"田忌赛马"管理谋略数学模式的构建及其优点探析

用数学方法解析了"田忌赛马"管理谋略的奥秘,在此基础上提出了这种管理谋略的数学模式,并分析了它的特点和优点及其产生的原因,为进一步应用和推广这种管理谋略提供了具体的参照系和比较科学规范的途径和方法。     

基于SRPE竞速运动项目训练负荷评价方法的实证研究

目的:基于自行车运动员的训练负荷实证评价,探讨竞速运动项目训练负荷主观感知疲劳评价(session rating of perceived exertion,SRPE)的有效性,并证明训练因素[心率(HR)、训练压力分数(TSS)、训练刺激量(TRIMP)、代谢当量(MET)、能量消耗(EE)]与非训练因素(自感疲劳、压力等级、睡眠质量、肌肉酸痛、训练积极性)对训练负荷量(SRPETL)的影响作用。方法:10名优秀职业自行车运动员(均为男性),测试开始前1周均未进行过大强度运动。运用SRPE、心率计(Garmin佳明HRM-tri)、码表(Garmin佳明edge 200)、身心恢复测试量表等对42天的高原训练负荷进行测试。内部负荷采用SRPE-TL、ETRIMP、ETRIMP、%HRmax表示,外部负荷采用TSS、MET、EE表示。结果:平均每周的SRPE-TL为5 300±1 512 AU。训练单调性(TM)为2.22±0.81 AU,训练应激(TS)为12 766±1 334 AU。SRPE-TL与各测试指标之间具有显著相关性(r=0.58~0.81)。逐步多元回归分析结果表明ETRIMP、TSS、自感疲劳、肌肉酸痛和压力等级可以解释SRPE-TL 71.8%的变异程度(Y=453.12+2.99 ETRIMP+1.20 TSS-114.81自感疲劳-111.30肌肉酸痛+85.81压力等级)。结论:SRPE是评价竞速项目训练负荷的一种有效手段,并且SRPETL是一个全域性指标,且训练因素与非训练因素均对运动员感知疲劳有影响作用。     

基于隐马尔科夫模型的VLCC目的港预测

超大型油船(very large crude carrier,VLCC)目的港预测对海运原油流向预测以及货源地未来运力估计具有重要作用。针对VLCC的AIS目的港信息存在缺失、更新不及时、不准确等现象,提出一种基于隐马尔科夫模型的VLCC目的港预测方法。分析船舶AIS轨迹数据,得到油船历史停靠港口序列;根据VLCC轨迹提取习惯航路,以航路中的交叉点为依据设置观测线;利用船舶航行轨迹数据判断船舶是否经过观测线以及经过观测线的方向,对不同方向分别计算船舶在挂靠港间的转移概率矩阵和船舶挂靠港与观测线间的输出概率矩阵,建立VLCC目的港预测模型并进行预测。研究结果表明：在大多数情况下VLCC目的港预测的准确率可以达到70%以上;航线越固定、运行越规律的船舶,预测准确率越高;船舶越靠近目的港,预测越准确;重载状态下的船舶目的港预测更准确。     

伴随模式在反恐情报同步轨迹数据分析中的应用研究

[目的/意义]对反恐情报中的时空轨迹数据进行伴随模式挖掘,可以发现涉恐群体的同时间段动态空间位置移动规律。[方法/过程]根据反恐情报数据的特点,修改经典伴随模式挖掘方法中的相似度度量方式和聚类方式,不断迭代完成"聚类和取交集"操作,将满足条件的涉恐活动时空轨迹伴随模式导出。[结果/结论]该方法能够挖掘涉恐群体的同步移动路径,定位重点活动地点,分析涉恐人员之间的亲近度,为打击暴恐活动提供数据参考。     

温州龙舟民俗文化缘起、历程及嬗变探析

主要采用文献资料法、专家访谈法和实地调查法,以温州龙舟民俗文化的缘起、发展历程及嬗变为切入点,对温州龙舟民俗文化的现实意义进行探讨.透过龙舟民俗文化的研究,进一步挖掘具有区域特色的民间民俗文化资源,丰富我国传统文化,弘扬爱国主义精神,使之为社会主义的精神文明与物质文明建设服务.温州龙舟民俗历经千年的洗礼、嬗变,也具备了现代龙舟运动的现实意义,将会为本地区社会经济、文化的发展起到的积极推动作用.     

基于AIS数据的船舶排放估测模型与实船验证

为提升船舶能耗和排放估测的准确性和灵活性,提出面向船舶自动识别系统(automatic identification system, AIS)大数据的完全自下而上的船舶能耗和排放估测新方法。该方法视船舶为一种基于船舶航迹的线排放源,在构建船舶网格化轨迹模型的基础上,考虑每个网格航段的持续时间和发动机负载,实现船舶能耗和排放的精细化建模,统一船舶排放总量和空间分布计算。实船应用表明,该方法可提供更加准确的船舶能耗估计,并可灵活计算各种航行状态、船队规模和时空尺度的能耗和排放清单。     

Digital Module 16: Longitudinal Data Analysis

In this digital ITEMS module, Dr. Jeffrey Harring and Ms. Tessa Johnson introduce the linear mixed effects (LME) model as a flexible general framework for simultaneously modeling continuous repeated measures data with a scientifically defensible function that adequately summarizes both individual change as well as the average response. The module begins with a nontechnical overview of longitudinal data analyses drawing distinctions with cross-sectional analyses in terms of research questions to be addressed. Nuances of longitudinal designs, timing of measurements, and the real possibility of missing data are then discussed. The three interconnected components of the LME model—(1) a model for individual and mean response profiles, (2) a model to characterize the covariation among the time-specific residuals, and (3) a set of models that summarize the extent that individual coefficients vary—are discussed in the context of the set of activities comprising an analysis. Finally, they demonstrate how to estimate the linear mixed effects model within an open-source environment (R). The digital module contains sample R code, diagnostic quiz questions, hands-on activities in R, curated resources, and a glossary.     

帆船运动员运动性心理疲劳的探析

在文献资料研究的基础上,从帆船运动训练的实践出发对帆船运动性心理疲劳的产生机理、训练中的表现及如何消除心理疲劳进行了全面的探析,旨在找出一些更合适消除帆船运动员心理疲劳的方法,以便帮助教练员深入的了解运动性心理疲劳的相关知识,从而更有效地预防和消除帆船运动员的心理疲劳,提高运动成绩。     

一种非完整移动机器人开环迭代学习控制研究

针对非完整移动机器人的轨迹重复跟踪问题,提出了一种开环P型迭代学习控制算法。首先给出非完整移动机器人的运动学模型,并结合离散时域对轨迹跟踪问题进行描述,然后设计迭代学习控制器并在给定条件下证明了其收敛性;MATLAB仿真结果表明,随着迭代次数的增加,该算法能够有效改善动态不确定环境中系统的稳定性与收敛的快速性。     

中外优秀男运动员百米动作速度时空结构的运动学特征

通过文献资料、高速摄像和对比分析的方法,对中外男运动员百米途中跑一个单步的步长、步时及人体重心轨迹进行研究,制定了短跑运动员所应达到的步频、步幅范围与跑速之间关系的模式表,为教练员科学训练提供了依据.