基于季节自回归单整移动平均模型的电梯交通流递归预测方法

针对电梯交通流预测提出了一种基于季节自回归单整移动平均（SARIMA）模型的递归预测方法．通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式．通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求．     

基于时间序列聚类和ARMA模型的检索量预测

为了通过预测分析检索量数据来指导商家调整产品开发及经营策略,将检索量数据组织为时间序列,对其用自回归滑动平均(ARMA)模型进行建模预测.先将时间序列进行聚类,仅对聚类中心序列进行ARMA模型识别,同类序列用该模型进行近似建模预测:经过数据预处理、相似性分析、基于相似度的聚类、时间序列预测等过程,得到检索量数据的预测值...     

基于X12-ARIMA和LSTM组合模型的城市蔬菜价格波动规律及预测

蔬菜产业是社会的主导产业之一,是国民经济的重要组成部分,获取准确有效的蔬菜价格波动信息是种植技术员安排生产以及市场价格调控人员实施决策的重要依据.以成都市莴笋价格为例,提出一种基于时间序列的X12-ARIMA和长短期神经网络(LSTM)组合价格数据预测模型,重点比较研究组合模型的预测效果.首先通过H-P滤波方法和CensusX12对价格数据进行分解,分析其波动规律,再使用X12-ARIMA模型对蔬菜价格序列进行预测,揭示其线性特征,最后利用LSTM模型对X12-ARIMA预测模型的误差序列进行建模预测,得到蔬菜价格波动的非线性规律,二者预测值之和就是组合模型的预测值.实验结果表明,成都市蔬菜价格有季节性循环等特性,且通过对比和分析显示,提出的组合模型预测精度更高和性能更优,可作为预测城市蔬菜价格异常波动的参考依据.     

优势变精度粗糙集在UCAV威胁估计中的应用

针对对象属性包含偏好信息及对象属性数据可能存在噪声或者一定程度的不完整的问题,在对经典粗糙集理论分析的基础上,引入优势变精度粗糙集方法,给出了优势变精度粗糙集算法的具体步骤,并结合UCAV作战特点,将其运用到UCAV威胁估计过程中.建立了基于优势变精度粗糙集方法的UCAV威胁估计决策信息系统,给出了决策系统所包含的条件属性和决策属性,并通过实例进行了分析.由结果可知,该决策方法实现简单,能正确对目标的威胁等级进行估计,且得出的规则以一定置信度给出,保证了规则的一致性,对于包含偏好属性的决策信息系统,该方法可以辨识出规则之间的不相容性.     

基于ARIMA与信息粒化SVR组合模型的交通事故时序预测

该文基于自回归滑动平均(ARIMA)模型和支持向量回归机(SVR)模型,构建时间序列组合预测模型,对道路交通事故相关指标进行趋势预测。通过ARIMA预测模型进行线性拟合;基于模糊信息粒化方法,将ARIMA预测模型残差季度变化趋势映射为包含最小值Low、中值R、最大值Up三个参数的模糊信息粒;并以其为输入构建SVR模型,对季度残差变化趋势进行预测;最后根据SVR残差预测值修正ARIMA模型预测值。实证研究结果表明:时间序列组合预测模型精度优于单一ARIMA模型,由模糊信息粒子确定的预测区间较好描述了实证数据的季度变化趋势。     

基于误差修正EOS-ELM的滑坡位移预测

提出了一种基于误差修正在线贯序超限学习机集成(EOS-ELM)的滑坡位移预测模型.预测过程中对滑坡位移时间序列进行了趋势项和周期项分解,分别考虑了不同的影响因子对滑坡趋势项位移和周期项位移的影响.利用在线贯序超限学习机(OS-ELM)算法分别对趋势项位移和周期项位移建模预测.采用集成预测的思想提高OS-ELM模型的泛化能力,同时为了进一步提高预测精度,提出了一种在线误差修正预测方法.该方法通过对误差序列进行建模预测,修正最终的预测结果.以三峡库区白水河滑坡为例,实验验证了提出方法的有效性.     

