光谱法测量等离子体离子温度和再循环粒子流速

利用多道光学分析仪（OSMA）测量HT-6M托卡马克限制器前Hα线形分布,通过高斯拟合由多普勒展宽和多普勒频移分别得出等离子体离子温度和再循环粒子流速。     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。     

α粒子散射公式的几种推导方法

本文用不同方法导出α粒子散射公式,将有助于《原子物理学》课程的课堂教学工作.     

红磷烟雾对10.6μm激光的消光分析

本文简要叙述了红磷形成烟雾的过程及性质,并用 Mie 理论计算了不同温度条件下红磷烟雾对10.6μm 激光的质量消化系数α_c 和质量散射系数α。理论计算与实验测得的α_c 有较好的一致性。     

A356铝合金飞轮壳挤压铸造工艺参数优化

为探究最优的A356铝合金飞轮壳挤压铸造工艺参数组合，课题组研究了运用铸造数值模拟仿真、建立遗传算法优化后的BP神经网络及粒子群算法，以最小缩松缩孔缺陷体积作为优化目标，对浇铸温度、模具预热温度、比压和保压时间4个参数进行优化。结果表明：优化的工艺参数组合为浇注温度676.2 ℃，模具预热温度280 ℃，比压66.5 MPa，保压时间40 s 。优化后参数组合能够有效提高铸件成形质量及力学性能。     

SDN供需流的两阶段及其优化分析——基于木地板生产企业的视角

在传统企业向供需网企业转变过程中,作为SDN的一个供需流,其核心集中在对车间生产调度及物流配送的优化上.针对这两个问题,基于木地板生产企业的现状,本文引入了量子粒子群与模拟退火相结合的混合算法,以及一种求解物流系统的整合优化模型与求解的启发式算法分别对其进行研究,具有一定的实用价值.     

一种高碳低合金钢的热塑剪切带的实验

采用高速锤加载方式，研究了一种高碳低合金钢处于非剪切变形加载条件下的热塑剪切带的形成发展规律，试验结果表明：在目前的加载速率下，形成的剪切带是一种变形带，而不是相变带，带的形成与材料内部的二相粒子的尺度大小没有太大的关联。     

金融时间序列混合智能预测模型及实证研究

文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型.经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值.证券市场实证研究表明该模型可以准确预测金融时间序列.     

基于粒子滤波的目标主动轮廓跟踪算法

传统的粒子滤波方法采用若干维参数定义的简单几何图形给出跟踪结果,不能精确表示现实中具有复杂形状的目标物体。针对这一问题,该文提出基于粒子滤波的主动轮廓算法,用于计算复杂形状目标的轮廓跟踪任务。在目标状态后验分布的模拟样本基础上引入主动轮廓模型,并使用带权粒子定义其能量函数,使得模型的轮廓线向具有重要权重粒子的所在区域演化,并最终收敛到具有最大目标似然的图像区域,从而实现对目标物体的全局运动及局部形态演化的同时估计。精确的目标区域提高了目标模型的更新精度,避免了跟踪中漂移现象的发生。最后,结合真实机场监控验证了该方法在实际复杂场景下的有效性及鲁棒性。     

基于加权案例推理模型族的软件成本SVR组合估算

精确地估算软件成本是软件项目成功开发的一个重要保证,直接影响着软件的风险控制和质量保证.为了更好地解决单一估算模型的不足,提出了集成多案例推理(CBR)模型的软件成本组合估算模型.首先,采用六种距离计算公式刻画新旧项目相似度,构建了六种CBR模型,并运用粒子群算法(PSO)来优化CBR模型族中的属性权重.其次,在CBR模型族的基础上,运用支持向量回归机(SVR)模型将不同CBR模型的估算结果进行集成,提高软件成本估算结果的精度.利用Deshamais数据库对模型有效性进行检验,实证结果表明,在六种CBR模型中Euc-CBR、Min-CBR、Gau-CBR和Mah-CBR模型估算结果没有明显差异,Gre-CBR和Man-CBR模型略优;提出的SVR组合估算模型估算精度明显优于单CBR模型和其他线性组合估算模型,能有效提高软件成本的估算精度.