两相位交叉口左转车辆抢行的元胞自动机模型

为了解决道路两相位交叉口所存在的左转车辆抢行问题,避免造成严重交通冲突,首先分析了左转车辆抢行行为、路径抢行、以及与直行车辆到达冲突点的时间差相关的概率抢行,在考虑过街行人对抢行行为干扰的情况下,构建了车辆、行人耦合的双路径左转-直行冲突元胞自动机模型,通过计算机仿真分析研究了左转车辆抢行行为对交叉口通行能力的影响。结果表明,无过街行人时,左转车辆抢行使交叉口通行能力下降约5%;有过街行人干扰时,交叉口的通行能力则进一步降低10%～25%。研究结果可为提高道路交叉口服务水平、提高道路通行率和安全性决策提供参考。     

异质网络下含有相关系数的SIR传染病模型的建立和分析

在疾病传播过程中,染病者和易感者有多大的倾向接触是传染病是否流行的关键因素。为了研究相关系数在疾病传播过程中的动力学行为以及其对于传染病传播动力学特性的影响,将状态节点之间的相关系数作为动态变量,利用二元组的反卷积逼近方法,在异质网络上建立了含有相关系数的SIR传染病动力学模型,分析了系统平衡点的存在性,给出了染病者与易感者之间相关系数存在正值的条件。在泊松分布下,模拟出了平衡状态下相关系数的三维变化图。通过生物学意义,用概率的方法,给出了系统的最终规模。结果表明,通过分析含有相关系数的SIR传染病模型,得到SIR传染病模型复杂的动力学性态,即当染病者数量趋于零时,染病者与易感者之间的相关系数不为零。研究模型在控制传染病传播的动力学研究方面具有一定的参考价值。     

一类带有时滞的SIR模型的稳定性及分支分析

为了研究饱和发生率和时滞对传染病模型动力学性态的影响,建立了一类具有饱和发生率和指数出生且带有时滞的SIR模型,通过对模型特征方程的分析,判定了系统的地方病平衡点的稳定性,并找到了系统发生分支的临界值,通过数值模拟验证了理论分析结果的正确性。结果表明:当时滞小于临界值时,地方病平衡点是局部渐近稳定的;当时滞大于临界值时,地方病平衡点不稳定,并产生了Hopf分支。研究结果对解释传染病的周期性暴发、预防和控制传染病的传播具有借鉴作用。     

涡旋压缩机径向间隙的泄漏

建立了涡旋压缩机径向间隙泄漏的数学模型和模拟压缩机热力过程的计算模型。分析了不同的径向间隙量对其泄漏量的影响,以及对压缩机性能的影响。     

石油储量价值评价中投资成本级差模型的设计与检验

石油资源的价值评价中,被重点讨论的成本级差因素由4个因素组成,其中投资成本级差因素是首先要讨论的一个因素？在分析投资成本级差因素的组成因子之后,建立能够对之进行测算的数学模型,并就两个油田的实测数据给出计算结果．     

石油储量价值评价中级差因素的确定:一个物理模型

针对石油储量的价值评价工作,分析并确定了影响石油资源价值的两类级差因素即成本级差因素和价格级差因素．以及这些因素的各自构成和次级因子,进而就这些因素形成的石油储量评价的物理模型．给出了两个实际油田的数据以利于比照．     

天然气储量价值评价中价值分级模型的设计和检验

针对天然气储量的价值评价工作，分析并确定了影响天然气资源价值的天然气储量价值分级的影响因素，这些因素主要是投资成本资源条件、开采成本资源爷件、运销成本资源条件和外部成本资源条件等。同时，就这些因素形成的天然气储量评价的物理模型和数学模型．给出油田实际的数据以利于比照。     

石油储量价值评价中外部成本级差模型的设计与检验

石油资源的价值评价中,被重点讨论的成本级差因素由4个因素组成,其中有一类相对于油藏本身而言是外部性的因素,称为外部成本级差因素.在分析外部成本级差因素的组成因子之后,建立能够对之进行测算的数学模型,并就两个油田的实测数据给出计算结果.     

石油储量价值评价中运销成本级差模型的设计与检验

对石油资源价值评价中的4个成本因素之一——运销成本级差因素进行了讨论。文中分析了运销成本级差因素的组成因子之后．建立对之进行测算的数学模型,并就两个油田的实测数据给出了计算结果。     

Determining the optimal dimension of a work-in-process storage area

We study the problem of determining the optimal dimension of a work-in-process storage area in a two-line production system with delays and breakdowns. We propose a stochastic model and prove theoretical results that allow us to implement an exact algorithm for the solution of the model. We optimally solve a real instance and carry out a sensitivity analysis to evaluate if the optimal solution is stable when the initial data are perturbed.