简介：峰值预测模型是目前广泛应用的中长期产量趋势预测方法。四川盆地天然气产量增长呈多峰态的特点，采用多峰高斯模型，在产量—时间序列中引入最终可采储量作为边界条件，并首次运用于四川盆地中石油西南气区（以下简称西南气区）中长期产量趋势研究中，定量的进行全生命周期预测。结果表明：①针对西南气区天然气产量呈波浪式前进的特点，多峰高斯模型可以进行全程、精细的拟合；②最终可采储量（URR）是决定未来产量趋势的主控因素，通过天然气开发潜力分析，估算西南气区最终可采储量为（4.1～4.5）×1012m3；③引入边界后，预测结果与勘探开发实际吻合度更高，在未来30年，西南气区天然气产量将快速增长，产量峰值（700～760）×108m3，稳产20年以上，具有广阔的开发前景。

简介：针对PM2.5污染,选取蚌埠市近1年的空气质量监测数据,以空气质量指数监测指标为切入点,运用相关性分析法与多元回归法,得到PM2.5与PM10、CO、O_3、NO_2呈显著正相关,与SO_2、O_3、CO之间的相关性很低。其次,巧妙运用SUEFER、EXCLE等软件,得出9：00、12：00和21：00的PM2.5浓度分布等值图,发现在百货大楼这些市中心地区,PM2.5浓度很高,说明可能该地区汽车尾气污染较严重。最后建立经典的高斯扩散模型,运用MATLAB软件出扩散图,排除湿度影响,发现随着风力增大,PM2.5扩散与衰减也在加快。同时,改进模型,引入湿度影响因素,得到在湿度较大的情况下,PM2.5扩散只是稍微加快,说明湿度对其扩散影响较小。

简介：曾任《新华日报》总编辑、江苏省出版局局长的高斯，是我的老领导，我尊他为师，而他以朋友待我。在将近半个世纪的交往中，他高尚的人格使我感佩。我与高斯的交往开始于“文革”前期一个特殊的场合。1968年4月我被分配到新华日报社工作。不久，报社军管小组召集了一次会议，与会的有各个部门推出的代表。我受评论组的委托，

简介：提出了一种基于级联投影的高斯混合模型算法。首先，针对不同的特征维度计算高斯混合模型的边缘概率，依据边缘概率模型构造出多个子分类器，每个子分类器包含不同的特征组合。采用级联结构的框架对子分类器进行动态融合，从而获得对样本的自适应能力。其次，在心电情感信号和语音情感信号上验证了算法的有效性，通过实验诱发手段，采集了烦躁、喜悦、悲伤等情感数据。最后，探讨了情感特征参数（心率变异性、心电混沌特征，语句级静态特征等）的提取方法。研究了情感特征的降维方法，包括主分量分析、顺序特征选择、Fisher区分度和最大信息系数等方法。实验结果显示，所提算法能够在2种不同的场景中有效地提高情感识别的准确率。

简介：德国著名大科学家高斯（1777-1855）出生在一个贫穷的家庭。高斯在还不会说话时就自己学计算，在他三岁时，有一天晚上他看着父亲在算工钱时，还纠正了父亲计算的错误呢。高斯长大后成了当时最杰出的天文学家、数学家。他在物理的电磁学方面也有所贡献，现在电磁学的一个单位就是用他的名字命名的。数学家们则称呼他为“数学王子”。

简介：高斯（Gauss1777～1855年），1777年4月30日出生于德国中北部。德国著名数学家、物理学家、天文学家。高斯被认为是最重要的数学家，有数学王子的美誉，并被誉为历史上伟大的数学家之一，

简介：　　高斯是德国著名数学家、物理学家和天文学家.他生于贫寒家庭,从小就显示出非凡的数学才能,最喜欢的游戏就是解题,常用煤块和粉笔在墙上不停地算.据说他3岁时纠正过父亲账单中的计算错误,令父亲大为叹服,奖给儿子一枚小硬币,一直被他珍藏.……

简介：　　高斯是德国著名数学家、物理学家和天文学家.他生于贫寒家庭,从小就显示出非凡的数学才能,最喜欢的游戏就是解题,常用煤块和粉笔在墙上不停地算.据说他3岁时纠正过父亲账单中的计算错误,令父亲大为叹服,奖给儿子一枚小硬币,一直被他珍藏.……

简介：摘要如今越来越多的人兴趣购买电动汽车，可能是因为电力比汽油和柴油便宜，这也是其中一个原因。汽车共享和乘车共享服务，自动驾驶汽车，电动汽车快速电池更换站，飞行汽车和Hyperloop等新技术肯定会对电动汽车的使用产生影响。为了解决上述问题，我们设计了一个灰色预测模型，一个线性拟合模型，一个高斯曲面模型和一个两阶段启发式算法来充分说明这个难题。在整个建模过程中，我们充分考虑了模型的有效性，可行性和成本效益。

