1) random dot pattern
随机点模式
2) stochastic model
随机模式
1.
In this paper, using perturbation teChnique of one order approximation, a quartic nonlinear stochastic model of air-sea interaction is deduced to a linear system with random item and a nonlinear system without random item.
本文首先对一个假定随机强迫为高斯白噪声的四次方非线性海气耦合随机模式进行了ε一阶近似的摄动处理，将非线性随机模式化为显含随机项的线性系统和隐含随机项的非线性系统，通过对输出响应的分析表明：该模式结构和随机项的特性使得随机强迫输出的响应只能通过模式的线性区；非线性项仅对气候系统的方差及其对应的频谱有一定量的偏差作用。
3) model of random point sound source
随机点声源模型
1.
Aimed at certain types of building dispositions in urban residential region,the noise impacts of the underground garage is analyzed and calculated with the simulation model of random point sound source.
针对城市居住区2种典型的建筑布局,结合随机点声源模型,对居住区内地下车库噪声影响进行了分析计算。
2.
The model of random point sound source was applied to predict the noise of underground garage in urban residential region with the method of computer simulating.
运用随机点声源模型对城市居住区地下车库出入口噪声进行计算机模拟预测 ,通过实测值和预测值的比较 ,该预测模型精度较好 。
4) Random WayPoint
随机路点模型
5) random drilling model
随机钻井模式
1.
Based on the multivariable random drilling model,the multi objective reliability optimization of deep well drilling parameters is presented.
在多元随机钻井模式理论的基础上，提出了深井钻井参数多目标可靠性优化方法。
6) random load mode
随机载荷模式
补充资料：随机点过程
随机点过程
stochastic point process
【补注】令X，吧。如前设，令王〕玛‘，为x的Bor-el域.令M为(X，王)上所有Borel测度的集合.对于每个B〔忍〔，，召卜，户(B)定义一映射M~R李‘，，而叭为由这些映射生成的a域，即使所有这些映射为可测的最小口域.M的整值元形成子空问N.而听则是NCM上的导出6域. X上的一个随机测度就是(M.刃功上的一个概率测度，或者等价地说，是某个抽象概率空间(‘2，、，P)到(M，叭)的可测映射C.而点过程则是C在N中取值这种特殊情形. 一个元素v〔N称为简单的，如果对所有x6X，，(x)=O或1.一个简单点过程则是在由简单测度组成的N的子空间中取值的点过程. 每个B〔忍t，定义一个函数M卜R、t，.尽卜‘拜(B)，因而给出随机测度乏，就定义一个随机变量，将用古B记之.可以用两种方式来考虑一个随机测度:一是用概率空间(O，、，尸)来参数化的(X上)测度亡(田)的集合，一是用玛。作指标集的(0上或M上)随机变量亡B的集合，这依赖于所注视的是映射(田，B)一，亡(。)(B)的哪一部分. 更一般地，对X上的每个有界连续函数厂，由 ;，(。)一Jf(x)。(dx) X可定义随机变量亡f.对每个随机测度古，可定义心的Palm分布(Pa】m distribution).对简单点过程古，R山们分布Q二可以理解为给定看在x6X有一个原子时，古的条件分布.Palm分布在随机测度论中具有很大的重要性，同时对于排队论、分支过程、再生集、随机几何、统计力学，以及保险数学等，都有应用(最后一个要用到重随机Poisson过程，又称Cox过程，它们是强度随机变化的Poisson过程). 一个随机测度的h】m分布是由分解它在X xML的Cillnpbell测度(Campbell此asure)而获得的，后者由下式给出: 〔(刀x产)=E【(哲B)l，」，刀‘践1.、〔叭、其中l，是了CM的指示函数，l响数(迄刀)l，是两个函数言B与l，:M一R的(i主点)乘积，而E表示期望. 个测度的分解是与条件分布(conditional clistri-butlc)n)密切关联的.给定两个可测空间(X，王)与(T)，一个从X到T的核(kernel)(又称为M:，PKou核( Markov kernel))是一个映射夕:XX、-，R一(，使得对所有月任厂，户(·，A):x}~p(x，了1)是在x匕可测的，目.对所x‘X，p一p(x二):通{，尸(无‘A)是(T.厂)上的a有限测度. 给定一个乘积空问xxT上的。有限测度召，则拜的一个分解(disllltegratlon)由X上的a有限测度、，与从x到T的核l)组成，使得、，几乎处处有尸、(了)笋O，「!.对所有(B，A)〔王x一有 ，!‘。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条