一、基于滑动t检验法的非典型性肺炎疫情的脆性分析（论文文献综述）
程琳惠,单皓,韦玉芳,高勇,刘兆毅[1]（2021）在《基于层次分析方法的军工企业经济运行受新冠肺炎疫情影响程度的评价模型建立及优化》文中研究指明以军工电子类企业为研究对象,以层次分析理论为主体,辅助运用德尔菲专家咨询法,结合新冠肺炎疫情影响现状和军工企业经济运行特征,尝试建立军工企业经济运行受新冠肺炎疫情影响程度的评价模型并优化。
曹伟[2]（2020）在《供应链复杂系统脆性传播模型与管控方法研究》文中研究说明经济全球化背景下,如何提高企业竞争力、风险管控水平和应急响应能力,以增强供应链系统安全与可靠性,已成为现代供应链实践与发展的重大课题。供应链系统是一个具有耗散结构的复杂巨系统。现代科技和社会分工发展使供应链网络化、复杂化趋势日益明显,并逐步呈现复杂网络状态特征。这种复杂属性使供应链在运行和发展过程中极不稳定。当遭遇自然灾害、设备故障和供应商破产等不确定性事件干扰时,供应链极易中断。严重时可能形成“多米诺骨牌”效应,触发网络崩溃。这种遭受内、外干扰而引发系统崩溃的性质就是供应链脆性。它是供应链复杂系统的基本属性。供应链脆性是供应链系统安全与可靠性研究领域的一个重要方向,对供应链复杂系统脆性进行科学研究具有一定现实意义。本论文重点对供应链复杂系统脆性传播模型与管控方法问题进行了选题研究。主要研究内容及成果如下:（1）供应链脆性理论研究体系框架构建。基于复杂系统脆性理论,构建了供应链领域脆性研究的理论体系架构。该架构由内容体系、技术体系和理论支撑体系三部分构成。其中,内容架构以供应链脆性激发规律、脆性传播规律、脆性演化规律和脆性管控方法为主线;技术体系包括不确定性需求多目标多周期供应链网络混合整数规划配流模型、改进的混合遗传算法、不确定性情景多目标多周期供应链脆性网络混合整数规划配流模型、供应链脆性激发模型与仿真算法、供应链脆性传播元胞自动机模型与仿真算法、供应链适应性Agent图脆性演化模型与仿真算法,以及不确定性情景多目标多周期供应链脆性管控混合整数规划模型;理论支撑体系包括不确定性理论、混合整数规划理论、复杂网络拓扑理论和图论、元胞自动机理论,以及适应性Agent图理论和信息熵理论。（2）不确定性供应链多目标多周期混合整数规划配流模型与算法研究。论文针对不确定性需求情景下供应链多周期网络配流优化问题,以成本和服务两种效益因子为优化目标,综合考虑多周期供应商选择与订单配给、各层节点间交易关系及链路流、各级节点的物料流、分销商库存流等约束条件,构建了不确定性需求情景供应链多目标多周期混合整数规划配流模型。针对模型求解问题,设计了一种改进的遗传算法。并通过算例验证了模型与算法的有效性。（3）不确定性供应链脆性激发模型与仿真算法研究。论文针对处于不确定性脆性干扰下的供应链网络,设计了不确定性脆性触发事件概率的求解模型与算法;设计了脆性激发参数及计算模型;构建了不确定性需求不确定性干扰情景下多目标多周期供应链脆性网络配流混合整数规划模型;以此为辅助技术元,构建了供应链复杂网络脆性激发仿真算法。通过算例仿真,对脆性激发过程、脆性事件发生概率与脆性激发结果的关系,以及不同脆性攻击方式对供应链的脆性激发效果等供应链脆性激发规律问题进行了定量分析。（4）不确定性供应链脆性传播模型与仿真算法研究。论文基于复杂系统元胞自动机理论,设计了供应链脆性网络元胞与邻接矩阵、元胞邻居及元胞演化规则等元胞自动机参数;以供应链脆性网络配流模型为辅助技术元,设计了供应链脆性传播元胞自动机仿真算法。对不确定性供应链脆性传播规模的时间特性、幂律特性以及脆性源崩溃情景与脆性传播效果之间的关系等供应链脆性传播规律进行了算例仿真。（5）不确定性供应链脆性演化模型与仿真算法研究。论文基于复杂系统适应性Agent图理论和信息熵理论,设计了供应链脆性熵和节点状态值等脆性演化参数及计算方法;基于适应性Agent图控制器刺激——反应模型,构建了考虑节点自适应行为和不考虑节点自适应行为的供应链脆性演化模型;以供应链脆性网络配流模型为辅助技术元,设计了供应链适应性Agent图脆性演化仿真算法。通过算例仿真,对供应链节点状态值演化规律、节点熵流演化规律、供应链脆性全局熵演化规律、供应链脆性演化的季节性规律以及供应链脆性行为等演化规律进行了数据分析。（6）不确定性需求不确定性脆性干扰情景下多目标多周期供应链脆性管控模型研究。论文针对不确定性脆性事件干扰下供应链网络脆性管控决策问题以及多周期网络配流优化问题,以成本和服务两种效益因子为优化目标,提出了启用备选供应商、修复脆性源和启用内部供应商柔性能力三项脆性管控策略,并以此为基础构建了不确定性需求不确定性脆性干扰情景下多目标多周期供应链脆性管控模型。用改进的遗传算法对算例进行了求解,对供应链网络、供应链脆性网络和供应链脆性管控三种网络配流方案进行了对比分析,并对目标偏好系数、脆性事件崩溃概率及缺货惩罚成本等参数进行了灵敏度分析。