基于ε-SVR的用户视听在线人数预测

预测视听在线人数能够帮助厂商提供有价值的信息, 获取更大效益. 从时间序列分析出发, 经过特征调整, 利用支持向量回归对用户视听在线人数进行准确预测. 首先, 对数据进行时间序列分析建模并预测; 然后, 将模型视为线性回归对用户视听在线人数作进一步改进, 结合时间与实际生活中的特征进行调整, 并添加了新的特征; 接着, 对新特征组成的样本进行支持向量回归, 通过社会认知优化寻找径向基函数中的最优参数; 最后, 得到比较理想的预测效果.     

基于ε-SVR的用户视听在线人数预测

预测视听在线人数能够帮助厂商提供有价值的信息,获取更大效益.从时间序列分析出发,经过特征调整,利用支持向量回归对用户视听在线人数进行准确预测.首先,对数据进行时间序列分析建模并预测;然后,将模型视为线性回归对用户视听在线人数作进一步改进,结合时间与实际生活中的特征进行调整,并添加了新的特征;接着,对新特征组成的样本进行支持向量回归,通过社会认知优化寻找径向基函数中的最优参数;最后,得到比较理想的预测效果.     

混沌时间序列的自适应正交小波神经网络预测

针对非线性混沌时间序列预测问题,提出一种基于正交小波神经网络的自适应预测算法.根据来自非线性序列模型的期望输入输出数据,利用小波框架理论建立初始的小波神经网络.采用正交化逐步选择方法对于初始小波神经网络进行结构优化,从而建立最精简的网络模型.同时引入在线学习算法在线修改网络权值和小波神经元的参数,从而提高模型的自适应能力和泛化能力.通过对时滞Mackey-Glass超时间序列和时变Lorenz混沌序列的预测,证明了算法的有效性.     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.     

基于LSTM-PPO算法的无人作战飞机近距空战机动决策

近距空战中环境复杂、格斗态势高速变化,基于对策理论的方法因数据迭代量大而不能满足实时性要求,基于数据驱动的方法存在训练时间长、执行效率低的问题。对此,提出了一种基于深度强化学习算法的UCAV近距空战机动决策方法。首先,在UCAV三自由度模型的基础上构建飞行驱动模块,形成状态转移更新机制;然后在近端策略优化算法的基础上加入Ornstein-Uhlenbeck随机噪声以提高UCAV对未知状态空间的探索能力,结合长短时记忆网络（LSTM）增强对序列样本数据的学习能力,提升算法的训练效率和效果。最后通过设计3组近距空战仿真实验,并与PPO算法作性能对比,验证所提方法的有效性和优越性。     

多元量化SIFT视觉特征提取方法

视觉特征提取质量决定了UCAV认知导航的效能。为实现UCAV认知导航的高鲁棒性特征点提取，提出一种特征点优选的多元量化MQ-SIFT方法。针对SIFT模拟特征序列分布不均匀、正确匹配率不高的缺陷，提出采用多值量化与比特抽取结合法对模拟特征序列进行多元量化，并且分析验证了该方法的优越性能。为确保高鲁棒性特征点用于认知导航，对特征点进行了优选，给出了优选准则，提出了搜索最大连通集的改进迭代互欧氏距离方法。仿真结果表明：在图像信噪比大于10 dB时，MQ-SIFT算法及其优选的特征点具有较高的正确匹配率，并且其匹配率能够满足认知导航系统需求。     

基于GBDT的串联结构微电网 与电网交互稳定性评估

针对微源逆变器串联微电网中,微源投切对微电网与电网交互稳定性影响机理复杂,传统方法建模困难且无法及时决策的问题,提出一种基于梯度提升决策树(gradient boost-ing decision tree,GBDT)模型的交互稳定性评估方法.首先提出微源投切特征函数的构造方法,所提方法能够有效提取采用载波移相SPWM调制的串联结构系统中特有的投切微源位置特征,同时具有降低特征维数、提高模型效率、通过简单拟合使模型具备迁移能力的优势;其次将交互稳定性评估视为多分类任务,且对其中较不稳定样本进行谐振频段预测,从而可针对不同投切工况采取不同应对策略.在验证集和新建测试集上的测试结果表明特征提取方法正确、有效,可为类似串联结构系统在电能质量分析、优化运行等方面提供方法参考;所建模型泛化能力强且具有实用性,可为并网运行系统稳定性在线分析及决策提供新思路.     

