农村劳动力非农就业的影响因素分析──以贵州省施秉县为例

利用贵州省施秉县的7个村569个农民的样本数据，通过Logit回归模型对影响农村劳动力非农就业的因素进行了分析。研究结果表明，影响劳动力非农就业的因素有年龄、性别、家庭规模、外面务工关系等。其中，年龄对非农就业的影响是先正后负，性别是负相关，家庭规模、外面有务工关系与非农就业正相关。     

基于响应面的系统性能可靠性优化设计方法

提出了建立基于Logistic变换的性能可靠度与关键设计参数(DDP)之间函数关系的响应面方法以及性能可靠性优化设计模型。通过试验设计、一体化仿真、Logistic变换、多项式拟合、方差分析和模型检验等步骤,来构建系统性能可靠性响应面模型。并以性能可靠度为目标,性能设计参数可行域为约束进行设计优化。针对舵机案例,以性能模型和干扰模型为基础,通过仿真及回归分析,建立了性能可靠度与关键设计参数（Ce,Kp,J）的响应面模型。建立了舵机性能可靠性设计优化模型,对关键设计参数进行了优化。     

基于非线性有源自回归模型的船用凝汽器故障早期预警

针对故障数据稀缺的现实情况,为实现船用凝汽器性能的准确评估以及灵敏故障早期预警,提出了基于非线性有源自回归模型的故障早期预警方法。考虑到凝汽器参数间存在的时序特性以及非线性特性,本文采用非线性有源自回归模型对参数间关系进行刻画并建立了面向故障早期预警的常模式模型。利用凝汽器物理模型的故障仿真数据进行试验,结果表明提出方法对正常数据和故障早期数据的检测精度分别达到98.13%与100%。对比实验证明了考虑时序特性在船用凝汽器故障早期预警中的必要性。     

农村家庭资产配置与金融市场参与的实证研究——以浙江金华地区为例

通过金融深化增加农村家庭参与金融市场的机会，提高农村家庭的福利，让金融为广大农村家庭服务，改善其资源配置，解决农村金融抑制的问题，是当前金融改革与发展的一个重要内容。文章将农村家庭的实物资产分为生活型与生产投资型，将金融资产分为安全型和风险型，根据问卷调查获取的数据建立Logistic回归模型，对东部地区农村家庭实物资产配置和参与金融市场的决定因素进行研究，探讨当前农村的金融深化与金融发展路径。     

边缘图像自适应编码方法

边缘特征常被视作无人机视觉系统中的重要信息（比如在视觉导航时需用边缘特征识别障碍物），在实践中会遇到边缘图像数据量大的情况。针对边缘图像高效压缩问题，提出了边缘图像自适应编码方法。首先以边缘打包法的压缩比和边缘点所占比例为特征，建立Logistic回归模型，然后利用图像数据库对该模型进行离线训练获取模型参数，最后利用Logistic回归模型建立分类器，自适应地在边缘打包法和链码编码法中选择压缩比最高的方法对边缘图像进行压缩。对VOC2012图像数据库的测试结果表明，与常用压缩方法相比，提出的算法能提高压缩比5%左右，有效减少了数据量。     

股指期货与现货指数超前滞后关系研究

采用沪深300股指期货和沪深300现货指数的高频数据,运用协整理论和向量自回归模型对股指期货和现货指数的关系进行探讨。研究发现:沪深300股指期货和现货指数之间存在长期稳定的均衡关系,期货价格在价格发现中尚且不能占据主导地位,价格发现能力较弱。     

回归分析在研究学生成绩中的应用

数量化指标后建立回归模型,分析后续课程成绩与前面各科成绩及招生类型之间的关系,预测后续课程学习效果.从而,在条件允许的情况下,为学生创造有利环境,使学生能学有所长,掌握知识的同时还能获得较好的学习成绩.     

语言学习策略在高职英语教学中的运用

重点调查及研究高职一年级学生的英语学习策略，并将其记入量表。调查被试者的全国实用英语A级考试成绩，通过SPSS统计分析软件处理，进行学习策略与成绩之间的相关分析。结果显示，学生普遍运用补偿学习策略，记忆学习策略运用得最差。迁移的作用、良好的意义识记能力、悟性及敏感性的提高及言语的感知能力、言语的理解能力可以提高考试成绩，卡片式记忆反而会降低考试成绩。     

基于QAR的PW4077D放气活门稳态调节模型

通过对PW4077D发动机10个无故障航班QAR数据的分析和处理,利用回归分析原理建立了飞机在多个阶段下2.5级放气活门开度与其他参数之间关系的数学模型。放气活门的调节受多个因素的影响,因此在模型建立时不同阶段分别进行讨论。对稳态调节下的数据进行了回归分析和显著性检验。应用所建模型进行了趋势预测,通过与实际数据的比较验证了数学模型的合理性和准确度。所获得的2.5级放气活门控制规律数学模型,对航空发动机状态监控和故障诊断具有一定的理论意义和应用价值。     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.     