王喆[3]（2020）在《海上危化品运输系统脆性研究》文中指出伴随全球经济的高速发展,世界范围内对化学品的需求量与日俱增,散装危险化学品货物运输逐渐成为海路运输的重要组成部分之一。危化品货物运量增大的同时,运输船舶的老旧程度也在不断加剧。由于受到危化品货物特殊理化属性及海运过程中环境复杂性的影响,海上危化品货物运输安全的不确定性不断增加。复杂系统的脆性理论是近年来新发展起来的理论,它给系统的研究提供了一种新思路。目前该理论在系统研究等多个方面已经有所应用。本文将复杂系统脆性理论引入到海上危化品运输系统研究中,将脆性作为海上危化品运输系统的基本特性提出,基于系统论和脆性理论研究海上危化品运输系统安全。基于复杂系统的定义针对海上危化品运输系统脆性的客观存在进行论证。在脆性定义的基础上,从脆性产生原因及脆性激发条件两方面对海上危化品运输系统脆性激发机理进行深入剖析,进而绘制海上危化品运输系统脆性激发机理图。从脆性传递角度出发,建立海上危化品运输系统脆性结构模型,并在此基础上从人、船、货物、环境、管理五个方面研究影响海上危化品运输系统脆性激发的影响因素,进而绘制脆性源递阶层次图;采用模糊层次分析法研究海上危化品运输系统脆性源对激发系统脆性的影响程度,并对影响程度进行排序。根据计算结果,从脆性角度提出相关安全管理建议。从脆性联系熵理论出发,结合熵理论与集对分析法研究“人为因素”、“货物因素”和“非人为因素”三个子系统分别与海上危化品运输事故之间的脆性联系,并建立海上危化品运输系统脆性关联模型。通过研究危化品船舶事故调查报告,建立事故脆性因子测度标准,并基于危化品运输事故实例探究子系统与事故间的脆性关联系,揭示系统内部关联性对系统崩溃的影响。通过实例验证,从事故致因角度计算子系统与海上危化品运输系统事故脆性联系熵,计算结果表明,人为因素的不确定性和危化品货物的危害属性都是导致海上危化品运输系统发生事故的重要原因,而预防海上危险事故需将脆性因子的同一性与波动性尽量降低。从系统脆性的角度出发,基于复杂系统脆性理论和脆性联系熵理论研究海上危化品运输系统安全,是从一个新的角度研究系统的安全状态演变,完善了海上危化品运输系统安全研究的内容,也是对以往海上危化品运输安全研究的有益补充。
罗文相[4]（2019）在《基于排列熵的混沌边缘识别及其应用》文中提出排列熵是有效刻画时间序列动力学复杂性的指标,其算法简单、可操作性强,能有效放大时间序列的微小变化.本文首先提出了一种新的序列混沌边缘识别方法——滑动移除排列熵（MC-PE）,并对该方法和其他三种排列熵方法的混沌边缘识别的有效性进行分析和对比,然后讨论了MC-PE方法的影响因素,最后将加权排列熵应用到成矿元素品位序列数据的分析中,为探讨成矿元素品位序列的复杂性与矿化等级的关系提供新思路.主要研究内容如下:（1）通过由Logistic方程产生的理想时间序列检验四种排列熵方法的混沌边缘识别的有效性,并与传统的动力学状态识别方法进行对比.M-PE、M-WPE和MC-PE都能有效地识别理想时间序列的两个边缘点;MC-WPE不能识别序列的边缘点;而传统的滑动t检验和Mann-Kendall方法都只识别出其中的一个边缘点.基于排列熵的前三种方法在混沌边缘识别上明显优于传统方法.（2）通过有效性对比分析,发现M-WPE方法得到的PE（m）值上升区间比M-PE方法得到的更加陡峭,符合滑动数据的过程,区分度更好,而M-PE方法却没在上升区间内达到最大值,M-WPE方法优于M-PE方法.另一方面,发现M-PE方法依赖于滑动窗口的大小,其结果存在一个大小与滑动窗口相近的上升突变区间,得出的边缘点位置误差较大.MC-PE方法得出的边缘点位置可以精确到滑动移除窗口W范围内,且该方法几乎不依赖于滑动移除窗口的大小,明显优于M-PE方法.（3）构造由Lorenz方程和随机数产生的混沌时间序列,分析数据样本容量和噪声对MC-PE方法的影响.结果表明MC-PE方法对时间序列样本容量的依赖较小,对尖峰噪声和高斯白噪声具有较强的抗干扰能力.（4）运用加权排列熵算法分析大尹格庄金矿Au元素品位序列和甲玛铜矿Cu元素品位序列的复杂性特征,得到的WPE值与不同矿化等级存在关联,其熵值由大变小依次为:中等矿化（29）强矿化（29）弱矿化（29）无矿化,表明加权排列熵是识别矿化强度的一个有效指标。
杨泽宇[5]（2018）在《城市垃圾收运处理系统脆性研究》文中认为城市垃圾收运处理系统是城市管理系统的重要组成部分,近年来城市生活垃圾数量增大,垃圾危机频繁爆发,反映了垃圾收运处理系统在内、外部因素的影响下出现失稳、甚至局部崩溃的系统脆弱性。随着城市化规模越来越大,单纯对垃圾收集运输或者处理单一环节的改进和提高已经不足以应对当前垃圾问题的严峻形势。习近平总书记在中央财经领导小组第十四次会议上强调:“普遍推行垃圾分类制度,关系13亿多人生活环境改善,关系垃圾能不能减量化、资源化、无害化处理。”按照“十三五”规划对城市环境建设的要求,需要对生活垃圾管理问题,特别是对生活垃圾全过程的管理进行系统性的研究,将垃圾收运处理的每个环节都纳入研究体系中,全面的、系统的针对垃圾收运处理系统进行深入研究。对于具有交互性、耦合性的子系统结构,当其构成复杂系统时认为其具有脆性,例如物流供应链系统、互联网通讯系统、以及自然生态系统等。垃圾收运处理属于逆向物流,其过程具有不可逆性、不确定性,因此认为垃圾收运处理系统属于一个复杂系统,具有脆性这一基本特征。