界的相互约束关系.通过分析连接函数在内节点上的连续性质,提出了一种用B样条函数为连接函数的B样条曲面G1连续拼接方法.最后以分段二次连接函数为例,实现了双三次B样条曲面的G1连续拼接.该方法由于采用了重节点,释放了公共边界的自由度,使得曲面拼接更为灵活.

基于函数型连接神经网络的发输电系统可靠性评估研究

发输电系统可靠性评估的枚举法需要大量的计算时间。为减少可靠性评估的计算量,特提出一种用于识别偶发事件的函数型连接神经刚络(FLNN)分类模型。根据潮流计算特点,构造了一种能够计及有功且能够计及电压和无 功影响的简化潮流模型来快速计算行为指标(PI),形成FLNN分类器输入模式集。将FLNN分类模型和简化潮流模型相结合,提出了一种基于偶发事件筛选的函数型连接神经例络(FLNN)可靠性评估方法。用该方法对IEEE-RTS79测试系统进行计算,结果验证了该方法的正确性和有效性,同时表明了该方法在保证精度的前提下减少了计算时间,在目前情况下改进计算方法来提高计算精度比计及高阶事件的影响来提高计算精度更为有效。

基于传染力和连接强度函数的股市传闻扩散广义模型

引入节点的非线性传染力函数和相邻节点间连边的连接强度函数,构建基于股市投资者复杂网络的传闻扩散广义模型。通过对模型稳态的动力学行为的理论解析以及进一步的数值仿真发现:传染力指数?和连接强度函数指数?对投资者网络上的传闻扩散行为有明显的影响;通过调节指数?和?的值,可使标准模型中消失的传闻阈值在广义模型中重现;与连接强度指数?相比,传染力指数?对传闻阈值的影响效应更显著。

函数连接神经网络在CSTR系统仿真中的应用

采用一种函数连接的人工神经网络方法用于CSTR系统仿真,和具有MLP结构和BP算法的前馈神经网络相比,具有隐层数目少,学习算法简单快速的优点,在一个非线性CSTR系统模型仿真中的应用表明该方法具有良好的性能。

一种复值函数型连接神经网络

本文提出了一种复值函数型连接神经网络(CFLNN)结构,可以对复数域信号进行快速处理。函数型连接神经网络通过对输入模式预先进行非线性扩展,增强了输入信号的模式表达,从而可以大为简化网络结构,降低计算复杂度。本文将函数型连接神经网络推广到了复值情况并给出了基于梯度下降的学习方法。计算复杂度分析显示本方法具有结构简单,计算量低的优点。最后,将本方法运用到对复值非线性系统的辩识问题中,仿真实验表明本CFLNN性能与传统复值前馈神经网络相近或更优。

基于连接函数的VaR的蒙特卡洛算法

文章分析了已有的VaR计算方法的不足,并利用阿基米德连接函数给出了改进计算VaR的蒙特卡洛算法。

切比雪夫函数型连接神经网络在信道均衡中的应用

本文提出一种基于切比雪夫函数型连接神经网络(CFLNN)的信道均衡方法。传统的前馈神经网络虽然能有效地解决信道均衡的问题,但具有计算复杂度过高,收敛速度慢等缺点。函数型连接神经网络通过对输入模式进行非线性扩展,可以不必使用隐层而不降低整体性能,从而极大简化了网络结构。同时,神经网络的学习方法得以简化,提高了收敛速度。本文采用可变尺度共扼梯度下降法(SCG)对该函数型连接网络进行训练。仿真结果表明了用切比雪夫函数型连接神经网络解决信道均衡问题的有效性。

基于函数连接网络的焊接结构工艺过程智能识别系统

从模式识别的基本原理出发,分析了焊接结构工艺过程的分类识别特点;通过模式增强采用函数连接网络结构实现了焊接结构工艺过程的分类学习和自动识别.同时,学习速率较多层网络明显提高.实践表明是一种有效、实用的工艺知识获取和表达方法.

新型“成长”函数型连接网络预报模型及应用

对于具有生物“成长”历程的系统 ,提出一类新的“成长”函数型连接神经网络预报模型和递推Gauss-Newton学习算法。这种新型网络和学习算法 ,具有学习训练速度较快 ,预报精度高的特点 ,在油田产量预报问题中得到成功的应用。这表明本文方法的有效性。