灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

改进的Verhulst沉降预测模型及其参数估计方法

为提高软土路基沉降预测灰色Verhulst模型的预测精度,首先从沉降初始实测值修正和增加时间指数项两个方面对灰色Verhulst模型的离散时间响应式进行了改进;然后基于最小二乘原理,利用差分进化算法对改进的灰色Verhulst模型时间响应式进行直接地优化估计,避免了灰色Verhulst模型常规估计方法中因背景值选取问题而导致的计算误差.实例计算结果表明,改进的灰色Verhulst模型较原模型具有更好的灵活性和适应性,比Gompertz模型、Logistic模型、Bertalanffy模型、Weibull模型及原灰色Verhulst模型这几种沉降预测模型具有更高的预测精度,可供工程设计参考.     

GM(1,1)模型和Verhulst模型在人口预测中的应用

为提高我国人口预测模型的预测精度,分析了GM(1,1)和Verhulst预测模型的特点,并分别利用GM(1,1)和Verhulst模型对我国人口的变化情况进行了预测,发现灰色Verhulst模型有更高的预测精度和可靠性,更适合于我国人口的预测.     

优化的灰色离散Verhulst模型在基坑沉降预测中的应用

基于传统的灰色Verhulst模型在基坑沉降预测中精度较低的问题,提出优化的灰色离散Verhulst模型。在基坑沉降监测中,由于有新的监测沉降值不断补充到原始数据序列中,各种因素会带来新的扰动,原来的模型精度降低,为避免由此产生的误差,用新陈代谢方法建立优化灰色离散Verhulst一维、二维新陈代谢模型。将传统Verhulst模型、优化的灰色离散Verhulst模型及优化灰色离散Verhulst一维、二维新陈代谢模型进行比较。研究结果表明:该模型通过采用离散化思维对原数据序列进行倒数变换,从连续形式向离散形式变化,减小了传统Verhulst模型建模过程中从微分方程到差分方程带来的误差;采用新陈代谢方法的优化灰色离散Verhulst模型精度更高,可选用该模型对基坑进行沉降预测。     

基于残差修正的灰色神经网络在数据挖掘中的应用

针对时间序列数据样本少、部分信息未知的特点,提出将灰色理论与神经网络相结合构建灰色神经网络,充分利用两种方法的优势对小样本时间序列数据进行有效挖掘.为了提高模型的预测精度,提出利用残差对模型进行有效修正.实验分析表明,残差修正灰色神经网络具有较高的预测精度,适合于小样本时间序列数据的挖掘.     

灰色GM（1,1）模型和Verhulst模型在青岛市海水养殖产量预测中的应用

灰色预测是建立从过去引申到将来的灰色预测模型（Grey Prediction Model）,从而确定所研究系统未来发展变化的趋势,为决策者提供科学依据。以青岛市1998-2007年海水养殖产量统计数据为基础,分别利用灰色GM（1,1）模型和Verhulst模型对该市传统海水养殖产量变化作预测。预测结果表明,GM（1,1）模型和Verhulst模型都显示了青岛市海水养殖产量在未来5年呈逐年递增的趋势。但通过对GM（1,1）模型和Verhulst模型的模拟精度验证和模拟预测结果的比较,发现灰色Verhulst模型预测精度较高,Verhulst模型更适合对该市未来几年的海水养殖产量进行预测。该研究结果可为青岛市合理保护和利用海水养殖资源、制定海水养殖规划提供参考依据。     

基于灰色BP神经网络的装备保障费用预测模型

装备的保障费用是装备全寿命周期费用的重要组成部分,为了科学合理地预测武器装备的保障费用,通过分析装备保障费用的构成及其影响因素,考虑到装备保障费用数据量有限、复杂多变、非线性,用单一预测模型预测精度不高,因此建立了基于灰色系统理论和BP神经网络的组合预测模型,将灰色系统模型善于处理小样本数据和BP神经网络优于解决复杂非线性问题的优点有效地结合起来,对基于非线性时间序列的保障费用进行预测。仿真实例表明该组合模型的预测结果比传统单一模型所得到的预测结果总体误差要小,可以有效提高装备保障费用的预测精度。     

