为了得到真正硬件产生的随机数序列,采用振荡电路作为物理源,设计了混洗电路和扰频 电路来改善输出序列的均衡性和数据冗余,它具有真随机数发生器的不可预测性高、随机性好的 优点.

：基于统计学原理的传统的民航客运量预测方法难以预测动态数据的内在结构和复杂特 性。为了提高民航客运量预测的准确性，利用人工神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性，选用RBF 神经网络为模型并利用MATLAB 编程实现了对民航客运量的准确预测。本文介绍了RBF 神经网络MATLAB 的相关知识，并以民航客运量的1978 年至2007 年的实际数据为例进行RBF 神经网络的训练与测试，实验结果表明，将RBF神经网络与MATLAB 结合运用在民航客运量预测中具有可行性，预测精度更高

支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。

为了预测和评价日光温室墙体的热工性能，构建了日光温室墙体非稳态传热过程的一维差分模型。根据气象统 计参数及其变化规律，确定了墙体表面太阳辐射热量的算法，以及傅立叶级数形式的室内和室外气温等边界条件，墙体 表面接收的太阳辐射热量处理为边界节点的内热源。提出了以周期外界条件反复循环作用的“程序预演法”，解决了墙体 传热模拟的初始条件问题。采用高效的追赶法求解差分方程组等方法，建立了完整的日光温室墙体传热的数值模拟方法， 编制了计算机程序RGWSQCR，通过运行程序模拟日光温室墙体传热过程，可