尾喷流底部流场与外流场干扰的拓扑结构数值模拟

本文从非定常全ＮＳ方程出发，运用时间推进方法，采用有限体积方法离散控制方程，模拟了轴对称钝锥尾喷流场与外流场的干扰，得到了随时间发展的精细的流场拓扑结构，并对几种出口压力比的不同情况进行了比较和分析。     

随机环境中的M/MY/1排队系统

文献［４］讨论了随机环境中的Ｍ／Ｍ／１排队模型，本文提出和讨论随机环境中的Ｍ／Ｍｙ／１排队模型，在统计平衡条件下给出了队长和等待队长的平稳分布以及平均队长和平均等待队长，得到了等待时间和逗留时间分布以及平均等待时间和平均逗留时间。     

基于时间序列分析的火灾发生规律研究

在时间序列分析建模思想的基础上,基于全国2007年24小时火灾起数建立时间序列模型,对火灾发生趋势进行分析,并从预防控制时间上提出相应的防控建议。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

紧固件拆装时间预计模型

紧固件拆装作业时间是影响机械产品维修性的主要因素之一,占机械产品维修作业时间的70％～80％。因此,探讨紧固件拆装作业时间的预计方法,对研究、设计机械产品的维修性,将是十分必要的。通过分析紧固件拆装作业过程,探索出了影响拆装作业时间的诸因素,并对所有的影响因素进行分析、权衡和回归,建立紧固件拆装作业时间的预计模型。将此模型在某型履带式车辆上进行了实际验证,证明了模型的正确性及通用性。     

不断加强党对武装工作的领导 推动国防动员和后备力量建设取得新的进步

党管武装是我们党在长期革命历程中形成的优良传统,也是新形势下加强国防动员和后备力量建设的政治优势和根本原则.当前,国际国内虽然保持总体和平、稳定的基本态势,但西方敌对势力对我实施西化、分化的战略图谋始终没有改变,各种民族分裂势力和一些邪教组织活动也十分猖獗.     

党务问答

党员因私出境保留党籍期限视情况而定问:我支部一名党员要去美国探望子女,请问他的党籍如何保留、保留期限是多少?(屈平)答:党员因私出境,保留党籍的期限应视不同情况而定:出境求学的,以其入学通知注明的学习时间为限;出境就业的,以其劳务合同规定的工作年限为限;去国外探亲的,一般不超过半年     

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

坚持做到“六到位” 确保学习实践科学发展观活动取得实效

四川省攀枝花市仁和区人武部在学习实践科学发展观活动中,坚持做到"六到位",以确保学习实践活动收到实效。一是组织领导到位。成立以部长、政委为组长的学习实践活动领导小组,负责统筹安排、督促指导学习实践活动。二是学习时间到位。规定集中学习不少于8天、分散自学每人每月不少于2天,确保学习时间落实。