一种对强夯法加固饱和软粘土过程的数值模拟

在总路以往土动力学数值模拟的基础上,提出了一种基于Boit固结理论的强夯法加固和饱和软粘土过程的数学模型并且用计算机进行了模拟;模拟中对重要参数压缩模量和渗透系数进行动态追踪,且考虑土体的非线性及孔隙水的紊流特性,定性结果合理,为强夯法加固饱和软粘土的数值模拟提出了一个可行的思路。     

作战计划协同制定系统(OPCPS)结构模式研究

本文结合制定作战计划的军事过程和要求 ,提出了基于计算机支持的协同工作 (CSC’W )平台的作战计划协同制定系统 (OPCPS)的六元组结构模式 ,为该系统的设计与实现奠定了理论基础     

对团级单位党委中心组理论学习的调查与思考

最近,我们结合下部队检查工作,采取查看学习计划、调阅读书笔记、召开座谈会议等方法,对所属联勤部队团级单位党委中心组理论学习情况进行了调查了解。总的感到,在联勤部队的100多个团级单位中,绝大多数党委对理论学习高度重视,比较好地做到了有计划、有组织、有领导、有步骤,并取得了很好成效。但是,在一些单位、少数部门身上,也存在着一些不容忽视的问题,有的已经影响和制约了理论学习向深度、广度的进一步推进。     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.     

从端正学风入手转变工作作风

我们讲的学风,是指对待马克思主义的根本态度和方法。主要包括学习理论的动机、掌握理论的途径、解决实际问题的思维方法和工作方法、对待重大政治问题的立场和观点、对待群众实践活动的认识和态度,等等。江泽民同志多次强调：“学风问题也是党风问题,是关系党的兴衰和事业成败的一个重大政治问题”,也是衡量一个党委、领导干部“理论上和政治上是否成熟的一个根本标志”。     

按照先进性要求抓学习提高班子新能力

近几年,我们针对军事斗争后勤准备任务重、要求高,部队后勤保障要素多、难度大的新形势,坚持用先进性要求统一思想认识,不断健全学习机制,改进理论学习方法,切实提高联系实际解决问题的能力,使党委中心组理论学习始终在先进性的轨道上运行,有力地促进了部队的各项后勤建设。     

马克思主义发展脉络与理论创新

今天,围绕深入进行马克思主义发展史教育,我准备讲三个问题：第一个问题,深入进行马克思主义发展史教育是党和江泽民同志长期思考和研究的结果;第二个问题,马克思主义发展史是一部解放思想、实事求是、理论创新的历史;第三个问题,马克思主义发展创新的关键在于科学的马克思主义观。     

变结构多模型估计第Ⅲ部分——模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群.它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.同时,它很容易实现.通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量.     

C3I系统理论体系与范畴

本文重点探讨C3I系统理论体系与范畴     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。