以技术动力学视角看电动汽车的发展前景

在目前能源短缺、环境污染严重、节能减排的巨大压力下,先进的电动汽车技术成为人们关注的热点.基于技术动力学的一般规律,针对电动汽车发展涉及的电池技术发展、充电基础设施及其与电动汽车的协调等问题,对电动汽车作为新生事物具有的学习效应、网络与路径依赖以及其中的不确定性、技术路线与政府的角色等方面进行了分析,可为电动汽车发展战略与政策的制定提供参考.     

电力谐波的危害与治理

随着工业经济的迅速发展,供电系统非线性负荷的大量增加,对电网造成的干扰愈加严重和复杂,导致电网供电质量下降。目前,电力谐波污染、功率因素降低与电磁干扰已并列为电力系统的三大公害。电力谐波危害已经引起了各个部门的关注,为了整个供电系统的供电质量,必须对谐波进行有效的检测和治理。     

基于SD的区域协同创新网络结构风险研究

区域协同创新网络结构是高新技术园区在创新功能方面的抽象模型,准确识别、分析和预防风险是其健康发展的重要一环。首先分析了区域协同创新网络结构及其风险类型,通过构建区域协同创新网络结构风险的因果关系模型,揭示了协同创新网络结构风险的形成过程。在此基础上,基于全国38个软件园基地数据,建立了区域协同创新网络结构风险SD模型,并对模型进行了仿真和应用研究,以此揭示影响区域协同创新网络结构风险的关键因素,从而为区域协同创新网络健康发展和创新政策制定提供理论指导。     

联产品协同生产的成本驱动实证研究

实证研究证明，联产品生产的协同作用也是产品成本的驱动因素。协同成本的动因在于联产品的组成变量。在联产品协同生产过程中，所采取的基于非线性成本函数的边际成本计算法，应该是数理依据严谨、实务应用可行的方法。     

基于支持向量机的安全投入需求预测研究

由于煤炭安全投入影响因素较多,所具有的非线性、复杂性与内在随机性,传统的方法难以准确模拟其变化状态并预测未来需求。神经网络是一种较好解决此类问题的方法,但是本身存在诸多缺陷,而这些缺陷支持向量机（Support Vector Machine．SVM）可以克服。本文基于安全投入预测的非线眭,利用统计学习理论的支持向量机,建立基于支持向量机的预测模型。     

输变电设备制造业集群集聚效应的系统动力学分析

目前对产业集群竞争优势的研究大多从纯经济学、技术经济学、社会学、产业组织学等角度,用系统动力学方法分析的研究很少见到。运用系统动力学的方法对输变电设备制造业集群集聚效应进行分析,阐述了该集群竞争优势的产生机制,为产业集群集聚效应的测算和产业集群竞争力的定量研究提供了理论指导。     

"送猪崽"与"折现金":我国产业精准扶贫的路径分析与政策模拟研究

产业扶贫旨在将贫困户的生产活动纳入社会产业大循环,因此其一直是全世界扶贫工作的重要方式和主要目标之一.我国产业精准扶贫出现了两条新路径:一是GTP路径,即向贫困户送猪崽、鸡苗和良种等资本,直接将贫困户的生产纳入当地的产业体系;二是GSP路径,即将扶贫资金折合现金并由贫困户自己决定投资项目和选择产业.文章构建了包括贫困户和非贫困户的微观主体行为模型以及基于农村公平和效率的农村福利模型,分别研究了这两条新路径上贫困户福利和农村福利的动态演变过程,然后使用系统动力学模型进行了政策模拟,拟探索出我国产业精准扶贫的最优路径及其政策支持空间.结果显示:在第3~4年的时间内,GSP路径要优于GTP,但是超过4年,GTP路径上的贫困户福利和农村福利就会累进性超过GSP.而且,在GTP路径上的时间越长,扶贫效果就越好.在中长期,提高贫困户的技术水平,增加贫困户的初始资本额是进一步提高GTP路径上贫困户福利和农村福利水平的重要环节.文章的结论对于提高我国精准扶贫的理论自信,进一步完善我国产业精准扶贫政策体系具有一定的启示.     

容积Rauch-Tung-Striebel平滑器

针对离散非线性系统的状态平滑问题,基于Rauch-Tung-Striebel(RTS)理论设计了一种容积卡尔曼平滑器(Cubature Kalman Smoother,CKS),即容积Rauch-Tung-Striebel平滑器(RTS-CKS)。首先,基于经典贝叶斯状态估计理论框架,推导了状态概率密度分布形式的非线性系统最优平滑算法;其次,基于Rauch-Tung-Striebel理论,建立了相应的最优平滑递推算法;然后,将其与容积卡尔曼滤波算法相结合,建立了递推形式的RTS-CKS平滑器;最后,通过典型的纯方位跟踪模型验证了该平滑器的可行性和有效性。该平滑器为非线性系统的状态估计提供了新的估计算法。     

标枪最后用力动作动力学分析

本研究主要运用运动生物力学研究方法,采用三维摄影与三维测力台同步测量手段,获得标枪运动员投掷标枪最后用力阶段人体的运动学和前后脚地面支撑反作用力的动力学指标,并对其进行生物力学分析。     

改进的扩展互信息分离算法

扩展互信息分离算法采用单隐层神经网络近似算法代价函数中的非线性函数,可调节 的参数有限,需要多次迭代才能收敛,从而导致收敛速度较慢。针对这一问题, 采用双隐层神经网络近似非线性函数,以分离结果的互信息最小化作为代价函数,采用梯度 下降方法对代价函数进行优化,增加了可调节参数数量。仿真实验结果表明,改进后的算法 相对原算法收敛速度更快,误差更小。