南疆阿拉尔垦区九团流动人口基本势态分析

由于自然资源禀赋差异的存在,部分省份的流动人口在利益的驱使下移入南疆垦区.他们是本地三产的主力,对边疆的稳定和发展做出了贡献.本文采用了实证的方法研究了这些人员的基本结构、流动原因、流动率及其社会形态,使他们的生存环境得到改善,安心屯垦戍边.     

反射射线追踪技术在城市场景多径预测中的应用

多径效应是影响通信、导航系统性能的关键因素,其不仅影响信号传播的功率衰落,还会引起信号时延、频移、极化等参数的变化,导致通信、导航系统性能下降。针对多径效应,提出基于虚拟源树、环境分区处理、背向检测等加速技术的反向射线追踪算法进行快速三维路径追踪,准确预测多径信号的损耗、时延分布。在此基础上,以城市场景为例进行算法仿真,并对任意尖劈绕射算法进行深入研究。以信号在简易街道传播为例,对比分别利用所提算法原理的MATLAB程序和利用Wireless Insite仿真得到的反射路径与功率分布,验证了算法的有效性。     

时间跨度对GPS坐标序列噪声模型及速度估计影响分析

选取全球范围内72个基准站的坐标序列,采用改进的赤池信息量准则、贝叶斯信息量准则对不同噪声模型组合进行噪声分析,得到基准站坐标序列的最优噪声模型及速度参数,探讨时间序列跨度对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型不能由单一的噪声模型表述,其呈现出多样性特征,主要表现为幂律噪声、高斯马尔科夫噪声、闪烁噪声+白噪声特征,且三坐标分量表现出不同的噪声特性;随着时间跨度的增加,坐标时间序列的最优噪声模型、GPS站速度及其不确定度逐渐由发散趋于收敛,随机游走噪声模型的比重有所增加。结果表明10 a以上的时间跨度是较为理想的噪声模型估计尺度。     

星载光学遥感成像系统复杂性分析

为研究星载光学遥感成像系统的复杂性,由复杂系统的基本特征与系统研究的基本原则出发,通过对成像全链路流程的分析,确定光学遥感成像系统的复杂性来源及其表现形式。建立星载光学成像的数学模型,以系统重要参数——调制传递函数为基点,通过正过程建模分析和逆过程测量计算相结合的方式,分析了系统复杂性研究的基本原则,即还原论与整体论相结合、定性与定量相结合的过程。由正、逆过程的对比分析,一方面阐述了系统性能与各个环节参数之间的关系,另一方面又由正则化盲反卷积的方式得到图像中真实的调制传递函数。二者相辅相成,既能通过补偿系统复杂性因素影响提升系统性能,又能进一步指导系统优化设计。     

不确定条件下装备器材供应网规划模型

装备器材供应网是装备器材供应保障工作的重要基石,其规划问题是我军装备器材保障过程的重要战略决策之一。针对节点、边和需求的不确定性,对不确定条件下由多个区域供应子网构成的装备器材供应网的规划问题展开研究。针对问题的特点,用区间分析理论对供应网规划中的不确定性因素进行度量和运算,得到不确定性规划模型,通过区间运算转化,将不确定性模型转化为确定性混合整数规划模型,并设计采用基于禁忌搜索算法的两阶段算法进行求解,分别得到了不同参数设置下的模型求解结果,并将所用算法与模糊规划和随机规划算法的求解结果进行了比较分析。实例分析结果表明所建立的模型和算法具有较强的实用性。     

自然地理环境对陆军航空兵作战行动的影响

阐述错那方向自然地理环境情况,例举了陆军航空兵在高寒地区常见的几种作战行动,并以此为基点,论述错那方向自然地理环境对陆军航空兵作战行动的影响,给出了减少作战影响的几点对策措施。     

武警院校无人化装备人才队伍建设

新军事变革席卷全球,未来军事斗争形势将更加紧迫和残酷,武警部队遂行任务也将更加复杂多样。为确保任务圆满完成,减少人员与装备的伤亡和耗损,无人化装备将成为未来战场主导。文章从四个方面入手,系统性地提出无人化装备人才队伍培养的建议。     

美军采办项目的采办策略分析

采办策略是美军针对具体采办项目强制规定的覆盖整个项目寿命周期的纲领性文件,对于保障在资源限制条件下达成项目采办目标具有重要的意义。本文首先分析了采办策略的概念,随后研究了采办策略的主要内容、与采办管理周期的匹配要求,最后提出了对我军装备采办改革的启示。     

美军无人化装备的影响分析及我军后勤发展

美军装备建设起步较早,其信息化、智能化程度较高,已具备向无人化作战及无人化后勤保障转型的趋势。通过分析研究美军无人化装备发展,准确定位我军后勤装备发展思路,提出并确定我军无人化后勤装备发展策略,对于指导我军现代后勤建设具有重要的现实意义。     

作业名层次化聚类算法预测作业运行时间

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型。传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法。以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70%～80%。