简介:美国的高等院校都是州立的或私立的,没有国立大学或全国统一的教程。尽管如此,大多数学校的物理课程是类似的。典型的大学物理是一种一年半的概括了解性质的课程。在许多小的学院或大学,所有修物理这门课的学生,无论是理科的还是文科的,上的内容都相同。大的学校则通常开设若干种不同的基础物理课程,其中通常包括适用于下述专业的专门课程。(1)物理科学和工程专业(微积分水平),(2)生物和医学专业(代数和三角水平)和(3)文科专业(代数水平)。有时还开设其他基础物理课程,包括为优等生开的专门课程或有关音乐物理、能量和环境物理或空间物理的半年期专题性课程。对于修上述任一种基础物理课程的绝大多数学生来说,这是他们最后一次修物理课程。在本文中,我仅讨论上述第一、第二类课程。除了对数学的要求不同外,这两类课程是相当类似的。
简介:目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。