简介：摘要：在单体电池的生产制造过程中，细微的不一致性（品控问题）以及长期充放电运行过程中的复杂因素导致电池组工作时出现单体电池的电压、内阻和SOC不一致的问题，进一步加剧了电池组性能的不均衡。这种不一致性可能引发类似于“木桶效应”的情况，其中劣化最严重的电池单体影响整个电池组的性能，甚至导致电池组报废，缩短了使用寿命。蓄电池在充放电过程中的特性变化，包括内阻的变化，因此希望确保每个单体的特性在充放电过程中同步变化，即每个蓄电池单体的充放电特性曲线是重合或接近重合的。尽管核容试验关注整组电池容量和规定放电时长后单体电压是否达标，但缺乏对蓄电池动态特性曲线的充分反映。现存的异常单体一致性测试方法基于硬性标准和大数据，不适用于同组运行电池组的单体异常查找，也存在简便性的不足。

简介：针对视频监控系统中运动目标的检测与跟踪技术进行深入研究，采用高斯背景模型的背景差法实现对运动目标的检测，基于SIR粒子滤波算法，利用颜色直方图信息与目标的运动状态信息实现对运动目标的跟踪。采用DaVinci技术对目标检测和目标跟踪算法进行封装和优化，实测结果表明，该算法能够对监控场景中的运动目标进行检测和跟踪，实现对视频图像的实时处理。

简介：高斯是德国一位著名的数学家。有一天，高斯出门办事。经过一个酒店门口，他看到酒店的老板正在严厉地训斥一个伙计，并说要重重地处罚他。原来这个伙计是一名端菜的服务员，在端菜时不小心打翻了几样莱。

简介：利用发光二极管（LED）光色电综合测试系统测量不同颜色不同功率的LED在多个电流下的光谱，提出并构建了由多个高斯函数组成的LED光谱模型，并根据各颜色LED在额定电流下的光谱计算模型中的系数，最后将该模型与已报道的模型进行了对比。研究表明：对于光谱有n（n≥1）个波峰的LED，可用3n个高斯函数形式的模型来表示，大功率红、黄、蓝、绿、白色LED模型与实测光谱之间平均误差分别为3．45％、1．01％、2．33％、4．65％、2．49％，小功率LED的平均误差分别为2．61％、2．65％、3．77％、2．87％、2．48％。与已报道的模型相比，该模型精度高，普适性好。本研究对LED光度色度测量仪器的研制及智能化LED产品的设计具有重要意义。

简介：为提高运动目标检测的可靠性，提出了一种自适应的基于混合高斯模型的运动目标检测算法．该算法利用混合高斯分布对每个背景像素建模，高斯分布的个数不是固定不变的，而是随着像素值的混乱程度自适应变化．差分图像的像素按大小被分为2部分，然后对这2部分分别进行自适应阈值化分割，得到前景图像．利用基于形态学重构的阴影消除方法来改善前景图像分割的性能．不同实际场景的实验结果表明该算法能够快速准确地建立背景模型，且具有更强的鲁棒性．

简介：高斯是德国19世纪著名的数学家、物理学家。他不到20岁时,在许多学科上就已取得了不小的成就。对于高斯接二连三的成功,邻居的几个小伙子很不服气,决心要为难他一下。小伙子们聚到一起冥思苦想,终于想出了一道难题。他们用一根细棉

简介：1+2+3+4+…+99+100-(100+1)×50=5050同学们你们还记得这道题吗?它是著名数学家高斯小时候做的。当年小高斯遇到的算式加数的个数是双数正好能配成对儿。如果加数的个数不是双数?怎么办?让我来教你几招吧。

简介：摘要本文给出了一个整形系统的设计实例，简化了高斯光束整形系统的光学设计；解释了高斯光束的形成原理；利用Zemax编写计算了坐标变换的ZPL宏指令；通过非球面透镜实验，证实了高斯光束的整形变化。仿真设计结果表明，输出光斑的光强均匀度高、能量损耗小、符合使用标准。且方法易于操作、计算简单、具有较高的实用价值。

简介：高斯（1777—1855）是一位伟大的数学家。他上学后不久，有一次老师布置了一道数学练习题：“把从1到100的自然数加起来，和是多少？”小高斯立刻算出结果为5050，这使得老师非常吃惊。那么，小高斯是采用什么办法来巧妙地进行计算的呢？我们先来看看下面一道简单的题目。

简介：高斯出生在一个贫穷的家庭。他八岁时进入乡村小学读书。教数学的老师是一个从城里来的人，觉得在一个穷乡僻壤教几个小猢狲（husun）读书，真是大材小用。而他又有些偏见：穷人的孩子天生都是笨蛋，教这些蠢笨的孩子念书不必认真，如果有机会还应该处罚他们，使自己在这枯燥的生活里添一些乐趣。

简介：在数学史中，有这样一个脍炙人口的故事：高斯在少年时做一道算术题：1＋2＋3＋4＋…＋97＋98＋99＋100=？这下可难倒了刚学数学的小朋友们，他们按照题目的要求，正把数字一个一个地相加．可这时，却传来了高斯的声音：“老师，我已经算好了!”