关于几种经济预测模型的应用研究

《关于几种经济预测模型的应用研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第17卷第2期2001年6月哈尔滨商业大学学报JoumalofHa由mumvenltyofcommerceNammsclenc髓Ed血onVol-17．No2JuN．2I)01文章编号：1004—1842(2001)02—0044一04多段式半导体激光器的端面输出谱王佳菱1，林竹江2(1哈尔滨商业大学基础部．黑龙_}工哈尔滨150076；2黑龙江商业高级技术学校，黑龙江暗尔演1j0027)摘要：在充分考虑敏光源于放太卣盅辐射、而自发辐射可能产生于半导体激光嚣(LD)有潍层中的各点等精理事妻的基础上，我们采用射线击、越递推备式的形式导由院争段式卓导体激光嚣的输出谱的解折表选或，并叶某些

2、常见的情~兄进行了简单扼要地讨论。关键词：多段式半导体激光嚣；输出谱：射线法中图分类号：04714文献标识码：AExpressionoft

3、心outputSpectrumFromMulti-Se掣nentedSemiconductorLa阶rs肼ⅣGJ珏nn一，L．『：Ⅳ厨u了i∞矿1Ba啪Co—D。Pann婀止Ha舳n【m嘲'】lvofC0mme盹e，Hatbln150076．ChlTla，2Hdl帅目la“g(■mmaK】一school'mrbln15∞27，chin曲Abst瑚ct：Taki“gintoaccountche矗ccsthattheke¨a出anon1sdeveloped矗

4、omdleamph一丘edsponcaneouseITlis虹on(AsE)andtheAsEnlayb。genefa怔dataⅡypojnt。f出eacnvehy—erofthesellliconductorla5er(LD)，theray仃acemechodhasbeenusedtodenvetheexpresslonof出eoutput8pectrLlm丘omamLdn一5。粤nenetedselconductorlaserInaddinon，bnefdescnp—tionshavebeen目vent。c踮船。矗enencounteredKeywords：mul石一s。gmenteds

5、e而corlduct。rlaser：output5peccrum；raytraceme出。d0引言其实，多段式半导体激光器(nsLD)也是一种常见的半导体激光器(LD)，可以用夹生产双稳或调谐输出的两电极、三电极等多电极半导体激光器实际上就是nsLD中的一种。在这类激光器中．由不同电极泵浦的有源层中的载流子密度可能会不同：换句话说，由柜互间【几乎)绝缘的电极的定义的各区的折射率也可能会不同，它们间的过渡区域可以被认为是一个有一定反射能力的界面【IJ。前人的研究表明，如果LD的有源层内存在着反射率大于2×101的反射的话，其输出光谱将会发生昵显的变化目：文献⋯的研究结果表明，在nsLD军，文献

6、[2】胪描述的情况是很容易得到满足的，故在研究光谱特性时多电极半导体激光器应该被看作是某种nsLD。Young等人“和weldon等人14在沿LD纵旬特定的地方人为地引进了某些反射／散射、吸收点后，用较低的成本实现了模式抑制比大亍20万方数据万方数据哈尔滨商业大学学报(自然科学版)2001年图中，x2(x1，也，⋯～。)7为输入样本，y为单输人．u2(u、，u：，⋯，u。)7为隐层节点的输出，w=(w。，％，⋯，w。)’为连接权系数，‰和w。分别为偏置节点和偏置权系数。因为输人层节点只是传递输入信号到隐层，所以取输入层节点与隐层节点之间的权系数为1，月E隐层节点的输出为u1=中(Ix—c、l

7、／6，)i-1，2，⋯，m(7)式中中(·)是激勖函数——径向基函数，x为输入样本，c．为第一个隐层节点的基函数中心参数向向，点为第i个隐层节点的基函数宽度参数，

8、

9、·

10、_为欧氏范数。虽然隐屡节点的激励函数可以选用不同的形式，舟是最常用的是高斯函数，这时RBF网络的输出可表示为y=王_exp㈨x一．一(2茸)l却‘(8)式中w．表示第i个隐层节点到输出节点肟权系数，c．和6．为第i个隐层节点的高斯函数中心和宽度。对于给定高斯函数作为激励函数的RBF网络来说，训练所需要确定的参数主要有高斯函数的中心向量c，、高斯函数的宽度参数6，、隐层节点个点数及网络输出权系数w．j其训练过程一般分两个阶段。

11、第一阶段，根据所有输入样本决定隐屡节点的数目、高斯函数中心向量c．和宽度参数苣。第二阶段，根据已确定好的隐层参数和输入样本、输出样本，确定连接权系数w．。最常用的确定高斯函数参数的方法有K—means聚类算法、竞争学习法等，而正交最上二乘法(or吐10炉nalLeastsquares)则较好地解决了网络权值的计算和隐含层神经元个数的确定问题：最近发表的研究成果表明，利用递阶结构遗传训练方法，对于R_BF神经网