本文在简要介绍引力模型、介入机会模型等经典空间交互模型的基础上,着重对近年来复杂系统研究领域在空间交互网络建模方面的研究成果进行介绍,包括辐射模型、人口权重机会模型及空间交互网络上的随机游走模型等,并且对空间交互网络研究中存在的挑战性问题进行探讨,包括个体多样性行为建模、群体空间交互决策行为实验、数据驱动的活动一出行行为研究等

根据插值得到的矿床规则体数据的品位空间分布,将体数据分为若干段.对不同品位段内部进行三维Delaunay划分并抽取其表面,形成了以不规则四面体为体元的体模型.把各品位段模型进行整合,实现对矿床的仿真.用“局部建模,整合显示”的思想解决了绘制速度和细节表现的矛盾,给出了体模型的矿床储量计算方法.整个模型用OOA分析,建立了模型的基础类数据结构,有良好的应用性和扩展性

由于协作机器人的结构比普通工业机器人更为轻巧，一般动力学模型所忽略的复杂特性占比较大，导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上，采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动，以电机电流估算关节力矩，获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明，补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果，各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等，表明了文中所提出补偿方法的有效性

分析了徐渝的知识传播模型,指出该模型阐述的规律适用于知识在企业中自然增长的状况,而考虑企业对知识传播的努力因素时该模型就不再适用．在分析企业努力进行知识传播机理的基础上,对知识传播模型进行了改进．改进后的模型认为如果企业努力传播某项知识,则会要求非知识拥有者都参加培训、进行学习,从而知识拥有者数量的增长速度与企业中非知识拥有者数量成正比,随着知识的不断传播,企业的知识传播将遵循先快后慢的增长规律．

采用旋转柱体法对不同类型的含氟连铸保护渣黏度进行检测，并基于Arrhenius方程通过非线性回归分析建立了新的黏度预测模型，分析了组分变化对黏度的影响。结合模型计算和实验检测，建立了CaF2?Na2O?Al2O3?CaO?SiO2?MgO渣系的等黏度图。结果表明，与传统的含氟连铸保护渣黏度预测模型相比，该模型计算的偏差在10%以内，当渣中w（CaF2）超过20%时，偏差逐渐增大，主要由于氟化物挥发造成炉渣成分变化，最终黏度实测值与炉渣初始成分不符，造成模型无法对黏度有效预测。此外，研究发现，CaF2的增加能显著降低炉渣黏度，而Al2O3和Na2O对黏度的影响受CaF2含量的限制。当w(CaF2)>17%，炉渣黏度随Al2O3含量增加而减小，当w(CaF2)<17%，Al2O3的增加使炉渣黏度显著增大；当w(CaF2)>11.5%，炉渣黏度随Na2O含量增加显著下降，当w(CaF2)<11.5%，Na2O含量变化对黏度的影响并不明显。此外，该等黏度图表明低黏度区w(CaF2)接近14%。通过调整等黏度图中各组分比例，可以改善保护渣的黏度和流动性，供钢铁工业应用

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效

介绍了应用高级语言结合图形化工具仿真动态研究异步电机矢量控制系统的方法.异步电机模型、采用矢量控制策略的变频器模型和通用机械负载模型在simulink中建立并组合为完整的变频调速系统仿真模型.模型被转化嵌入到C++的主程序而得到可以进行全面、动态、可视化仿真的异步电机变频调速系统软件.测试结果表明该方法得到的仿真模型正确,软件功能多样,使用方便

◼ 第一节 资源、环境因素在经济系统中的 地位 ◼ 第二节 资源投入产出模型的设计 ◼ 第三节 环境投入产出模型的设计 ◼ 第四节 从IO模型到IOE模型与CGE模型

泥层高度和底流浓度是深锥浓密机最为重要的两个参数，因此有必要研究底流浓度随泥层高度的变化规律.采用自制小型深锥浓密机，对尾矿非连续/连续动态压密过程进行了物理实验；借助于有效孔隙比与泥层压强间遵循的Power函数关系，结合对尾矿颗粒的受力分析，推导出了底流浓度与泥层高度的数学模型，揭示了浓密机底流浓度与泥层高度的内在关系，并从尾矿颗粒空间结构的角度解释了该模型的变化规律；结合矿山生产对于底流浓度的要求，应用该数学模型，为其推荐了泥层高度的合理范围，验证了底流浓度数学模型的可靠性.该模型为深锥浓密机的设计和运行提供了理论依据

针对传统的(NBO/T)比值计算方法在熔渣黏度预报上的不足,研究氧化物对熔渣聚合度的影响规律,修正了(NBO/T)比值的计算方法,计算结果反映了黏度随(NBO/T)比值变化的基本趋势.提出了一个基于修正的(NBO/T)比值的黏度预报模型.利用该模型预报了CaO-SiO2-Al2O3三元系、高炉渣CaO-SiO2-MgO-Al2O3四元系和CaO-SiO2-Al2O3-RO(R2O)体系的黏度值,预报效果比传统的Urbain模型和修改后的Iida模型要好.该模型能有效预报CaO-SiO2-MgO-Al2O3-R2O(K2O或Na2O)体系黏度值