Optimization of a Pipeline-Type Savonius Hydraulic Turbine

This study focuses on a DN50 pipeline-type Savonius hydraulic turbine.The torque variation of the turbine in a rotation cycle is analyzed theoretically in the framework of the plane potential flow theory.Related numerical simulations show that the change in turbine torque is consistent with the theoretical analysis,with the main power zone and the secondary power zone exhibiting a positive torque.In contrast,the primary resistance zone and the secondary resistance zone are characterized by a negative torque.Analytical relationships between the turbine’s internal flow angleθ,the deflector’s inclination angleα0,and the coverage angleαof the power zone are introduced,and a method for calculating the optimal number of blades is proposed to maximize the power zone.Results are presented about performance tests conducted on five groups of hydraulic turbines with the blade number ranging from 3 to 7.Such results indicate that both the turbine’s recovery power and efficiency attain the highest values when the blade number is 4,which is in agreement with the number of blades calculated by the proposed method.Additionally,the study examines the effects of the flow rate on turbine parameters and the projected energy generation and cost savings for a specific pipeline configuration.

FSDNP:针对软件缺陷数预测的特征选择方法

软件缺陷预测先前的研究工作主要关注软件缺陷分类问题,即判断一个软件模块是否含有缺陷。如何量化一个软件模块中含有软件缺陷的数量问题还未被很好地研究。针对该问题,提出了一种两阶段的软件模块缺陷数预测特征选择方法FSDNP:特征聚类阶段和特征选择阶段。在特征聚类阶段中,使用基于密度峰聚类的算法将高度相关的特征进行聚类;在特征选择阶段,设计了三种启发式的排序策略从簇中删除冗余的和无关的特征。在PROMISE数据集上,使用平均错误率和平均相对错误率指标,与6个经典的方法进行了比较。实验结果表明,FSDNP能够有效移除冗余的和无关的特征,构建高效的软件缺陷数预测模型。

我国留学生人数的预测及其对居民消费的影响

采用1985—2012年数据,利用时间序列分析方法,建立了刻画我国出国留学人数变动的模型ARIMA(2,2,2),得到较好的预测效果.同时研究了出国留学人数与我国城镇居民人均消费性支出之间的关系,建立了相应的模型,并进行了Granger因果关系检验.结果表明:出国留学生数的对数每增加1%,城镇居民人均消费性支出的对数将增加近0.06%.

基于GM(1.1)模型的出国留学人数预测研究

基于有限的出国留学人数的数据,利用GM(1.1)模型建立了我国出国留学人数的预测模型。结果表明,模型的预测精度等级为好。预测结果为国家有关部门掌握出国留学的趋势,制定有关政策提供了辅助决策依据。

基于L1范数的出国留学人数组合预测研究

为更准确地探究我国出国留学人数变化趋势,提出基于L1范数的组合预测模型,对出国留学人数进行预测;从多角度选取影响出国留学的因素,利用灰色关联度分析提取影响出国留学人数的典型因子,进而构建GM(1,3)模型;建立BP神经网络模型;提出基于L1范数组合预测模型,通过求解线性规划确定单一模型最优权系数;然后,对2006—2019年出国留学人数进行预测;选取GM(1,1)模型为对照模型,通过对照模型以及预测误差评价指标体系比较模型的预测精度,结果表明:基于L1范数的组合预测模型效果优于3个单一模型,有效地提高了预测精度,能够充分利用单一预测模型提供的信息,从而更加准确地预测出国留学人数;未来几年我国出国留学规模仍有较大的发展空间,预测结果可为全球疫情下我国留学相关工作提供参考。

从“人才流失”到“人才回流”:持续缩减我国留学回国与出国人数“逆差”

2007-2016年十年间,我国回国学生人数与出国学生人数均呈现不断增加的发展趋势,留学回国与出国人数的"逆差"呈相对稳定的趋势,出国人数与留学回国人数的比值呈现出波动下降的趋势。十九大报告指出,"人才是实现民族振兴、赢得国际竞争主动的战略资源"。海外留学生具有国际视野,了解中西方文化,是我国人才资源中十分重要的一部分。吸引优秀的海外留学生回国发展,成为发展中国特色社会主义、实现社会主义现代化建设一个重要的时代命题。分析"逆差"的整体发展趋势并探究其原因,从高校的角度出发,做到搭建良好的人才引进平台,完善人才引进体系;加大科技研发经费在GDP中占据的比重;完善高校就业体系;宣传爱国主义思想可以利于吸引优秀留学生回国发展,从而进一步缩小我国留学回国与出国人数"逆差"。