基于加权平均一阶发散度的混沌序列预测法

深入分析了基于最大Lyapunov指数预测法产生误差的根源。在此基础上定义了一个新的变量:加权平均一阶发散度,并基于该变量提出了一种新的混沌序列预测方法。首先从理论上对该方法的基本原理进行了系统论述,并指出了加权平均一阶发散度所具有的一些显著特点。然后总结了所提预测方法的算法过程。最后将新方法应用于电力系统的负荷预测中,得到了理想的预测结果。通过分析和比较,验证了其有效性。     

一种灰色预测模型的新方法

给出了一种灰色预测模型的新方法。该方法运用线性回归对数据进行分组,并对各组数据进行指数插值;运用二次规划进行权重选择;运用灰色灾变预测确定权重的时序集,从而求得预测值。这种方法提高了预测精度,并反映了事物波浪式前进发展的本质,拓广了灰色预测的范围。     

节点重要度贡献的复杂网络节点重要度评估方法

引入m阶邻居节点的概念,提出了一种基于m阶邻居节点重要度贡献的复杂网络节点重要度方法,并引入α和γ两个参数,用于调节节点重要度评估对节点自身特性及m阶邻居节点的依赖程度。综合考虑了节点自身及1到m阶邻居节点的重要度贡献。为检验算法的有效性,采用ARPA网络拓扑并针对算法在不同m取值条件下的节点重要度情况进行了评估。评估结果显示,与度值法、介数法、节点删除法等评估方法相比,具有更高的评估精度,能显著地区分复杂网络中节点之间的重要性差异,能准确地确定网络中关键节点,保证节点重要度评估的准确性;此外,实验结果还揭示了一个重要动力学现象,即当邻居节点所考察的深度m值大于网络的平均路径长度L时,该方法可得到可靠且精度较高的评估结果。     

学习流体仿真中的高效长时序运动预测（英文）

快速准确的进行流体仿真是一个具有挑战性的任务，基于传统方法的流体仿真需要消耗大量的计算资源以获得准确的结果。深度学习方法快速发展，为基于数据的流体仿真和生成提供了可能。提出一种基于单帧的浓度场和一个序列的先验速度场的长时序流体仿真运动预测算法。这一模型专注于将通过神经网络预测的速度和密度场基于纳维-斯托克斯方程获得的仿真数据在宏观尺度上进行匹配。通过使用基于全卷积U型网络的自动编码器和基于LSTM网络的时序预测子网络，本文模型在时间演化过程中更好地保持了视觉宏观相似性，并实现了显著的计算速度提升。本文方法实现了对流体场演化的宏观分布的准确和快速的长时序运动预测。在一系列二维和三维的仿真数据的基准测试上证明了本文算法的有效性和高效性。     

基于信息熵的安全风险评估指标权重确定方法

权重反映了各个指标在＂指标集＂中的重要性程度。基于信息熵理论,给出了一种安全风险评估指标权重的确定方法。其基本思想是：首先建立信息系统安全风险评估的熵模型,定义隶属函数,通过意见采集和专家排序,形成专家意见隶属度矩阵,然后引入平均认识度和认识盲度的概念,剔除专家在排序阶段认识上隐含的不确定性,最后经过归一化处理,得到了指标集的权向量。基于信息熵的指标权重确定方法为确定安全风险评估指标权重提供了一种新方法。     

混沌系统可预测尺度研究

着重讨论了混沌系统未来状态预测的“长期”与“短期”问题。混沌系统的初始状态敏感性决定了其不可长期预测性。但在短期内对混沌系统的运动作出准确预测还是可能的。基于此，给出了混沌时间序列的平均可预测尺度及最长可预测尺度，以此来界定短期预测的时间范围。最后利用Logistic映射以及Henon映射产生的混沌时间序列对上述理论进行了实例骓证，得到了较为理想的结果。     

流程型企业主生产计划优化的ARMA-BP模型

为了解决流程型企业主生产计划(MPS)时段中计划参数与实际参数的不一致性问题,提出了自回归滑动平均模型(ARMA)与反向传播(BP)人工神经网络(ANN)的集成优化模型。基于主生产计划时段长度与产量之间的映射关系,利用平均时段长度折合产量法(OCM-ATS),该模型可用于分别逼近和预测主生产计划时段的长度时序和产量时序。给出的例子表明,该模型预测主生产计划时段的参数(计划参数)与实际参数的相对误差不超过3%。     

基于FRFT的宽带水下动目标的速度估计

宽带系统中发射信号为线性调频信号时,根据其窄带模糊度函数脊线为直线而运用解藕原理估计目标速度的性能将急剧下降。目标速度引起信号的尺度伸缩,回波信号依然是线性调频信号。由于分数阶傅立叶变换对线性调频信号的聚焦特性和变换的尺度特性,提出了基于分数阶傅立叶变换估计目标的径向运动速度方法,推导了目标运动速度和分数阶傅立叶变换阶数之间的关系并分析了阶数对速度估计的影响。最后进行了数值仿真,结果表明该估计方法可以有效地估计高速目标的速度,并且具有较高的估计精度。     