本文从复杂系统角度,探讨了城市生活垃圾收运处理系统的脆性,认为脆性也是城市垃圾收运处理系统的一个本质属性,且客观存在,并基于此给出城市生活垃圾收运处理系统脆性的定义、特点和模型,分析了系统的脆性对垃圾收运处理系统造成的影响,在此基础上,运用熵理论建立了由系统脆性风险、收运子系统结构、干扰系统功能的脆性事件、脆性因子四个层级构成的生活垃圾收运处理系统脆性结构模型,给出了脆性因子的解耦方法与系统脆弱性计算方法。根据熵的性质,运用熵技术度量了垃圾收运处理系统的固有脆性,量化了系统脆性风险的程度。计算了各子系统间的联系熵值,给出熵值调整的模型,通过控制联系熵来降低垃圾收运处理的脆性风险,刻画了子系统之间相互影响机制,并通过调控脆性同一度来减少子系统间的联系,提高了控制系统崩溃的能力。
熊念[6]（2018）在《武汉市城市边缘区识别及动态分析》文中研究指明城市边缘区处于城市与乡村之间,既受到城市的影响又受到乡村的影响,城市边缘区中具有独特的景观特征。城市边缘区是城市土地利用变化最为剧烈的地区,也是未来城市建设用地扩展最可能发生的地区之一,研究城市边缘区的识别和动态变化对城市规划及土地可持续利用意义重大。本文以处于快速城市化阶段的武汉市为研究区,以城市结构理论和突变理论为基础,基于NPP-ⅦRS夜间灯光数据,采用滑动t检验突变检测方法,通过检测覆盖全市的360条梯度夜间灯光序列上的突变点分别提取了 2013年和2016年武汉市城市边缘区的内外边界,并通过景观指数对识别的空间范围进行了验证。同时,本文从城市边缘区的空间范围演变、建设用地变化、土地利用动态度指数及景观指数等四个方面对城市边缘区进行了动态分析。结果显示:（1）基于夜间灯光数据和滑动t检验方法识别城市边缘区是一种简便可行的方法,识别结果有一定的科学性。（2）武汉市城市边缘区面积由2013年的1641 km2变化为2016年的1746 km2,三年时间内增加了 105 km2,边缘区的外扩主要在长江以南,集中在洪山区和江夏区。（3）边缘区中建设用地面积占全区域的比例在2013-2016年间总共增加了 3.32%,汉南和江岸建设用地占比增长比例大。（4）在边缘区中水域的面积有所减少,耕地、林地及建设用地的面积都在增加,其中建设用地面积增长快速且增长面积大,林地及耕地以同等速率降低。（5）边缘区中除江岸区以外,其他各区的景观破碎度呈现出逐渐增大的趋势。城市边缘区中的优势地类主要有三种类型:以耕地为优势地类、以建设用地为优势地类,以及一种特殊的以水体为优势地类。在城市边缘区中,除江岸、武昌之外其他各区香农多样性指数呈现上升趋势,反映城市边缘区受人类活动的影响持续增大。
张捷[7]（2018）在《基于滑动样本熵的动力学状态识别及其应用研究》文中认为样本熵能够定量描述确定性和随机性序列的动力学状态及复杂性的非线性动力学指数。它被广泛的应用于生物医学、轴承故障诊断、信号处理、脑电波识别等领域。本文首先研究了滑动样本熵对线性和混沌时间序列的动力学状态识别的适用性;其次探讨算法中的参数、样本容量及噪声干扰对滑动样本熵方法的影响,最后将算法运用于金融数据的市场复杂性分析和地质成矿元素的矿化状态识别中,为研究金融时间序列中内在的非线性特征及对地质空间序列内在的动力学特征提取提供新的思路。主要结论如下:（1）给出基于M-SamEnt的动力学状态识别方法,并与传统方法进行了对比。结果显示:M-SamEnt是识别时间序列动力学突变状态的有效方法,且比传统滑动t检验和Mann-Kendall方法更稳定。（2）系统分析了M-SamEnt算法中的滑动窗口、步长、样本容量及噪声对计算结果的影响。结果显示:（1）滑动窗口和步长的大小对线性和混沌时间序列动力学状态和突变位置影响较小;（2）对小样本容量（n=200）的时间序列的动力学状态仍能有效识别突变区间,且性能优于传统的滑动t检验和Mann-Kendall法;（3）添加不同强度的高斯和尖峰噪声后的线性和混沌时间序列,其样本熵曲线有一定的差异。其中线性序列抗噪声能力比非线性序列强,且识别效果随着信噪比的增大趋于稳定。（3）运用M-SamEnt算法分析了上海证券综合指数历史数据。该方法提取出了不同时期沪指金融市场历史危机的区间段,反应出股市的复杂性特征,为市场监管部门对股价波动分析提供一定的参考依据。（4）运用M-SamEnt算法分析了山东大尹格庄金矿Au元素和云南普朗Cu元素序列的非线性特征。不同矿化强度的成矿元素含量序列的样本熵值的差异性可以作为矿化识别的有效判断依据,为进一步定量刻画矿床统计特征与挖掘潜在的成矿区提供参考。
张捷,万丽,罗文相[8]（2018）在《基于滑动样本熵的动力学状态识别》文中研究表明样本熵是有效刻画系统复杂性的动力学指数,运用滑动技术生成样本熵函数,分析线性和非线性时间序列在不同动力学状态下的变化.结果显示,对于线性和非线性时间序列,动力学状态发生改变时,样本熵函数均有明显变化,其中,样本熵函数跳跃点指示了动力学状态突变点.进一步对比传统的识别方法,滑动样本熵体现出更好的稳定性和适用性,表明滑动样本熵方法能有效识别时间序列动力学状态,为时间序列的动力学状态分析提供一条新的途径.
