一、差分方程简介 以t表示时间,规定t只取非负整数。t0表示第一周期初, t1表示第二周期初等。记yt为变量y在时刻t时的取值,则 称△yt=yt+1-y为yt的一阶差分,称 为的二阶差分。类似地,可以定义y的n阶差分。 由t、y及y的差分给出的方程称为y差分方程,其中含的最 高阶差分的阶数称为该差分方程的阶。差分方程也可以写成 不显含差分的形式

为了预测并控制煤炭在研磨过程中任意时刻的颗粒粒度分布,利用分形方法建立了表征煤炭研磨颗粒粒度分布动态变化的颗粒数分布模型、颗粒表面积分布模型和颗粒质量分布模型.颗粒数分布模型直观地描述了颗粒粒径主要存在的范围;颗粒表面积分布模型可以用来研究研磨过程中能耗的变化;颗粒质量分布模型可以用来计算研磨颗粒的堆密度和成浆浓度.通过分形粒度分布与实际粒度分布的比较,验证了模型的正确性

掌握主动脉的起止、区分，主动脉弓的三大分支。颈外动脉的分支及其主要分布；掌浅弓和掌深弓的组成和位置；腹主动脉脏支的名称、分支和分布。熟悉肺动干的起始与分支。颈总动脉的起始与分支，颈动脉窦和颈动脉小球的位置与作用；锁骨下动脉的主要分支分布，腑动脉和肱动脉的起始与终止；胸主动脉和腹主动脉壁支的名称及分布；髂总动脉的起始与分支；髂内、外动脉的主要分支分布；下肢动脉干的名称和位置。了解胸主动脉脏支

一、 股票是主要的投资工具之一，选择股票需证券分析，包括基本分析和技术分析。 二、基本分析：宏观经济分析、行业分析、公司财务分析、股价股值分析，侧重于固有值分析和背后原因分析

种或几种物质分散在另一种物质中所构成的体系系统称为“分散体系”。被分散的物质 称为“分散相”;另一种连续相的物质,即分散相存在的介质,称“分散介质 按照分散相被分散的程度,即分散粒子的大小,大致可分为三类: 1.分子分散体系。分散粒子的半径小于10-m,相当于单个分子或离子的大小。此时 分散相与分散介质形成均匀的一相,属单相体系。例如,氯化钠或蔗糖溶于水后形成的“真 溶液

耦合场分析的定义 耦合场分析是指在有限元分析的过程中考虑了两种或者多种工 程学科（物理场）的交叉作用和相互影响（耦合）。例如压电分析考 虑了结构和电场的相互作用：它主要解决由于所施加的位移载荷引起 的电压分布问题，反之亦然。其他的耦合场分析还有热-应力耦合分 析，热-电耦合分析，流体-结构耦合分析，磁-热耦合分析和磁-结构 耦合分析等等

农药残留分析是研究环境和农副产品、食品中农药残留种类与含量的科 学,在常量(商品农药的有效成分)、微量和超微量水平上研究农药分析的 理论与方法。随着分析科学技术的飞速发展,农药残留分析的技术水平在不 提高,分析方法在不断创新。但是农药残留分析(包括商品农药分析)结果 的准确度,很重要的一环是取决于分析对象的取样、分离提纯等处理技术

针对实际振动信号中多分量分离问题,在生成微分方程解调技术的基础上,提出一种新的迭代分解方法.首先采用生成微分方程(generating differential equation,GDE),估计初始振动信号的瞬时频率和幅值包络,然后对瞬时频率通过低通滤波分离出第一个频率,基于此频率对原始信号通过高通滤波器后提取的成分作为第一个分量,最后用初始信号减去第一个分量的余值作为下一次迭代的初始值,迭代同样的步骤分析分解直到获取所有信号分量,以低于能量比阈值作为迭代终止条件.本方法不需要先验信息.通过仿真信号验证并与传统方法进行对比分析,证明了方法的有效性.通过实测轴承试验信号的故障分析,证明了方法的实用性

采用Thermo-Calc软件分别计算硅在不同温度Zn-50%Al-xFe-ySi(原子数分数)熔池液相中的溶解度及不同温度Zn-30%Al-2%Fe-xSi(质量分数)熔池中开始形成τ5渣相和FeAl3渣相消失时该熔池中硅含量,采用平衡合金法测定Zn-50%Al-xFe-ySi合金液相中硅的溶解度和不同硅含量的Zn-30%Al-2%Fe-xSi合金的相平衡关系.当温度分别为540、560、580、600和620℃时,硅在Zn-50%Al-xFe-ySi体系液相中的溶解度(原子数分数)计算值分别为0.82%、0.95%、1.11%、1.28%和1.47%,实验结果与计算结果吻合很好.当熔池温度分别为580、600和620℃时,在Zn-30%Al-2%Fe-xSi合金中刚开始出现τ5相时所对应硅质量分数的计算值分别为0.6%、0.72%和0.84%,发生FeAl3相消失对应的锌池中硅质量分数的计算值分别为1.12%、1.22%和1.34%,实验结果与计算预测结果基本一致

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量