时序趋优偏好下的TOWA算子及其应用

由于传统的时序加权平均(TOWA)算子在对动态评价信息进行集结时忽略了不同时刻系统发展程度不同所带来的影响,因此对其进行了拓展与完善。首先运用改进后的灰色关联分析法求得被评价对象在各个时刻的静态综合评价值差分序列与最优时序数据差分序列的几何相似度,以测算系统发展的时序趋优程度;然后将偏好时序趋优数据的管理思想融合在时间权向量的确定方法中,根据时序趋优度的分布密度得到"趋优度"时间权向量和融合"时间度"和"趋优度"时间权向量的确定方法;最后分别运用两种偏好下的TOWA算子进行动态综合评价并与原有方法进行结果的对比分析,验证其有效性和可行性。     

基于改进LSTM模型的航空安全预测方法研究

精确的航空安全预测是科学开展安全预警的前提.航空事故不仅致因机理复杂,还存在迟滞效应,给安全样本时序信息的深度挖掘加大了难度.基于此,提出一种基于改进长短期记忆(long short-term memory,LSTM)模型的航空安全预测新方法.首先基于相关系数热图优选致因指标,再以步进搜索和Adam算法相结合的方式优化...     

基于差异驱动原理与均值关联度的动态多指标决策模型

针对现有的基于关联分析的动态多指标决策模型存在的不足,根据新信息优先原理,提出了基于矩阵范数的时序权重确定方法,并利用差异驱动原理,提出了指标权重的确定方法。在时序权重和指标权重确定的基础上,建立了基于方案均值关联度的动态多指标决策模型,并给出了该模型的计算步骤。通过对4种不同型号的武器装备系统的综合效能评估的实例分析,检验了文章所构造的动态多指标决策模型的有效性。     

ARMA供应链模型研究

在基于ARMA时间序列的需求和目标库存最大策略的假定条件下,建立了供应链系统模型。利用时间序列分析方法推导了库存序列、订货序列和库存残差序列的方程表达式,证明库存序列、订货序列和库存残差序列同样为ARMA时间序列,自回归和移动平均的阶数依赖于需求时间序列的阶数和提前期的大小,且订货序列和库存残差序列的自回归部分与需求的自回归部分相同。     

非线性时间序列的相空间重构技术研究

分析了混沌时间序列相空间重构中常用的C-C方法所存在的四点不足,提出了改进的C-C-2方法.该方法改进了时间序列关联积分的计算方法和参数,利用混沌序列周期N的概念,提出了通过寻找Scor(t)的第一个属于混沌序列周期N的局部极小峰值,来确定最优延迟时间窗口的判断方式;并只寻找平均ΔS2(t)的第一个极小值来确定最优时间延迟,所得结果更合适、稳定,而且将原算法的抗噪能力由30%提高到80%.     

基于ARMA模型的故障率预测方法研究

在对比多种时间序列模型的基础上,结合故障率预测的特点,得出了自回归一移动平均混合模型(简称ARMA模型)是其中最适用于使用阶段故障率预测的方法这一结论.给出了基于ARMA模型的故障率预测的基本思想、预测模型、实施步骤,并按此法对某航空公司波音飞机故障率进行了预测,说明ARMA模型适用于故障率预测,且预测结果准确性较高.     

区间三角模糊软集及其动态决策方法

为完善模糊软集理论,提出区间三角模糊软集的概念,并讨论其相关运算及性质。建立基于区间三角模糊软集的动态决策模型,其中,时间权重采用指数衰减方法进行确定,利用集成的思想定义了区间三角模糊软集算术加权平均算子,将不同时刻的区间三角模糊软集集成为综合区间三角模糊软集。给出不同对象选择值和决策值的求解公式,根据决策值大小来实现最优决策。最后总结出方法的具体步骤,并通过实例说明具体应用。     

基于复杂网络的金融市场网络结构实证研究

基于股票价格波动序列的相关特性,通过阈值化处理得到金融网络的连接矩阵,并用复杂网络的特征参量表征其网络性质.节点累积度分布的胖尾特征表明存在少数中心节点的股票,而聚类系数和最紧邻平均度表征金融网络具有层次结构和异配特性.进一步研究k核结构,发现核数随节点度幂律增长,当节点度较大时核数保持不变,而且最核心的节点对应中心节...     

基于节点标号的Koch网络结构性质研究

针对正多边形Koch分形岛所映射成的Koch网络,根据节点接入网络的时间和位置信息给节点标号。在节点标号的基础上,研究网络的最短路由及计算最短路径长度;并分析网络的主要结构性质,如节点的度、度分布和累积度分布函数,以及网络的聚类系数、平均最短路径长度、度关联函数和介数中心性,得出结构性质的解析解。结果表明,所构建的Koch网络是无标度和小世界的;其聚类系数趋向于比较大的常数值;平均路径长度与网络节点数的对数呈正比关系,度相关函数、点介数和边介数都随节点度的变化而指数变化。     

时用水量观测序列的最大Lyapunov指数及其预测时间尺度

在传统wolf最大Lyapunov指数算法的基础上,提出新旧向量转变考虑长度及角度权重搜索的改进wolf计算方法.利用提出的改进算法对杭州市时用水量观测序列的混沌特性及其最大可预测时间尺度问题进行了探讨.为求比较,文中还分别对1小时和24小时两种时间间隔的用水量序列进行了最大Lyapunov指数计算.结果表明:1时用水量系统中存在明显的混沌特性;224时间隔的序列具有长于连续时序列的最大预测尺度.以上两条性质的提出对城市时用水量的较好预测具有其现实意义.