管杜娟[9]（2015）在《交互效应影响下的项目组合风险度量研究》文中认为在市场需求多元化,竞争日益激烈的经济环境下,企业经营的项目化趋势日益盛行,更在新产品研发及信息技术的带动下,同时实施多个项目,以期在资源有限的情况下,通过发挥项目间的优势互补达到经济效益的最大化,已经成为诸多企业面临的新挑战。因此,上世纪八十年代以来,项目组合管理已被看作是项目管理领域的热点问题,项目组合风险作为项目组合管理的核心问题之一,对它的研究既具有理论价值又具有管理实践意义。然而,到目前为止,对项目组合管理的研究主要集中在项目组合选择决策问题上,针对项目组合风险的专门研究较少。此外,在为数不多的项目组合风险研究中缺乏对交互效应影响的充分考虑以及风险形成机理和风险构成的深入分析,而且风险度量的方法主要集中在金融领域,忽视了项目组合与资本组合之间的差异。因此,项目组合风险的研究需要完善和深入,既要考虑交互效应对项目组合风险的影响,又要建立符合项目特征的风险度量模型。本文旨在系统地研究交互效应对项目组合风险的影响,从项目组合风险的复杂性特征分析入手,揭示单一项目到项目组合系统形成过程中交互效应的不同层级影响,并基于此分析项目组合风险的构成,最后通过建立项目组合风险的多维度量模型及综合度量的架构实现对组合风险的度量,从定性到定量地系统研究了交互效应影响下的项目组合风险来源、特点及度量方法。本文主要的研究内容和成果包含以下几个方面:（1）从交互效应影响下关联项目整体属性变化的定量研究出发,通过分析交互效应对项目组合具有的不同作用机理和不同尺度的非线性影响,揭示项目组合风险复杂性的本质特征,并在此基础上,建立交互效应影响下由单一项目风险经过项目积聚过程中的非线性演变到系统结构风险演变,再经过管理环境的复杂性风险演变而形成项目组合风险的系统演变过程。（2）通过分析交互效应对项目组合风险演变的不同阶段所具有的不同效用影响,建立项目组合风险的综合度量架构,实现结合风险的多维客观度量和管理者主观风险偏好的综合风险度量。首先,以项目组合风险的系统演变过程为基础,分析系统不同演变层级间的差异找出项目组合不确定性的来源,从而得出项目组合风险应包括项目积聚的非线性演变形成的积聚风险、系统结构风险演变形成的脆性风险和管理环境复杂性风险演变形成的冲突风险。然后,根据交互效应的影响对项目组合风险产生的正负两种效用,将其分为风险分散的正效用影响下的风险和衍生新风险的负效用影响下的风险,项目组合的整体风险是正负效用两种力量竞争的结果,其中,由于积聚风险有可能小于单一项目风险之和,因此积聚风险是交互效应的正效用影响形成的风险,脆性风险和冲突风险是项目组合中产生的新风险,因此它们是交互效应的负效用影响下形成的风险。最后,结合风险的主观性建立交互效应的正负效用影响下的项目组合风险综合度量架构,称之为竞力度量架构,它既能直观反映也能准确刻画多维风险客观度量基础上,受管理者主观风险偏好影响的正负效用的竞力局势及整体风险变动。（3）依据不同演变层级所形成的风险的特点,选择合适的方法建立风险度量模型,并将模型应用于统一的算例,基于项目组合风险竞力度量架构对算例得到的结果进行综合分析。对于项目组合积聚风险,鉴于贝叶斯网络强大的不确定性知识表达和推理能力,建立能够揭示项目风险的非线性依赖关系的贝叶斯网络,在网络构建过程中,使用信息论中的互信息度量项目间的关联程度,并根据问题特点提出一种快速遍历节点的团搜索算法,提高建模的效率,最后基于贝叶斯网络推理度量项目组合的积聚风险,且在此基础上,计算项目组合的风险分散能力。（4）基于复杂系统脆性理论及建模方法建立项目组合脆性风险度量模型。基于复杂系统脆性理论分析项目组合的脆性风险,并在脆性联系熵和脆性风险熵的基础上,构造脆性风险度函数度量项目组合结构脆性被激发而导致整体失败的总体不确定性。最后鉴于脆性危害的严重性,以图理论为基础,依据脆性联系概率建立项目组合脆性风险的传播网络模型,识别脆性源和脆性崩溃路径,并度量脆性源引发项目组合整体失败的风险。（5）基于模糊综合评判法建立项目组合冲突风险的度量模型。首先通过对项目组合管理环境的分析,包括项目组合管理过程中的各个阶段、管理角色及管理角色之间的关联,得出交互效应所引起的管理环境的复杂性会导致项目组合管理过程中存在资源分配冲突和协调实施冲突,并基于管理者能力标准建立风险检查表,识别出对冲突发生和冲突解决有重要影响的八个能力因素,它们与项目间交互耦合的复杂度一起构成了项目组合冲突风险的影响因素。最后建立项目组合冲突风险的多维模糊综合评判模型,其中权重的赋值使用结合层次分析法和熵权法的主客观综合权重法。
梁英慧[10]（2014）在《城市铁路客运站外部集散网络的脆性理论研究》文中指出摘要：交通拥堵已经成为世界各大城市的通病,究其根本原因,除交通能力供给与需求的矛盾之外,交通干扰因素的不确定性和波动性是重要原因之一。如何针对干扰的不确定性对交通网络的特性及动态演化机理进行分析,从而提出解决拥堵的科学措施与对策,是城市交通领域研究面对的一个重大课题。城市对外交通铁路客运站是产生城市交通拥堵的一个重要干扰源,随着我国城市化进程的加快和高速铁路的快速发展,大型客运站的规模的扩大和功能的不断加强,对城市交通拥堵产生的影响越来越大,如何站在提高城市交通系统整体能力的高度,针对大型铁路客运站对城市交通网络的干扰作用,分析研究大型铁路客运站集散网络动态演化机理特性、理论模型与方法,为解决交通拥堵、优化运营组织和应急管理决策提供科学依据,是当前面临的一个重要研究问题。大型铁路客运站是集各种运输方式于一体的城市交通枢纽,因此大型铁路客运站集散网络是一个复杂系统。目前,关于复杂系统的脆性理论研究,仍是一个理论研究的前沿课题,我国大型铁路客运站集散网络在干扰作用下的动态演化机理还缺乏系统研究。本文对大型铁路客运站外部集散网络的脆性理论进行了选题研究。本文主要从复杂系统脆性理论出发,研究城市铁路客运站外部集散网络的崩溃路径以及脆性产生机理和演化规律,本文的研究工作主要有以下几个方面：（1）根据铁路客运站实际的运营组织管理模式,首先分析了铁路客运站空间布局特征,对集散系统进行定义并定义其边界,其次阐述了集散网络的道路网特征和交通流特征,并深刻分析了集散路网交通与一般城市交通的区别和联系,最后,分析了集散网络脆性激发的内部和外部干扰因素,为集散网络设计和脆性研究奠定了基础。（2）结合复杂系统适应性理论,建立适应性Agent图的城市铁路客运站外部集散网络的拓扑结构,对其崩溃路径进行定义,建立集散网络的最大／最小崩溃路径模型,然后根据其模型的特殊性,把其转化为最短路问题,并用拉格朗日松弛（Lagrangian Relaxation）算法进行求解,最后以北京南站外部集散网络为例验证算法的实用性和有效性。