基于贝叶斯理论的低循环疲劳寿命模型不确定性量化

为量化低循环疲劳寿命模型中的不确定性因素,利用贝叶斯理论,采用经典的模型校准形式确立了寿命模型的不确定性量化形式,并结合正态性检验对误差项进行验证;应用马尔可夫链-蒙特卡罗(MCMC)算法获得了模型参数后验分布的抽样样本,在小子样试验数据条件下确定了低循环疲劳寿命的95%不确定性区间,较好地覆盖了寿命的分散性;对参数样本进行了相关性分析,并将异方差回归概率模型与贝叶斯概率模型进行了比较。最后,利用Morris全局灵敏度分析方法获得了Manson-Coffin模型参数的全局灵敏度指标;同时,验证了在模型参数对先验信息敏感,或者说在先验信息影响极大的情况下,采用无信息先验处理方法的合理性。     

A non-local vectorial total variational model for multichannel SAR image speckle suppression

This paper aims at the multichannel synthetic aperture radar(SAR)image speckle reduction.This paper proposes a novel energy minimized regularization model for multichannel image denoising,which is an extension of the non-local total variational model for gray-scale image.It contains two terms,namely the vectorial data fidelity term and the non-local vectorial total variation term.The latter is constructed by high-dimensional non-local gradient that contains the structure information of the multichannel image.The existence and the uniqueness of the solution of the model are proved.A fixed point iterative algorithm is designed to acquire the solution of this model.The convergence property of this algorithm is proved as well.This model is applied to the multipolarimetric and multi-temporal RADARSAT-2 images despeckling.The result shows that this model performs better than the original vectorial total variational model on texture preserving.     

轮盘低周疲劳概率寿命预估模型

为了研究影响轮盘结构寿命预估精度的主要因素,提高模型预测精度,通过对三种材料应变概率寿命模型参数的异方差回归,对某航空发动机风扇盘榫槽部位疲劳寿命分布进行了数值模拟,得到了风扇盘榫槽部位的概率寿命。经与试验结果对比表明,考虑材料疲劳寿命异方差特性比按同方差处理更为合理。等效应变模型对疲劳寿命严重高估,第一主应变模型预测值与试验结果吻合较好。最大剪应变模型预测值介于以上两个模型之间,用峰值拉伸应力代替平均拉伸应力进行修正后最大剪应变模型预测值与试验值吻合良好。     

基于数据模型的某型民用飞机货舱区域腐蚀影响因素研究

 为研究舱内环境因素对民用飞机货舱区域腐蚀的影响,采集了停场飞机的货舱内外环境指标的数据,建立线性模型,给出了飞机货舱内外环境指标的数量关系。收集了国内几家航空公司某型民用飞机长期的结构腐蚀维修数据,计算了飞机货舱区域腐蚀频率与环境因素的灰色关联度,选取影响腐蚀的主要环境因素,提取主成分消除环境因素之间的多重共线性,建立腐蚀频率的多因素回归模型,研究了各类环境因素对飞机货舱区域腐蚀的影响规律与特点。分析结果表明:高温高湿天数与降水指标对该型飞机货舱区域腐蚀有显著的促进作用,并且不同航空公司的货舱区域腐蚀频率有显著差异,表明运营、结构检查和维护等人为因素对货舱区域腐蚀有显著影响。分析结果符合民用飞机货舱腐蚀控制的工程经验,表明研究方法是合理的。     

HTPB固体燃料冲压发动机流场仿真与燃速分析

基于守恒方程建立了固体燃料冲压发动机燃速仿真模型,采用二维轴对称模型和二方程化学反应模型开展了HTPB(端羟基聚丁二烯)固体燃料冲压发动机流场数值仿真,分析了不同空气来流条件对流场分布及燃速的影响.结果表明:火焰层在氧气和固体燃料壁面之间形成,随着来流空气流量和空气总温的增加,火焰层厚度变薄并向固体燃料壁面侧移动;随着发动机轴向位置的增加,燃速先迅速增加后缓慢增加,最后在补燃室附近快速减小,变化趋势与文献中试验结果吻合较好;固体燃料平均燃速随来流空气总温及发动内空气流率的增加而增大,并根据仿真结果拟合得到了燃速公式.      

A new dynamic pushback control method for reducing fuel-burn costs: Using predicted taxi-out time

Long departure-taxi-out time leads to significant airport surface congestion, fuel-burn costs, and excessive emissions of greenhouse gases. To reduce these undesirable effects, a Predicted taxi-out time-based Dynamic Pushback Control(PDPC) method is proposed. The implementation of this method requires two steps: first, the taxi-out times for aircraft are predicted by the leastsquares support-vector regression approach of which the parameters are optimized by an introduced improved Firefly algorithm. Then, a dynamic pushback control model equipped with a linear gate-hold penalty function is built, along with a proposed iterative taxiway queue-threshold optimization algorithm for solving the model. A case study with data obtained from Beijing International airport(PEK) is presented. The taxi-out time prediction model achieves predictive accuracy within 3 min and 5 min by 84.71% and 95.66%, respectively. The results of the proposed pushback method show that total operation cost and fuel-burn cost achieve a 14.0% and 21.1%reduction, respectively, as compared to the traditional K-control policy.(3) From the perspective of implementation, using PDPC policy can significantly reduce the queue length in taxiway and taxi-out time. The total operation cost and fuel-burn cost can be curtailed by 37.2% and 52.1%,respectively, as compared to the non-enforcement of any pushback control mechanism. These results show that the proposed pushback control model can reduce fuel-burn costs and airport surface congestion effectively.     

基于深度长短期记忆网络的发动机叶片剩余寿命预测

为了研究航空发动机转子叶片的剩余寿命预测问题,提出了一种基于多传感器信号融合的深度长短期记忆网络(DLSTM)预测模型。首先利用深度学习和长短期记忆的组合来构造DLSTM网络。然后,将多个传感器信号数据进行融合处理,从而通过深度学习发现各个传感器时序信号之间隐藏的长期依赖关系。进一步在给定网格搜索策略的情况下,通过自适应矩估计算法调整DLSTM的网络结构和参数,并且在DLSTM模型中引入了一种随机丢失策略,以缓解过度拟合问题并使预测模型规范化。最后利用CMAPSS涡扇发动机进行了实验验证,在一种故障模式和两种故障模式条件下,DLSTM网络预测模型相对于其他传统方法的评价指标Score分别下降了17.19%和14.37%,其他两个评价指标相对来说也较优,结果表明本文提出的方法具有更高的准确性以及稳定性。