基于改进灰色组合模型的城市轨道交通客流预测 ——以西安地铁2号线为例

针对城市轨道客流培育发展大致呈S形曲线的特点,首先以灰色Verhulst模型对西安地铁2号线客流进行预测.为提高预测结果的精度,对原始数据形成的序列数据通过对数变换处理来减少其波动性.由于所研究轨道线路尚未到达客流饱和阶段,为了规避单一模型较大的风险性,针对不同模型的特点,从处理过的原数据列选取西安地铁1号线开通年度(2014年1月)之后的西安地铁2号线数列,此数据列数据量较少,波动性小,采用灰色GM(1,1)模型对处理过的西安市地铁2号线数列进行预测.通过将灰色GM(1,1)模型预测结果与改进Verhulst模型预测结果进行线性组合,之后将采用不同预测模型的预测结果与实际值进行对比分析,发现组合模型的预测精度更高.     

基于马尔科夫——灰色BP神经网络组合模型的深基坑变形预测研究

建立马尔科夫—灰色BP神经网络组合模型是为了更加科学合理预测深基坑压顶水平位移,提高预测精度.比较分析BP神经网络模型与串联式灰色BP模型的预测结果,建立马尔科夫链修正的灰色BP组合模型,以汕头市某花园酒店扩建工程的基坑压顶水平位移的实测数据为研究对象,通过比较模型预测结果与实际结果,检验其深基坑预测模型的精度.实例证明,经马尔科夫链改进的灰色BP神经网络组合模型的预测精度优于单一模型,更适合用于样本少、随机波动性大的深基坑变形预测.马尔科夫—灰色BP神经网络组合模型对深基坑压顶水平位移的预测不仅精度高,同时反映出数据序列发展变化的总体趋势和系统之间各状态的规律,为深基坑压顶水平位移预测提供了一种新方法.     

高速公路交通事故的灰色预测模型

在分析中国交通事故历史数据的基础上,引入灰色预测模型,根据数据特性建立了改进的灰色Verhulst模型,同时对改进的灰色Verhulst模型、灰色Verhulst模型和GM(1,1)模型进行比较。结果表明：改进的灰色Verhulst模型较好地反映了告诉公路交通事故的发展趋势,提高了模型的预测精度,扩大了模型的适用范围。     

无线传感器网络的可靠性评估模型

为了解决测量无线传感器网络可靠性的问题,提出一种可靠性评估模型,此模型综合考虑了基于容错的网络抗毁性和基于能效的网络寿命这两个主要因素。通过确定K-覆盖和K-连通,可有效评估自然失效和能量约束条件下的网络可靠性,同时可以延长网络寿命并提高网络的鲁棒性。实验结果表明在无线传感器网络中可靠性与传感器密度存在一定关系。通过实现可靠性模型中的最优化目标,满足了传感器覆盖率和网络连通率要求,提高了无线传感器网络的安全性能。     

现代网络流量的混沌奇异吸引子

网络流量的预测和控制是现代网络中的一个重要方面,但是它所呈现出来的长相关、分形等特征已经无法用传统的流量模型来描述.利用相空间重构方法,通过计算两组典型网络流量的Lyapunov指数、关联维来找出具有共性的现代网络流量的特征量,从而刻画网络流量的混沌奇异吸引子.仿真结果表明,现代通信网流量存在有共性的奇异吸引子.从而为网络的混沌建模及分析给出了理论上的支持.     

基于能量有效和延迟减少的WSN多层链式数据收集协议

基于LEACH、PEGASIS、PEDAP等数据收集协议的弊端和约束,结合无线传感交通监控网络中监控区域呈带状模型、目标高速运动、节点铺设密度受限以及基站距离远等特征,提出了一种基于能量有效和延迟减少的多层链式无线传感器网络数据收集协议(MEDC).协议提出了分层链的思想,并采用最小化总能量链构造方法生成链,leader的选取基于剩余能量最大法.实验结果表明,MEDC性能显著优于LEACH和PEGASIS等协议,不仅能有效延长网络生命周期,且能明显减少网络延迟.     

