根据能量守恒、流动和传热传质等原理及定律,建立了球团矿冷却和氧化过程的数学模型,采用三对角矩阵算法对模型进行了求解,基于VisualBasic6.0开发了仿真计算软件.依据现场实测数据对建立的数学模型进行了验证,计算值与实测值之间的最大相对误差为4.8%,说明模型正确可信.利用开发的计算软件对球团矿在环冷机内的热过程进行了仿真计算,得到了环冷机内球团料层的温度分布.仿真研究表明,冷却一段风速、料层厚度、球团粒度和环冷机机速是影响环冷机内部球团料层冷却过程的主要因素.在本文研究条件下,合理操作条件为:料层厚度550～800mm,球团粒度7～16mm,冷却一段风速1.2～2.5m·s-1,环冷机机速1.0～1.5m·min-1

采用大涡模拟研究连铸钢水非定常湍流特性，比较了雷诺平均数学模型与大涡模拟数学模型对预测结晶器内钢水湍流运动的影响.模型采用一种低温液态金属模型的超声波多普勒速度仪（UDV）的测量结果进行验证，表明大涡模拟比雷诺平均模拟与实验测量结果更加吻合.瞬态湍流研究表明，大涡模拟优于雷诺平均数学模型，能够捕捉到水口附近高频率的湍流脉动现象.水口出流钢水区域内小尺度湍流结构起支配作用，射流以阶梯状上下摆动向结晶器内扩散.受湍流大尺度作用，结晶器内流场偏流现象始终存在，并且呈周期性变化，随着对流场时间平均的增加，结晶器内的不对称现象逐渐消除

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%

首先以心理动力学中的心理能量概念为基础,分析了情感能量以及表示情感状态的相关参数.然后根据情感能量守恒定律,研究了情感能量分配结构的数学表示方法和情感能量分配模型,进一步分析了情绪状态的变化过程,提出了情绪状态刺激转移过程的隐马尔可夫链及其模型算法;利用MATLAB建立相关情感状态变化的仿真研究平台,进一步研究了情感状态的变化规律.最后根据以上情感模型及其变化规律构建出表情机器头的综合研究平台,仿真结果与机器头实验数据的一致,验证了仿真模型的有效性

对模型未知的系统采用Kautz函数逼近得到系统的近似模型.基于所得到的Kautz模型设计了一种预测函数控制器.对该算法进行了稳定性分析,依据Lyapunov稳定性定理得到了保证闭环控制系统稳定的充分条件.仿真实验证明,该算法能够准确逼近真实系统模型,实现自适应控制,得到满意的控制效果

第一节 时间序列概述 一、时间序列的意义 二、时间序列的种类 三、时间序列编制原则 四、时间序列的建立 第二节 时间序列分析 一、时间序列分析概念 二、确定性与随机性时间序列分析 三、时间序列分析方法 四、时间序列的应用 第三节 时间序列及其特征识别 一、时间序列与随机过程 二、时间序列的识别判据 三、时间序列特征的识别 第四节 平稳时间序列模型 一、一阶自回归模型 二、一般自回归模型 三、移动平均模型 四、自回归移动平均模型

·加速模型 ·利润决定的投资函数模型 新古典投资函数模型 一个中国的投资函数模型

本章的知识点： 构建集装箱运输网络模型 重点掌握构建集装箱运输网络模型并计算 学生自行查阅的资料： 网络配流模型文献8篇 本章为重点章节 学时（10） 理论6学时，仿真实验4学时 7.1 多式联运虚拟运输网络图的构建 单节点 7.2 集装箱低碳运输路线选择模型构建 7.3 时间窗约束下的多式联运路径成本模型

以连续定向凝固柱状晶组织BFe10-1-1合金在应变速率为0.01~10s-1和变形温度为25~500℃条件下的压缩试验所得实测数据为基础,采用自适应神经网络模糊推理系统(ANFIS)方法,建立了连续柱状晶组织BFe10-1-1合金压缩变形真应力与变形温度、应变速率和真应变关系的预测模型.结果表明:ANFIS模型预测的流变应力值与试验值之间的平均误差为0.75%,均方根误差为2.13,相关系数为0.9996,很好地反映了实际变形过程的特征,而在相同情况下采用传统回归模型预测的平均误差为6.28%,表明ANFIS模型具有优良的预测精度

单方程回归是最丰富多彩和广泛使用的统计技术之一。本 章介绍 EViews中基本回归技术的使用:说明并估计一个回归模 型,进行简单的特征分析并在深入的分析中使用估计结果。随 后的章节讨论了检验和预测,以及更高级,专业的技术,如加 权最小二乘法、二阶段最小二乘法(TSLS)、非线性最小二乘法、 ARIMA/ARIMAX模型、GMM(广义矩估计)、 GARCH模型, 和定性的有限因变量模型。这些技术和模型都是建立在本章介 绍的基本思想的基础之上的