（3）基于复杂系统适应性系统相关理论,针对集散网络的脆性特征,运用脆性熵对其无序度进行描述,考虑到集散网络的崩溃是由各节点（Agent）之间的交互作用产生,应用复杂适应性理论对其进行建模,并运用适应性Agent图对其演化过程进行仿真模拟,并对各节点演化的执行器准则进行分析,以北京南站外部集散网络进行算例分析,得出不同IF/THEN准则下客运站节点状态的变化规律和整个集散网络熵流的变化规律;然后针对非节假日和节假日客运站的客流时间分布规律进行分析,并运用集散网络的脆性特征进行仿真模拟,得出集散网络脆性的时间分布特征；按照铁路客运站与城市空间布局的相对关系,针对城市中心型、城市边缘型和机场地区型三种类型的铁路客运站的集散网络脆性特征进行仿真模拟,得出不同空间布局类型的铁路客运站外部集散网络的脆性时空分布规律,为客运站的运营管理提供理论依据。（4）基于自组织临界性理论对集散网络脆性的幂律特性及分形、分维特性进行研究。对自组织临界性理论进行阐述,研究脆性与自组织临界性的关系,以北京南站为例,基于改进的元胞传输模型和自组织临界性的沙堆模型对北京南站外部集散网络的脆性崩溃规模与崩溃频率的幂律特性以及分形、分维特性进行研究。（5）建立客运站脆性评价指标体系,运用改进突变级数评价法,对铁路客运站脆性状态进行评价,得出铁路客运站脆性同一、对立和波动的评价值,根据集对理论得出集散网络趋向于崩溃的势值,从而判断各方案下客运站所处的脆性等级,并对北京南站的现状及其2020年北京南站低、中、高四种不同方案的脆性等级进行判别。
二、基于滑动t检验法的非典型性肺炎疫情的脆性分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于滑动t检验法的非典型性肺炎疫情的脆性分析（论文提纲范文）
（1）基于层次分析方法的军工企业经济运行受新冠肺炎疫情影响程度的评价模型建立及优化（论文提纲范文）
| 1 背景概述 |
| 2 基于层次分析法的模型建立 |
| 2.1 评价指标的选取 |
| 2.1.1 客观实际指标的选取 |
| 2.1.2 主观经营指标的选取 |
| 2.2 评价模型的组建 |
| 2.2.1 分析关联因素建立“层次结构” |
| 2.2.2 运用德尔菲专家咨询法建立“成对比较矩阵” |
| 2.2.3 开展一致性检验及权重计算 |
| 3 评价模型的优化 |
（2）供应链复杂系统脆性传播模型与管控方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 国内外研究综述 |
| 1.2.1 复杂系统脆性理论研究综述 |
| 1.2.2 供应链脆性及相近理论研究综述 |
| 1.2.3 供应链脆性管控相关理论研究综述 |
| 1.2.4 研究述评 |
| 1.3 研究思路与研究内容 |
| 1.3.1 研究思路 |
| 1.3.2 论文框架和研究内容 |
| 1.4 研究意义 |
| 1.5 本章小结 |
| 2 供应链脆性系统分析及理论研究框架构建 |
| 2.1 供应链复杂网络系统分析 |
| 2.1.1 供应链拓扑网络界定 |
| 2.1.2 供应链网络复杂性与自适应性 |
| 2.2 供应链脆性内涵 |
| 2.2.1 供应链脆性概念 |
| 2.2.2 供应链网络脆性崩溃 |
| 2.2.3 供应链脆性与其它复杂特性的关系 |
| 2.3 供应链脆性系统构成 |
| 2.3.1 供应链脆性环境 |
| 2.3.2 供应链脆性基元 |
| 2.3.3 供应链脆性事件 |
| 2.4 供应链系统脆性模型 |
| 2.5 供应链脆性理论研究体系框架 |
| 2.6 本章小结 |
| 3 不确定性供应链多目标多周期混合整数规划配流模型研究 |
| 3.1 带有双层时间属性的供应链拓扑网络构建 |
| 3.2 问题描述 |
| 3.3 不确定需求供应链多目标多周期混合整数规划配流模型 |
| 3.3.1 参数设置 |
| 3.3.2 建模假设 |
| 3.3.3 模型建立 |
| 3.4 算法设计 |
| 3.5 算例分析 |
| 3.6 灵敏度分析 |
| 3.6.1 γ值、S′与m的灵敏度分析 |
| 3.6.2 γ值、P′与m的灵敏度分析 |
| 3.6.3 γ值、h_k与P′的灵敏度分析 |
| 3.7 本章小结 |
| 4 不确定性供应链脆性激发模型与仿真算法研究 |
| 4.1 供应链脆性激发原理 |
| 4.1.1 供应链脆性激发内涵 |
| 4.1.2 供应链脆性激发动因 |
| 4.1.3 供应链脆性激发过程 |
| 4.2 脆性触发概率P_s的求解设计 |
| 4.2.1 数学模型 |
| 4.2.2 算法设计 |
| 4.3 不确定性供应链脆性网络配流建模 |
| 4.3.1 建模思路 |
| 4.3.2 模型建立 |
| 4.4 供应链复杂系统脆性激发仿真模型 |
| 4.4.1 供应链脆性激发仿真参数设计 |
| 4.4.2 供应链脆性激发仿真算法 |
| 4.5 算例仿真 |
| 4.6 本章小结 |
| 5 不确定性供应链脆性传播模型与仿真算法研究 |
| 5.1 供应链脆性传播内涵及动因 |
| 5.2 供应链脆性传播研究的理论基础 |
| 5.2.1 相继故障理论 |
| 5.2.2 元胞自动机理论 |
| 5.3 不确定性供应链脆性传播元胞自动机仿真模型 |
| 5.3.1 模型构建 |
| 5.3.2 仿真算法 |
| 5.4 算例仿真 |
| 5.5 本章小结 |
| 6 不确定性供应链脆性演化模型与仿真算法研究 |
| 6.1 供应链脆性演化内涵及动因 |
| 6.2 供应链适应性AGENT图脆性演化模型 |
| 6.2.1 供应链适应性Agent图模型 |
| 6.2.2 供应链适应性Agent图脆性演化参数设计 |
| 6.2.3 供应链适应性Agent图脆性演化规则 |
| 6.2.4 供应链适应性Agent图脆性演化方程 |
| 6.3 不确定性供应链适应性AGENT图脆性演化仿真算法 |
| 6.4 算例仿真 |
| 6.4.1 不考虑节点自适应性的供应链脆性演化仿真 |
| 6.4.2 考虑节点自适应性的供应链脆性演化仿真 |
| 6.4.3 考虑季节需求特性的供应链脆性演化仿真 |
| 6.4.4 供应链脆性演化行为仿真 |
| 6.5 本章小结 |
| 7 不确定性供应链多目标多周期脆性管控模型研究 |
| 7.1 概念界定与研究维度 |
| 7.2 问题提出 |
| 7.3 不确定性供应链多目标多周期脆性管控混合整数规划模型 |
| 7.3.1 建模思路 |
| 7.3.2 模型构建 |
| 7.4 算例分析 |
| 7.4.1 数据准备 |
| 7.4.2 配流结果 |
| 7.4.3 对比分析 |
| 7.5 灵敏度分析 |
| 7.5.1 γ值的灵敏度分析 |
| 7.5.2 γ值与P_s值的灵敏度分析 |
