在平凡生命的凝视中展现人文之美——韩剧在中国流行的启迪

韩剧在中国的热播给了人们诸多启迪。文章从情、真、美三个角度对韩剧在诠释平凡人生、呈示真情关怀、传扬人文魅力等方面进行了赏析。     

外汇汇率时间序列静态属性的抽取

为了能够使用现有的数据挖掘技术(例如粗糙集)对外汇汇率时间序列进行数据挖掘,必须从外汇汇率时间序列数据中抽取决定时间序列行为发展趋势的静态属性.针对外汇汇率时间序列的特殊性,给出了时间序列静态属性抽取技术的几个关键步骤,完成了从外汇汇率时间序列中抽取出静态属性,最后利用这些静态属性组成的数据库,实现了对外汇汇率时间序列比较准确的预测.     

结构-声辐射功率灵敏性分析与应用研究

分析了外载荷下的连续结构体的声辐射功率灵敏度和声辐射优化问题．结构的频率响应采用有限元法处理,声辐射问题用边界元法来分析．结合泰勒展开式,将结构-声辐射功率灵敏度信息应用于结构-声辐射优化分析中．在数值计算中,以水中双层加肋圆柱壳结构的声辐射优化问题为例进行数值分析,验证方法的可行性和有效性．     

集装箱堆场消防参数及消防方式的探讨

通过对集装箱堆场消防系统设计参数的分析论证，提出集装箱堆场的消防设计参数为：消防用水量采用30L/s，火灾延续时间采用4h。根据港区陆域的特殊性，大面积集装箱堆场宜采用移动式消防方式。同时，对集装箱堆场的消防设计提出了相关的优化建议。     

电铁串联电容补偿装置设置方案研究

以电气化铁道27.5 kv侧电压损失计算电路为基础,对电气化铁道串联电容补偿装置容抗的选择范围进行了分析,对串补装置安装置与最大提升网压的关系及其影响因素进行了研究,并对供电臂新设串补装置和新增串补装置的设置方案给出了建议.     

桥梁风致振动的混沌特性

利用非线性理论和混沌时间序列分析方法, 建立了桥梁风致振动的数学模型, 开发了计算桥梁振动加速度时间序列Lyapunov指数的MATLAB程序, 进行了桥梁涡振和颤振的风洞试验, 分析了不同风攻角下的桥梁风致振动的阻尼比、Lyapunov指数与风速的关系以及涡振振幅与风速的关系, 研究了桥梁颤振和涡振的混沌特性。试验结果表明: 在颤振试验中, 当风速小于颤振临界风速15.5m·s^-1时, Lyapunov指数小于0, Lyapunov指数与阻尼比存在很大的相关性, 当风速从3m·s^-1增大为18m·s^-1时, 相空间逐渐发散; 在涡振试验中, 当风速从4.5m·s^-1增大至8.5m·s^-1时, Lyapunov指数大于0, 桥梁发生明显涡振, 并由多频振动逐渐转变为单频振动, 相空间变为一个较为理想的圆。桥梁的涡振与颤振均属于混沌现象, 低风速下的Lyapunov指数可用来预测高风速下的风致振动, 并且利用相空间也能识别涡振与颤振。     

基于时间序列与小波分析的船舶柴油机故障诊断

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号.采用时间序列分析方法对船舶柴油机缸盖振动信号功率谱进行识别,采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断.     

基于串联排队网络的三峡-葛洲坝水利枢纽联合调度模型

为了提高三峡-葛洲坝水利枢纽的整体通过能力, 分析了三峡-葛洲坝水利枢纽联合调度的实际需求, 建立了三峡-葛洲坝水利枢纽联合调度数学模型, 考虑了闸室面积利用率最大、整体待闸时间最小两个目标函数和船舶编排过程中的八个约束, 应用串联排队网络理论求解模型。算法将申报船舶按照航向分成四个船舶序列, 动态计算每艘船舶的权重, 兼顾船舶长度与宽度优先, 待闸时间约束、葛洲坝船闸通航条件限制和任务均衡的要求, 循环排船, 逐步优化。应用结果表明应用该数学模型和编排算法编制一个计划期的两坝五闸计划仅需2 min, 编排时间短, 葛洲坝2^#船闸的闸室面积利用率高于70%, 并且客船和旅游观光船均排在前面的闸次中, 说明客船的待闸时间约束是满足的, 并且在航向上是上下航向交替运行, 没有出现倒闸情况, 编制的计划满足实际调度需要。     

城市交叉口交通流特征与短时预测模型

时间尺度大于15 min的城市交通流预测模型已无法满足交通信号实时控制和交通信息实时发布的需求, 通过对广州市中心区交叉路口交通流长期观察和数据采集, 分析了各种时间尺度的交通流特性, 提出以路口信号周期作为时间尺度, 绿灯流率作为变量的ARIMA (p, d, q) 短时交通预测模型。以1个和3个信号周期的时间尺度为例, 对城市交叉路口不同时间段交通流进行建模和预测。结果表明ARIMA (p, d, q) 预测模型结构稳定, 算法简单, 时间尺度为3个信号周期的预测模型可以很好地保持交通流特征, 均方根误差为0.015 9, 预测精度较高。     

Forecasting bunker prices; A nonstationary,multivariate methodology

This paper suggests a methodological approach for the forecasting of marine fuel prices. The prediction of the bunker prices is of outmost importance for operators, as bunker prices affect heavily the economic planning and financial viability of ventures and determine decisions related to compliance with regulations. A multivariate nonstationary stochastic model available in the literature is being retrieved, after appropriate adjustment and testing. The model belongs to the class of periodically correlated stochastic processes with annual periodic components. The time series are appropriately transformed to become Gaussian, and then are decomposed to deterministic seasonal characteristics (mean value and standard deviation) and a residual time series. The residual part is proved to be stationary and then is modeled as a Vector AutoRegressive Mooving Average (VARMA) process. Finally, using the methodology presented, forecasts of a tetra-variate and an octa-variate time series of bunker prices are produced and are in good agreement with actual values. The obtained results encourages further research and deeper investigation of the driving characters of the multivariate time series of bunker prices.