一种具有异轨星间链路的Walker星座网络拓扑与路由生成方案

Walker星座网络能否建立异轨星间链路是提升其通信能力的关键所在.研究了一种24/3/1 Walker星座,通过对卫星间的能见分析及星间链路特性分析,探索了建立异轨道星间链路的可行性.然后,按照时段接续的异轨星间链路方案,进行了24/3/1 Walker星座网络的拓扑仿真与生成,并在此基础上对星座网络采用K短路径和最短路径路由选择策略进行了对比仿真分析.结果表明,按照时间段接续建立异轨星间链路的方案是可行的,所生成的网络拓扑的切换时间间隔最小为30 s,最大为115 s,K短路径策略在总体上要优于最短路径策略.     

一种基于神经网络的气象要素插值方法与分析

为解决三维气象要素场的插值问题,利用神经网络的多维非线性映射功能,结合气象要素的特点,提出了一种方便灵活、精度好的插值方法.并利用NCEP再分析气象要素格点资料,对插值模型在空间域的插值精度进行了分析,对其中的一些数据现象,根据气象要素的分布特性,用信息量的观点做出了解释.得到了插值精度受迭代次数和样本点选取方法影响,不同气象要素由于空间变化率的不同而具有不同的最佳训练次数和最佳训练点选取方法的结论.根据分析结论给出了提高插值精度的方法.     

基于时延抖动的网络拓扑推断技术

为了克服基于端到端单向时延的拓扑推断算法中需要时钟同步的缺点,根据端到端时延抖动的定义和特点提出了拓扑推断中端到端时延抖动的四元分组列车测量方法和基于端到端时延抖动的拓扑推断算法,其中端到端时延抖动的测量不需要节点间的时钟同步,并且实现简单.分析了基于端到端时延抖动推断网络拓扑的可行性和正确性,通过NS2进行了仿真.仿真结果表明,基于时延抖动推断拓扑结构的效果比基于端到端单向时延推断拓扑结构的效果好.     

一种新的可信修复网络模型及其实现

为解决目前缺乏一种可行的可信修复网络框架问题,提出了一种新的、可行性强的可信修复网络模型,详细说明了该模型提供的功能和工作流程,着重阐明了可信修复网络的通讯机制和认证方法.仿真实验表明,该框架在保证网络系统安全性和可信性的同时,实现了为不满足可信网络安全策略的终端用户提供及时可靠的修复服务.     

一种基于NetFlow的网络蠕虫检测算法

为了论证网络传播蠕虫时将出现网络流量的异常特征的现象,分析了网络蠕虫的工作机制和扫描策略,提出了基于N etF low流信息检测网络蠕虫的检测方案,设计了一种检测网络蠕虫的逐步求精三级算法NDW(N etF low based detecting w orm)。算法通过依次检测主机总流量、特征端口和行为规律,快速有效地定位和判断异常主机。理论分析表明,该算法的时间复杂性不大于H(εM O)(1))。实验结果表明,算法能够有效、准确地发现被网络蠕虫感染的主机。     

认知无线网络中的多域认知

认知无线电与认知无线网络的明显区别之一是认知环境发生了变化,从无线环境拓展到网络环境与用户环境。从认知无线电到认知无线网络的演进过程中,为了深入研究环境认知的基础理论,在分析认知网络的基本概念和工作机理的基础上,提出了多域认知的思想,构建了一个包括多域本地认知层、多域协同认知层和多域主动认知层的3层认知理论体系框架,提出了基于认知引擎的多域认知实现框架,探讨了多域认知的研究内容,为认知无线网络的应用奠定了基础。     

雾天高速公路网行程时间可靠性评价方法

为有效评价区域高速公路网布局的合理性,基于对雾天影响下高速公路网行程时间可靠性的研究,寻求路网中的关键路段,并以此作为改善和优化公路交通网络的依据。通过对网络运行时间可靠性和雾源分布随机性的分析,提出高速公路网路段单元的行程时间可靠性的综合评价模型。并结合用户平衡模型和串并联理论,构建高速公路网络系统的时间可靠度计算模型。利用Matlab工具箱对随机雾源进行模拟仿真,结合MonteCarlo方法求解模型,以评价随机雾天高速公路网的行程时间可靠性,最后通过实例验证说明了该方法可以合理地评价随机雾源影响下路网的行程时间可靠性,并有效地找出路网中受雾影响最明显的关键路段。