| 7.5.3 h_k值与P_s值的灵敏度分析 |
| 7.6 本章小结 |
| 8 研究结论与展望 |
| 8.1 论文主要工作 |
| 8.2 主要创新点 |
| 8.2.1 创新特点 |
| 8.2.2 论文创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 附录 A 供应链网络配流已知参数及配流结果 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）海上危化品运输系统脆性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 概述 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 海上危化品运输系统研究现状 |
| 1.2.2 复杂系统脆性理论研究现状 |
| 1.2.3 脆性理论在各领域的应用 |
| 1.2.4 国内外文献综述简析 |
| 1.3 研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 论文章节安排 |
| 1.4 本章小结 |
| 2 海上危化品运输系统脆性基本理论 |
| 2.1 海上危化品运输系统复杂性 |
| 2.1.1 海上危化品运输系统复杂特点 |
| 2.1.2 海上危化品运输系统脆性的客观存在 |
| 2.2 海上危化品运输系统脆性界定 |
| 2.2.1 海上危化品运输系统脆性定义 |
| 2.2.2 海上危化品运输系统脆性基本概念 |
| 2.3 海上危化品运输系统脆性基本特性 |
| 2.4 海上危化品运输系统脆性的激发机理 |
| 2.4.1 脆性产生的本质原因 |
| 2.4.2 脆性激发条件 |
| 2.4.3 脆性激发机理 |
| 2.5 脆性理论与相关理论的区别 |
| 2.6 本章小结 |
| 3 海上危化品运输系统脆性结构及脆性影响因素研究 |
| 3.1 脆性的发生与传递模型 |
| 3.2 海上危化品运输系统脆性结构 |
| 3.3 海上危化品运输系统脆性影响因素研究 |
| 3.3.1 “人”脆性影响因素 |
| 3.3.2 “管理”脆性影响因素 |
| 3.3.3 “船舶”脆性影响因素 |
| 3.3.4 危化品“货物”脆性影响因素 |
| 3.3.5 “环境”脆性影响因素 |
| 3.4 本章小结 |
| 4 海上危化品运输系统脆性源研究 |
| 4.1 脆性源研究基本理论和方法 |
| 4.1.1 层次分析法 |
| 4.1.2 模糊一致矩阵 |
| 4.1.3 模糊层次分析法 |
| 4.2 脆性源递阶层次结构模型的构建 |
| 4.3 海上危化品运输系统主脆性源的确定 |
| 4.3.1 脆性源重要度数据处理 |
| 4.3.2 主脆性源的确定 |
| 4.3.3 基于主脆性源的安全管理建议 |
| 4.4 本章小结 |
| 5 海上危化品运输系统脆性联系熵研究 |
| 5.1 脆性联系熵研究基本理论和方法 |
| 5.1.1 熵理论 |
| 5.1.2 集对分析 |
| 5.1.3 脆性联系熵 |
| 5.1.4 突变级数法 |
| 5.2 脆性关联性判别标准 |
| 5.3 脆性联系熵权系数的确定 |
| 5.4 危化品船舶事故脆性关联实例分析 |
| 5.4.1 事故实例数据处理 |
| 5.4.2 脆性联系熵计算 |
| 5.4.3 基于联系熵的脆性管控重点 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 研究特色 |
| 6.3 研究展望 |
| 参考文献 |
| 附录Ⅰ 问卷样式 |
| 附录Ⅱ 危化品船舶事故报告原始统计数据 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（4）基于排列熵的混沌边缘识别及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与结构 |
| 第二章 排列熵理论及其算法 |
| 2.1 排列熵(PE)与加权排列熵(WPE) |
| 2.2 滑动排列熵(M-PE)与滑动加权排列熵(M-WPE) |
| 2.3 滑动移除排列熵(MC-PE)与滑动移除加权排列熵(MC-WPE) |
| 第三章 基于排列熵的混沌边缘识别方法 |
| 3.1 传统的动力学状态识别 |
| 3.1.1 滑动t检验方法 |
| 3.1.2 Mann-Kendall方法 |
| 3.1.3 传统识别方法的验证结果及存在的问题 |
| 3.2 M-PE的混沌序列边缘识别 |
| 3.3 M-WPE的混沌序列边缘识别 |
| 3.4 MC-PE的混沌序列边缘识别 |
| 3.5 MC-WPE的混沌序列边缘识别 |
| 3.6 识别方法对比与影响因素分析 |
| 3.6.1 M-PE与M-WPE的对比分析 |
| 3.6.2 M-PE与MC-PE的对比分析 |
| 3.6.3 MC-PE混沌边缘检测的稳定性分析 |
| 第四章 实例应用分析 |
| 4.1 Au含量复杂性分析 |
| 4.1.1 数据来源与背景 |
| 4.1.2 结果与分析 |
| 4.2 Cu含量复杂性分析 |
| 4.2.1 数据来源与背景 |
| 4.2.2 结果与分析 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间发表论文 |
| 致谢 |
（5）城市垃圾收运处理系统脆性研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 论文研究背景、目的及意义 |
| 1.1.1 研究背景 |
| 1.1.2 目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 城市垃圾收运处理研究现状 |
| 1.2.2 复杂系统及脆性相关领域的研究 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 技术路线及创新点 |
| 1.4.1 技术路线 |
| 1.4.2 创新点 |
| 2. 相关理论基础及综述 |
| 2.1 引言 |
| 2.2 复杂系统及其脆性理论 |
| 2.2.1 复杂系统脆性概念 |
| 2.2.2 一般复杂系统脆性结构 |
| 2.2.3 复杂系统脆性风险 |
| 2.3 复杂系统脆性与其他理论的结合 |
| 2.3.1 突变理论 |
| 2.3.2 集对分析与突变级数评级 |
| 2.4 本章小结 |
| 3. 城市垃圾收运处理系统脆性演化机理及脆性源辨识 |
| 3.1 引言 |