时间误差对恒星视位置计算的影响分析

一般计算恒星视位置时需要精确的时间信息,对时间误差对于恒星视位置的影响研究相对较少。考虑到计算恒星视位置需要进行各种修正,这里依次研究了时间误差对岁差改正、自行改正、章动改正、视差改正和光行差改正模型的影响,通过综合分析得出时间误差对恒星视位置经纬度计算带来的影响,通过实验数据对时间误差带来的影响进行了论证,数据分析表明当时间误差值小于10min时,恒星视位置的经度计算误差要小于10-3",而纬度计算误差要小于10-4"的数量级,在不影响解算精度的情况下,将大大的降低对于时间精度的要求。     

面向无人驾驶碾压机的容错控制方法研究

无人驾驶碾压机高精度路径跟踪控制依赖于传感器对车体信息的准确测量,但在恶劣的高原大坝环境下,定位传感器极易出现信号突变、信号丢失现象,对系统的安全性与稳定性构成极大威胁。针对无人驾驶碾压机在恶劣工况下传感器的短时定位失效问题,提出了基于自学习模型的信号代偿容错控制方法。根据无人驾驶碾压机运行过程中转向系统漂移特性,构造了带流量损耗参数的线性转向模型,提出了模型参数在线学习算法,用于学习系统的流量损耗特性。以串联抗扰控制器作为车辆控制基础,实现定位短时失效场景下的容错控制。实车验证结果表明：车辆能够在传感器失效后的40 s内继续进行高精度碾压作业,与无代偿和模型无自学习代偿2种情况对比,分别延长了近18.7倍和2.7倍的运行时间,极大地提高了系统的安全性与作业效率。     

考虑主体失望情绪的分布语言自信群决策方法

针对分布语言自信评价信息下的多属性群决策问题,提出了一种考虑主体失望情绪的行为多属性群决策方法。首先,考虑实际群决策过程因为决策者的背景、经验、知识等原因会对自身给出的分布语言评价信息有着不同水平的自信程度(这反映了分布语言评价信息的可靠性),定义了一种新的评价结构,即分布语言自信评价;其次,在分布语言自信评价下,考虑有限理性的决策主体,其失望情绪常隐含于决策判断或评价中,利用失望理论,将主体失望情绪融入决策过程,同时,获得分布语言自信评价下的主体感知效用,将主体分布语言自信决策矩阵转化为主体自信效用决策矩阵;然后,定义自信效用向量Dice相似测度和加权Dice相似测度,结合属性的不兼容性程度构建优化模型确定属性权重;接着,基于TOPSIS思想对备选方案进行择优排序;最后,在循环经济背景下评估生态工业园区的决策算例,说明该方法的可行性与有效性。     

多无人机分布式协同动态目标分配方法

在以"网络为中心"的作战模式下,以电子干扰无人机和UCAV编队协同作战为研究对象。针对多无人机协同作战的动态目标分配问题,建立基于导弹攻击区分析的威胁估计模型,综合考虑电子干扰效果建立目标分配模型,提出一种基于分布式拍卖机制的目标分配算法。针对不同的作战想定进行仿真计算,结果表明:算法能在规定的时间约束内给出接近理想化效果的目标分配方案,且所提算法与现有几种算法相比在可靠性、实时性上都有明显提高。     

测井资料与地震属性关系研究综述

测井资料和地震资料是地震勘探中两种最重要的资料,由于地震波的频散,使合成地震记录与地面地震记录不能完全匹配,因此使用之前必须对二者进行频率校正;地震资料在测井资料约束下可以进行反演,以求取地下波阻抗,主要有两种方法：基于褶积模型的波阻抗反演方法和基于波动方程的波阻抗反演方法;可以用多属性变换由地震资料预测测井信息。上述3种方法是目前研究测井资料与地震属性关系的主要方法。     

基于主体满意一致性的双边匹配决策方法

针对匹配主体给出以序值为偏好序信息的双边匹配决策问题,根据满意度随序值递减的特征,将匹配主体的偏好序信息转化为满意度,再以匹配主体满意度和最大且匹配主体满意度差异最小为目标,建立匹配方案的优化模型,并用实例验证该匹配方法的可行性和有效性.