军队公务性交通费用货币化、工资化管理可行性研究

军队公务性交通费用货币化、工资化管理就是将目前按个人享受条件和标准发放或报销的探亲费改为休假补助并按月随工资发放;改差旅费实报实销为定额承包;改一般事务性用车为定额发放交通补贴。改革公务性交通费管理要遵循服从军事需要、责权利统一、规范明确、简便易行和公平合理的原则。同时,要注意区分部队驻地的自然地理特点;合理划分各级制定标准的权限;建立灵活的调节机制。     

全年—次性奖金个人所得税计征有新规

1月1日起,纳税人取得全年一次性奖金,将单独作为一个月工资、薪金所得计算纳税,但在计征时,应先将雇员当月内取得的全年一次性奖金,除以12个月,按其商数确定适用税率和速算扣除数。如果在发放一次性奖金的当月,雇员工资薪金所得低于税法规定的费用扣除额,还应将全年一次性奖金减除“雇员当月工资薪金所得与费用扣除额的差额”后的余额,按上述办法确定全年一次性奖金的适用税率和速算扣除数。     

城市经济可持续发展油气战略研究

分析国内、西部和CQ城市的油气资源环境与供应能力;建立"十一五"期间CQ城市的GDP灰色预测模型、油气消耗量灰色预测模型、弹性系数预测模型和能源总消耗量控制目标模型,对CQ城市的油气需求和总能源消耗进行预测,以实现对单位GDP能耗的有效控制;并根据预测结果,提出油气发展的战略目标和战略措施,包括多种节能降耗措施(体制节能、产业结构调整节能、产品结构调整节能、技术节能、管理节能、价格节能、循环经济节能等).     

高速行进坦克身管速度对射击精度影响

坦克在高速行进时,由于路面谱等外部激励的影响,车体姿态和运动状态都会发生变化。由于车体的振动和随动系统的控制误差等,致使坦克火炮在射击时身管前端存在一定的速度扰动。原有解命中问题的条件中未考虑这一速度扰动的影响,使得坦克在高速行进条件下的目标提前点预测产生误差。通过建立外弹道模型,较准确地仿真分析了这一误差的大小和对射击精度的影响。     

军民融合式装备保障风险管理初探

<正>积极探讨军民融合式装备保障的风险管理问题,对于全面贯彻落实党中央关于"推动军民融合深度发展"的重大决策部署,大胆而又稳妥地推进军民融合式装备保障深度发展,具有非常重要的意义。风险是指可能发生的危险。"有可能发生危险,但又不是必然发生危险"这一盖然性,是风险的本质特征。如果我们事先意识不到风险,则风险往往就可能发生;与此相反,如果我们事先能够及时地预测风险、     

基于锥形量热法的油池火相似性及点火特性模拟实验

针对油料池火灾相似性及点火特性研究需要,构建了一种基于耗氧原理的油池火锥形量热法模拟实验系统,引入火灾尺度相似性概念,研究了实验室尺度油池火与真实尺度油池火的相似性关系,探讨了实验室尺度油池火预测真实尺度油池火的可行性,基于实验室尺度锥形量热法研究了油池火点火特性,得到了辐射强度、辐射距离对油料点燃时间的影响规律以及点燃时间与锥照射强度之间的拟合公式。     

基于组织协同进化的软件缺陷预测方法

针对传统有标识软件度量元数据存在软件缺陷预测精度低的问题,首先对比选择合适的离散化方法,然后将组织协同进化分类算法引入并应用到航天软件缺陷预测领域,给出了一种基于组织协同进化的软件缺陷预测方法。该方法根据预测目标将离散后的软件度量元数据划分为不同种群,在各种群内部形成进化个体(组织)。组织在增减算子、交换算子、合并算子和组织选择机制的作用下不断进化,并基于属性重要度协同进化的方式进行适应度函数的计算,实现了有标识软件度量元数据缺陷预测精度的提高。最后通过两组仿真实验,验证了基于组织协同进化航天软件缺陷预测方法的有效性。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。     

基于贝叶斯优化LSTM的发动机剩余寿命预测

针对航空发动机剩余寿命预测中深度学习算法参数优化效率低、预测准确率差等问题,在长短期记忆网络算法（LSTM）的基础上提出一种基于贝叶斯优化的LSTM算法。利用长短期记忆网络对航空发动机的传感器数据进行时间序列预测,并运用贝叶斯优化算法对长短期记忆网络的超参数进行迭代优化。利用NASA公开数据集对算法进行验证,结果表明,相较于其他算法,优化后的算法在优化参数、提高预测准确率方面有明显改善,能为保证航空器的安全使用以及制定维修替换策略提供参考。     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。