| 3.2 城市垃圾收运系统脆性演化机理 |
| 3.2.1 熵原理 |
| 3.2.2 城市垃圾收运处理系统脆性及演化过程 |
| 3.3 垃圾收运系统脆性源辨识及脆性结构模型 |
| 3.4 本章小结 |
| 4. 城市垃圾收运系统脆性度及其风险评价 |
| 4.1 系统的脆性风险定义 |
| 4.2 脆性关联系数与脆性联系熵 |
| 4.2.1 子系统脆性联系数 |
| 4.2.2 系统的脆性风险熵 |
| 4.3 模型检验 |
| 4.3.1 背景资料 |
| 4.3.2 北京部分区域垃圾收运处理系统脆性及风险 |
| 4.4 本章小结 |
| 5. 结论与展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 导师和作者介绍 |
| 附件 |
（6）武汉市城市边缘区识别及动态分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 理论基础 |
| 1.4.1 城市结构理论 |
| 1.4.2 突变理论 |
| 1.5 研究思路与内容 |
| 1.5.1 研究思路 |
| 1.5.2 技术路线 |
| 第二章 研究区、数据源及数据预处理 |
| 2.1 研究区概况 |
| 2.1.1 研究区自然及社会经济条件 |
| 2.1.2 研究区选择理由 |
| 2.2 数据源 |
| 2.3 数据预处理 |
| 2.3.1 夜间灯光数据 |
| 2.3.2 土地利用类型 |
| 第三章 基于夜间灯光数据的城市边缘区提取 |
| 3.1 研究方法 |
| 3.1.1 梯度运算 |
| 3.1.2 滑动t检验 |
| 3.2 数据处理 |
| 3.2.1 梯度影像 |
| 3.2.2 梯度序列 |
| 3.2.3 突变检测 |
| 3.3 城市边缘区提取结果及验证 |
| 3.3.1 突变点分析及提取结果 |
| 3.3.2 提取结果验证 |
| 第四章 城市边缘区分析 |
| 4.1 空间范围动态演变 |
| 4.2 建设用地动态分析 |
| 4.3 土地利用动态度分析 |
| 4.4 景观指数动态分析 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（7）基于滑动样本熵的动力学状态识别及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与结构 |
| 第二章 样本熵理论及算法 |
| 2.1 熵的起源与发展 |
| 2.2 样本熵与滑动样本熵模型 |
| 2.2.1 样本熵(SamEnt) |
| 2.2.2 滑动样本熵算法(M-SamEnt) |
| 第三章 基于M-SamEnt的动力学状态识别方法 |
| 3.1 传统的动力学状态识别 |
| 3.1.1 滑动t检验方法 |
| 3.1.2 Mann-Kendall方法 |
| 3.2 M-SamEnt的动力学状态识别 |
| 3.2.1 线性时间序列 |
| 3.2.2 混沌时间序列 |
| 3.3 M-SamEnt识别的稳定性分析 |
| 3.3.1 滑动步长的影响 |
| 3.3.2 窗口大小的影响 |
| 3.3.3 样本容量的影响 |
| 3.3.4 噪声的影响 |
| 第四章 应用分析 |
| 4.1 沪指的滑动样本熵与市场复杂性分析 |
| 4.1.1 数据的来源与背景 |
| 4.1.2 结果与分析 |
| 4.2 基于滑动样本熵的矿化强度识别 |
| 4.2.1 数据的来源与统计特征 |
| 4.2.2 结果与分析 |
| 第五章 结论与展望 |
| 5.1 主要研究结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间发表论文 |
| 致谢 |
（8）基于滑动样本熵的动力学状态识别（论文提纲范文）
| 1 M-Sam Ent方法 |
| 2 线性动力学状态识别 |
| 3 非线性动力学状态识别 |
| 4 结论 |
（9）交互效应影响下的项目组合风险度量研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.2 项目组合风险研究概况 |
| 1.2.1 国内外研究现状 |
| 1.2.2 研究评述 |
| 1.3 研究内容、研究思路和方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路和方法 |
| 1.4 拟解决的关键问题和创新点 |
| 2 项目风险度量理论及项目组合风险的复杂性 |
| 2.1 项目风险度量理论及方法 |
| 2.1.1 风险的定义与内涵 |
| 2.1.2 风险偏好与风险的主观性 |
| 2.1.3 项目风险的度量方法 |
| 2.1.4 项目组合风险与单一项目风险的联系和差异 |
| 2.2 项目组合风险的复杂性分析 |
| 2.2.1 项目间的交互效应及其影响机理 |
| 2.2.2 复杂系统视角下的项目组合 |
| 2.2.3 项目组合风险的复杂性 |
| 2.2.4 项目组合风险度量的要点 |
| 2.3 本章小结 |
| 3 交互效应影响下项目组合风险的综合度量架构 |
| 3.1 项目间的交互效应度量 |
| 3.1.1 资源的交互效应度量 |
| 3.1.2 技术的交互效应度量 |
| 3.1.3 进度的交互效应度量 |
| 3.1.4 收益的交互效应度量 |
| 3.2 交互效应的不同构成对项目组合的综合影响 |
| 3.2.1 交互效应对项目组合风险的综合影响 |
| 3.2.2 交互效应对项目组合收益的综合影响 |
| 3.2.3 项目组合整体属性的变动特征 |
| 3.3 项目组合风险的演变过程及度量架构 |
| 3.3.1 项目组合风险的演变过程 |
| 3.3.2 项目组合风险的度量架构 |
| 3.4 本章小结 |
| 4 项目组合的积聚风险度量模型 |
| 4.1 项目组合积聚风险的内涵 |
| 4.2 贝叶斯网络的基本原理及建模方法 |
| 4.2.1 贝叶斯网络的基本原理 |
| 4.2.2 贝叶斯网络的建模方法 |
| 4.2.3 贝叶斯网络在项目组合积聚风险中的应用 |
| 4.3 项目组合积聚风险的贝叶斯网络度量模型 |
| 4.3.1 建模的基本构想 |
| 4.3.2 建模的具体流程 |
| 4.3.3 建模流程分析 |
| 4.4 算例研究 |
| 4.5 本章小结 |
| 5 项目组合的脆性风险度量模型 |
| 5.1 复杂系统脆性理论 |
| 5.1.1 复杂系统脆性的定义及特征 |
| 5.1.2 基于熵理论的脆性风险度量原理 |
| 5.1.3 基于图理论的脆性风险度量原理 |
| 5.2 基于复杂系统脆性理论的项目组合脆性风险度量 |
