P-III分布参数的概率权重矩法S函数计算

概率权重矩法是一种估计统计分布参数的方法.本文根据不完全Γ函数在无限区间积分,推导了P-Ⅲ分布参数的S函数的计算公式.通过现有计算公式比较,其计算结果具有较高的计算精度,避免了的大量的数值积分计算.文中公式只要借助于计算编程进行求解,给定超几何函数项一定的截断误差,其运算具有较高的运行速度.文中计算公式是一种P-Ⅲ分布参数S函数的计算途径.     

30天记录的潮汐谱分析

一、引言 目前，存在着不断增长数目的短期(例如30天)潮汐观测记录，特别是越来越多的潮流观测记录已从自动记录仪器获得。这些资料需要人们去分析、研究和利用。多年来，人们通常用经典的调和分析方法来分析短期潮汐记录，而这些方法仅仅提供人们一些预先确定了的分潮的信息。事实上，在不同的地区存在着不同的浅水分潮，而这些浅水分潮则是地区特征的表现。     

潮汐响应分析及非线性输入函数的研究

本文采用对不同潮族进行带通滤波而后进行响应分析的方法对潮汐进行分析。引用第一级预报水位构成的非线性输入函数分析非线性潮。给出了预报水位4至6级的组合公式。较好地分析了8,10两族。本文还以坎门和金山咀为例研究了各种输入函数的分析效果,并以预报方差和谱结构来考察输入函数的合理性。     

吉尼系数的计算及正态分布的吉尼系数

本文给出了吉尼系数的一般计算公式 ,推导出正态分布的吉尼系数渐进无偏估计 ,并以实例对比了传统的吉尼系数的算法——万分法与本文中提出的估计方法。     

海洋水文要素垂直剖面自模性概述(Ⅰ)

海洋水文要素垂直剖面的计算与预报是海洋学家研究的重要方向，也是有关海洋部门关注的重点问题之一。这是因为它的时—空分布与变化不仅反映水团分布、流系消长，同时也决定营养盐类、浮游生物聚集和渔场分布，从而给海洋扑捞、近海养殖、海上平台、海底管线、沿岸工程等带来不可忽视的影响。因此，海洋水文要素垂直剖面模拟及预报方法的研究现已成为海洋工作者亟待解决的课题之一。然而，由于它的时—空变化十分复杂，且影响因子众多，垂直热传导机制及海洋中各种尺度的混合过程难以研究，故有成效的方法尚不多见。C.A.Kитайгородский和ю．э．Mирополъский等借助于无维变量，发现大洋水温垂直剖面存在着自模性特点，并提出了无维模式的拟会公式[1]及某些洋区的经验无维模式[2]，O．B．Pещетова[4]等又将这种模式及参量化方法十分满意地推广到了海水盐度和密度垂直剖面的模拟。本文旨在较全面地介绍前苏联学者在研究海洋水文要素垂直剖面自模性及无维模式方面的重要成果。主要内容有：①海洋活动层分析──θ（η）的发现；②海洋活动层温度创面参量化描述──θ（η）的经验模式；③温（盐、密）度垂直剖面自模函数存在的理论证明；④自模函数θ（η）的应用；⑤自     

Optimization Mathematical Model of Pile Forces for Offshore Piled Breasting Dolphins

An optimization mathematical model of the pile forces for piled breasting dolphins in the open sea under various loading conditions is presented. The optimum layout with the well distributed pile forces and the least number of piles is achieved by the multiplier penalty function method. Several engineering cases have been calculated and compared with the result of the conventional design method. It is shown that the number of piles can be reduced at least by 10%—20% and the piles‘ bearing state is improved greatly.     

关于Barban定理的推广

本文将Barban定理中和式形式加以推广,得到关于函数μ(n)的这种和式的估计。     

隶属函数的方法进行等级预报及隶属函数的构造

模糊数学在气象、水文预报领域中已经得到广泛的应用。其中，用隶属函数的方法作预报对象的多等级长期预报，能取得较好的效果。本文简要介绍用隶属函数的方法进行长期多等级预报的基本思路和步骤，重点介绍在作上述预报过程中，构造隶属函数的一种方法。     

基于EMD与神经网络的机械故障诊断技术

经验模式分解 (EMD)是分析非线性、非平稳信号的有力工具 ,它将信号分解为突出了原信号的不同时间尺度的局部特征信息的内在模函数 (IMF)分量。本文通过将各 IMF分量输入到 BP网络中进行训练学习和故障诊断 ,比直接输入原信号可以提高 BP网络对故障诊断的准确率 ,而且减少了训练时间。