The Analysis of Impact of Brexit on the Post-Brexit EU Using Intervented Multivariate Time Series

来源 :应用数学学报:英文版 | 被引量 : 0次 | 上传用户:hzduoying001
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
The UK is the most important partner of the EU in terms of economic and other fields due to the geographical proximity.It was one of the largest economies in the EU and its per capita income is higher than the EU average,so it is a net contributor to the
其他文献
为了提高单基地多输入多输出(MIMO)声呐阵列的波达方向估计性能,提出了双尺度旋转不变子空间(DR-ESPRIT)算法。结合MIMO阵列虚拟阵列的结构特征,首先利用ESPRIT算法通过各条虚拟线阵内、基线间距不大于半波长的子阵间的旋转不变关系得到无模糊的粗估计结果,之后利用虚拟线阵间、基线较长的子阵间的旋转不变关系得到一组有模糊的精估计结果。参考粗估计结果对精估计结果进行解模糊,最终得到高精度无模糊的角度估计结果。为了降低运算复杂度,利用该思路对降维ESPRIT算法也进行改进,提出了双尺度降维ESPRIT
针对传统的荷载识别方法受不适定性问题影响导致识别误差较大,且受传感器数上的限制也无法监测所有结构易损伤位置处振动响应的问题,提出了一种基于增秩Kalman滤波(augmented Kalman filter,AKF)算法的动态荷载识别和结构响应重构方法.基于结构状态空间方程,形成由荷载向量和状态向量组成的增秩状态向量(augmented-rank state vector,ASV),利用Kalman滤波算法获得增秩状态向量的最小方差无偏(minimum variance unbiased,MVU)估计,实
考虑了一类球型区域上变系数反向热传导问题.这个问题是不适定的,即问题的解(若存在)并不连续依赖于测量数据.构造了投影迭代正则化方法,得到了该反问题的正则近似解,同时给出了在先验和后验参数选取规则下精确解与正则近似解之间的收敛性误差估计.最后,通过数值结果验证了该方法的有效性.
为缩减开口柱壳结构的振动,给出了一种局部主动约束阻尼(ALCD)敷设结构,并结合Lagrange方程和Sanders薄壳理论构建了压电耦合开口柱壳的动力学模型,根据推得的系统状态空间形式,应用归一化最小均方差自适应滤波算法(NLMS)和线性二次规划算法(LQR)设计了一种自适应反馈控制器,通过数值仿真研究了控制参数对开口柱壳中点动态特性和控制电压的影响.结果表明:NLMS反馈控制方法能在不同控制电压频率、滤波阶数和自适应步长下保证对开口柱壳减振的有效性;增加自适应步长和滤波阶数能进一步提高减振控制的响应速
为验证考虑裂纹面接触和动态荷载时,中心裂纹巴西圆盘(CCBD)试件用于分离式Hopkinson压杆(SHPB)系统中测量脆性材料复合型动态断裂韧度的可行性,以及研究裂纹面接触对动态断
该文考虑变分不等式的梯度投影算法,给出了一种非单调变分不等式的黄金分割算法,所给出的算法特点结合了惯性加速方法,无需知道映射的Lipschitz常数,且步长是非单调递减的.在一定的条件下,算法的收敛性被证明.最后给出数值实验结果.
基于耗散的随机格点系统解的渐近行为理论,主要运用元素分解法与有限维空间中多面体球覆盖的拓扑性质,研究了具有白噪声的随机Klein-Gordon-Schrodinger格点动力系统的随机吸引子的Kolmogorov熵,并得到它的一个上界.
在兰州重离子研究装置上,依托兰州放射性束流线,产生、分离和鉴别了同位旋第三分量TZ=?2的近质子滴线核28 S,并通过使用包括双面硅条探测器和高纯锗探测器在内的探测阵列,开
对含不确定性结构的奇异摄动时滞离散控制系统进行稳定性研究.通过设计一种新的Lyapunov-Krasovskii泛函,基于Lyapunov稳定性理论,在时滞依赖情形下,采取交叉项界定技术、线性矩阵分析方法并运用引理,推出在零到奇异摄动上界的整个区间范围内系统渐近稳定,给出充分性的稳定性判据.之后,再对其进行理论加深和推广,得到更加简洁性的推论,可以借助于MATLAB工具箱进行求解.最后,用算例证明本文所得方法的优越性和可行性.
水声目标识别一直是水声领域研究的重点问题之一,深度学习方法可以有效地解决目标识别问题,然而,水声样本的稀少限制了该方法的应用。该文提出一种基于数据增强的水声信号深度学习目标识别方法,该方法以Mel功率谱作为网络的输入特征,通过对原始信号在时域和时频域的拉伸和掩蔽等变换,实现数据扩展和增加泛化性能的目的,最后,利用改进的VGG网络模型实现目标分类。实验结果表明,该文方法得到的水下目标识别准确率(95.2%)要优于其他4种对比方法,证明了该文提出的网络模型和数据增强方法均有助于提高目标分类性能。