| 5.2.1 项目组合的脆性风险模型 |
| 5.2.2 项目组合的脆性风险度 |
| 5.2.3 项目组合的脆性联系熵 |
| 5.2.4 项目组合的脆性风险传播网络 |
| 5.3 算例研究 |
| 5.4 本章小结 |
| 6 项目组合的冲突风险度量模型 |
| 6.1 项目组合的冲突风险识别 |
| 6.1.1 项目组合管理中的管理角色 |
| 6.1.2 管理者之间的冲突 |
| 6.1.3 冲突风险的影响因素 |
| 6.2 项目组合冲突风险的模糊综合度量 |
| 6.2.1 基于综合权值法的模糊综合评判原理 |
| 6.2.2 项目组合冲突风险的多维模糊综合评判模型 |
| 6.3 算例研究 |
| 6.3.1 本章算例研究 |
| 6.3.2 算例的综合讨论 |
| 6.4 本章小结 |
| 7 结论 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
（10）城市铁路客运站外部集散网络的脆性理论研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 论文的选题背景及意义 |
| 1.2 国内外研究综述 |
| 1.2.1 铁路客运站集散网络的国内外研究综述 |
| 1.2.2 复杂系统脆性的国内外研究综述 |
| 1.2.3 道路交通网络脆弱性的国内外研究综述 |
| 1.2.4 路网可靠性、脆弱性与脆性关联性分析 |
| 1.2.5 存在的主要问题 |
| 1.3 复杂系统脆性概述 |
| 1.3.1 复杂系统脆性特征分析 |
| 1.3.2 脆性熵的基本概念 |
| 1.4 论文主要研究内容及框架 |
| 2 城市铁路客运站外部集散网络系统分析 |
| 2.1 集散网络的基本概念及内涵 |
| 2.1.1 铁路客运站空间布局类型分析 |
| 2.1.2 集散网络的定义 |
| 2.1.3 集散网络的边界设定 |
| 2.2 集散网络特征分析 |
| 2.2.1 集散网络道路交通网络结构特征分析 |
| 2.2.2 集散网络的交通流特征分析 |
| 2.2.3 集散网络脆性特征分析 |
| 2.3 集散网络脆性激发的干扰因素分析 |
| 2.3.1 集散网络脆性激发的内部因素分析 |
| 2.3.2 集散网络脆性激发的外部因素分析 |
| 2.4 小结 |
| 3 集散网络崩溃路径的模型与算法研究 |
| 3.1 集散网络崩溃的路径模型的建立 |
| 3.1.1 集散网络的适应性Agent图拓扑结构 |
| 3.1.2 基于SUE配流的集散网络交通流量分配模型与算法 |
| 3.1.3 崩溃路径的定义 |
| 3.1.4 参数设定 |
| 3.1.5 最大/最小崩溃路径模型的建立 |
| 3.2 基于Lagrangian Relaxation算法的集散网络崩溃路径研究 |
| 3.2.1 寻优思路 |
| 3.2.2 Lagrangian Relaxation算法设计 |
| 3.2.3 Lagrangian Relaxation算法步骤 |
| 3.3 算例分析 |
| 3.3.1 北京南站外部集散网络拓扑结构 |
| 3.3.2 数据准备 |
| 3.3.3 北京南站外部集散网络崩溃路径求解 |
| 3.4 小结 |
| 4 集散网络脆性动态演化机理研究 |
| 4.1 复杂适应性系统相关理论 |
| 4.1.1 复杂适应系统理论 |
| 4.1.2 适应性Agent图的理论 |
| 4.2 基于适应性Agent图的集散网络脆性仿真 |
| 4.2.1 适应性Agent图的集散网络脆性仿真建模 |
| 4.2.2 集散网络适应性Agent图的执行器IF/THEN准则 |
| 4.2.3 算例仿真分析 |
| 4.3 集散网络脆性的分布特征分析 |
| 4.3.1 非节假日集散网络脆性分析 |
| 4.3.2 节假日集散网络的脆性分析 |
| 4.3.3 不同空间布局类型的客运站集散网络的脆性特征分析 |
| 4.4 小结 |
| 5 集散网络脆性的自组织临界性研究 |
| 5.1 自组织临界性理论 |
| 5.1.1 自组织临界性的沙堆模型 |
| 5.1.2 自组织临界性的特征 |
| 5.1.3 集散网络脆性与自组织临界性的关系 |
| 5.2 集散网络脆性的自组织临界性模型与方法研究 |
| 5.2.1 基于改进元胞传输模型的集散网络脆性激发规模计算 |
| 5.2.2 集散网络脆性规模与频率的幂律关系研究 |
| 5.3 小结 |
| 6 基于改进突变级数评价方法的脆性源等级判别 |
| 6.1 基于脆性熵的客运站状态变化规律 |
| 6.2 改进突变级数评价方法 |
| 6.2.1 脆性源评价指标体系的建立 |
| 6.2.2 突变级数评价法的原理 |
| 6.2.3 构建从优隶属度矩阵 |
| 6.3 北京南站脆性评价算例分析 |
| 6.3.1 北京南站脆性评价指标体系 |
| 6.3.2 各方案参数设置及基本假设 |
| 6.3.3 北京南站运营方案的脆性等级判别 |
| 6.4 小结 |
| 7 研究结论及展望 |
| 7.1 研究总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 附录A |
| 附录B |
| 作者简历 |
| 攻读博士期间发表或者录用的论文 |
| 参加的科研项目 |
| 获奖情况 |
| 学位论文数据集 |
四、基于滑动t检验法的非典型性肺炎疫情的脆性分析（论文参考文献）
- [1]基于层次分析方法的军工企业经济运行受新冠肺炎疫情影响程度的评价模型建立及优化[J]. 程琳惠,单皓,韦玉芳,高勇,刘兆毅. 现代工业经济和信息化, 2021(04)
- [2]供应链复杂系统脆性传播模型与管控方法研究[D]. 曹伟. 北京交通大学, 2020(03)
- [3]海上危化品运输系统脆性研究[D]. 王喆. 大连海事大学, 2020(01)
- [4]基于排列熵的混沌边缘识别及其应用[D]. 罗文相. 广州大学, 2019(01)
- [5]城市垃圾收运处理系统脆性研究[D]. 杨泽宇. 北京化工大学, 2018(02)
- [6]武汉市城市边缘区识别及动态分析[D]. 熊念. 武汉大学, 2018(12)
- [7]基于滑动样本熵的动力学状态识别及其应用研究[D]. 张捷. 广州大学, 2018(01)
- [8]基于滑动样本熵的动力学状态识别[J]. 张捷,万丽,罗文相. 广州大学学报(自然科学版), 2018(02)
- [9]交互效应影响下的项目组合风险度量研究[D]. 管杜娟. 西北工业大学, 2015(12)
- [10]城市铁路客运站外部集散网络的脆性理论研究[D]. 梁英慧. 北京交通大学, 2014(07)