De Broglie-Ross模型和太阳中微子问题

基于已知的 Ｄｅ Ｂｒｏｇｌｉｅ模型和 Ｒｏｓｓ模型结合的太阳中微子新模型,可以获得两个中微子合成一个光子及其能量公式。由此能解释太阳中微子的下列三个观察结果;仅检测到理论预测值的三分之一;太阳活动和中微子流间存在反相关关系并与观察到的光子释放率一致。     

考虑碳排放成本的长江铁矿石运输研究

为降低钢铁企业采购和运输铁矿石的综合成本,考虑船型、航速和碳排放等因素,建立长江铁矿石运输的混合整数非线性规划模型。将模型中的非线性项转化为线性项,运用CPLEX求解器求解。针对CPLEX求解中大型规模算例的局限性,引入标准粒子群优化（particle swarm optimization, PSO）算法提高求解精度。针对标准PSO算法容易陷入局部最优的问题,提出一种基于自适应策略的改进PSO算法,动态调整惯性权重,提高算法的收敛性和全局寻优能力。通过数值实验发现,改进后的算法在全局寻优能力和收敛能力上有一定的提高。     

基于期望值模型的虚拟企业风险规划研究

主要分析了虚拟企业所面临的风险因素具有随机性的特点,建立了虚拟企业风险规划的期望值模型.为了较好地处理模型中的随机变量,引入了蒙特卡罗模拟,并将其与粒子群算法相结合.仿真分析表明了期望值模型能够较好地刻画具有随机因素的风险规划问题,同时,所设计算法的性能也得到了验证.     

基于PCA和SAPSO的船舶风压差神经网络预测模型

为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis, PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization, SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。     

北京谱仪上D物理研究中的粒子鉴别

使用北京谱仪在质心系能量3.097 GeV和3.773 GeV附近采集的数据样本,研究了对D介子衰变产生的不同种类的带电粒子和中性粒子的准确鉴别问题。     

非惯性系中机械能守恒与参照系选取无关的条件确定

该文从质点组在任意非惯性系中机械能守恒的条件出发,探讨在什么情况下,机械能守恒与参照系选取无关的问题,提出了需要满足的条件．     

基于PSO优化的BP神经网络在洪水预报中的应用

针对BP神经网络的不足,采用PSO算法对BP神经网络进行优化,建立一个混合的神经网络洪水预测模型。实验仿真结果表明,该模型的预测效果优于传统的洪水预测模型。     

区间-粒子群算法求解非线性方程组

将粒子群算法的群体搜索优点和区间算法的区间分析相结合,提出了一种求解非线性方程组的区间-粒子群算法.在迭代过程中,先用粒子群算法的全局收敛性和群体搜索能力得到近似解,再用区间算法的精确搜索能力快速得到高精度的解.数值实验表明：该算法能在较大范围的初始区间内快速可靠的迭代得到高精度的解,是求解非线性方程组的一种有效的算法.     

道家之“道”与粒子物理学

老子的“道生物”与基本粒子的转化、阴阳相感与费曼图、八卦图与重子（介子）八重图之关系,生动而饶有趣味地说明了老子及其道家思想的灵魂正在以各种不同的方式,与当代粒子物理学发生着这样或那样的联系。中国古代的道家学说与现代粒子物理学并不存在任何“血缘关系”,也不可能互相取代,但两者确实存在可比较之处。这样我们完全有理由将中国古代哲学汇入当代科学之潮流中,并从中汲取其智慧。     

成都城区颗粒物消光系数特征及其与PM2.5的关系

为进一步了解成都城区霾天气成因,收集2011年成都城区大气细颗粒物(PM_2.5)质量浓度,以及同步的颗粒物散射系数(b_sp)和颗粒物吸收系数(b_ap)资料,探讨b_sp和b_ap季节和日变化特征,以及大气消光系数(b_ext=b_sp+b_ap)与PM_2.5之间关系.结果发现,成都城区b_sp和b_ap年均值分别为(456±237) Mm^-1和(96±73) Mm^-1,其中b_sp日变化主要受到气象条件和郊区污染源输送的影响,b_ap日变化主要受到气象条件和本地移动源的影响.PM_2.5与b_ext呈现较好的线性关系(R²>0.92),表明PM_2.5是导致成都霾天气的主要因素.