分数阶RL_βC_α电路特性研究

为探究RLC电路在分数阶下的新特性与新规律,将分数阶电感与电容引入RLC电路。基于分数阶电容与电感定义,推导出分数阶RLC电路阻抗表达式的一般情况;给出纯虚阻抗的满足条件,分析分数阶阶次等系统参数对纯虚阻抗的影响规律;给出分数阶RLC电路短路状态的一般规律与满足条件,推导出短路频率与短路电阻的规律表达式;推导出分数阶RLC电路纯实阻抗电路状态的满足电路频率;给出分数阶RLC电路设计优化举例。研究结果表明,由于分数阶阶次引入,RLC电路设计将展现更多自由度与灵活性。     

改进高阶容积粒子滤波的系统状态估计算法

传统粒子滤波（PF）直接采用状态转移先验分布作为重要性密度函数来近似后验概率密度函数，使得后验概率密度函数未包含量测信息。针对此问题，提出了一种改进高阶容积粒子滤波(CPF)的系统状态估计算法。算法采用七阶正交容积卡尔曼滤波（7th-CQKF）对PF的粒子进行传递，使得先验分布更新阶段融入最新量测信息；通过7th-CQKF设计重要性密度函数，提高对状态后验概率密度的逼近程度；通过反比例函数计算粒子权重，突出大噪声粒子与小噪声粒子权重差别，提高粒子有效性。仿真结果表明，改进高阶容积粒子滤波的估计精度高于容积粒子滤波（CPF）。     

寡头博弈模型中的时间记忆性质与预期对模型稳定性的影响

公平竞争是市场经济的灵魂,是发挥市场力量的关键.研究寡头垄断企业的竞争行为和竞争环境对中国强化反垄断,构建更加安全公平、有效竞争的经济市场意义重大.梳理寡头垄断企业中的价格竞争和产量竞争中的模型稳定性研究情况,通过模型的边界均衡点和局部均衡点来分析模型的稳定性,对寡头博弈模型中时间的记忆性与预期对模型稳定性的影响进行分析.     

沈阳院企业绩效评价初探

随着十四五规划的发布,科学技术、农业发展进入产业化领域的步伐进一步加快,对科学研究与试验发展行业造成了较大的冲击,而且科学技术交流成果网络化平台等新模式的兴起,又造成了市场的进一步分化。 在激烈的市场竞争面前,传统科研企业面临越来越大的挑战,收入和利润普遍下滑。 由于科研企业大多未能脱离于事业单位的管理体制,机制不灵活,效率较低。 如何为科技创新注入活力,成就百年企业的梦想,激发员工的积极性和创造型,显得越来越重要。 文章将以沈阳院创业元年为契机,以沈阳院的 4 家企业作为研究对象,通过了解目前这 4 家企业绩效评价的现状,发现其中的问题,提出解决的措施,并以实例数据对这 4 家企业重新进行绩效评级,指出沈阳院企业经营中存在的问题及下一步改进方向。     

长记忆随机波动率模型下带跳的回望期权定价

文章用鞅定价方法探讨了长记忆随机波动率模型下带跳的回望期权定价问题,基于均值方差分析思想,最后推出了其市场定价公式。     

一季度经济：总体向好稳中有进

2015年中国经济进入新常态：即进入高效率、低成本、可持续的中高速增长阶段。中央经济工作会议明确将“努力保持经济稳定增长”置于2015年经济工作五项主要任务的首位。眼下,一季度收官,国家统计局发布的统计数据显示：一季度国内生产总值为140667亿元,按可比价格计算,同比增长7%;从环比看,一季度国内生产总值增长1.3%。     

农村留守儿童教育费用的调查研究

文章利用中国家庭追踪调查数据,运用面板数据的一阶差分估计分析农村父母外出务工对子女教育支出的影响。通过数据分析,可以发现父母外出务工与子女家庭教育支出之间有正相关关系。这为解释留守儿童的教育发展问题提供了经验上的证据。     

关于奇解的若干探讨

对于一阶常微分方程奇解的有关问题，本文针对有关一阶常微分方程奇解的定义和求法进行了系统的归纳和总结，列举了求奇解的两类方法；并根据p－判别曲线求奇解的方法，讨论了克莱罗（Clairaut）微分方程和两类特殊类型的一阶常微分方程的奇解以及奇解存在的充分条件。     

基于高光谱曲线的马铃薯与其他主要作物光谱差异性分析

[目的]文章以马铃薯关键生长期——结薯期为测量时点,以马铃薯和玉米、大豆、水稻为研究对象,开展高光谱曲线特征差异性研究。[方法]为更好地描述马铃薯与其他作物的光谱差异,创建高光谱反射率差异性指数、高光谱一阶导数差异性指数、高光谱红边幅值差异性指数、高光谱曲率差异性指数及高光谱植被指数差异性指数。[结果](1)马铃薯与玉米、大豆、水稻3种作物光谱曲线具有明显差异,马铃薯与玉米的反射率值在480nm附近蓝色波段位置差异最显著,差异性指数值为67.866%,与大豆、水稻的最大差异性指数值分别为49.068%、57.559%,均位于550nm附近绿色波峰位置;(2)作物光谱曲线经一阶导数变换运算,马铃薯与其他作物间的光谱差异被显著放大,在近红外波段放大程度最显著;(3)马铃薯与玉米、大豆、水稻高光谱曲率差异性指数最大值均位于波长750nm附近,差异性指数值分别为78.365%、63.471%、80.882%;(4)常用植被指数中,比值植被指数、增强型植被指数可显著区分马铃薯与玉米、大豆、水稻。[结论]差异性分析结果为农作物空间分布遥感识别提供了技术支撑。