软件人情感控制广义模型

借鉴大系统控制论中广义模型化方法,建立了软件人情感控制的广义模型. 提出了行为受理智和情感共同控制的观点. 从功能上将软件人情感控制模型划分为感觉模型、思维模型和行为模型,并给出了感觉模型、思维模型、行为模型三者之间的关系模型以及思维模型和行为模型两者之间的关系模型.     

几种散射辐射模型精度的对比

通过对既有散射辐射模型的分析,结合上海地区太阳辐射实测数据,建立了各向异性散射辐射新模型,其后从天气类型、朝向、季节和倾角等方面对新模型及既有模型的精度进行了对比分析.对天气类型的研究表明,阴天或多云天时,Klucher模型、Hay模型及Skartveit和Olseth模型与实测值较为吻合;但晴天时,Perez模型和新各向异性散射辐射(NADR)模型更佳.对朝向的研究表明,对于东向和北向,Perez模型和NADR模型较为准确;而对于南向和西向,Liu和Jordan模型,NADR模型较为准确.对季节的研究表明,夏秋季Perez模型和NADR模型较为准确;秋冬季Liu和Jordan模型,NADR模型较为准确.对于倾角的研究表明,Klucher模型与实测值较为吻合,各类散射辐射模型在计算倾角较小的倾斜面散射辐射精度优于倾角较大的情况.对天气、朝向、季节和倾角等多因素的综合考虑表明,Temps和Coulson模型,Gueymard模型准确性相对较低,而NADR模型的准确性最高.     

锂离子电池系统建模仿真

动力电池测试是动力电池研究的基础,而建立和选择合适准确的电池模型对于电池管理系统开发具有重要意义.为了解决电动汽车仿真时电池模型选取的问题,分别系统的建立了Thevenin模型,Gassing模型以及AVL电池模型,其中,Thevenin模型和AVL电池模型实质上分别为一阶等效电路模型和三阶等效电路模型,而Gassing模型是一种半机理半经验模型.三种模型在非极限工况下,都具有较高的精度,Thevenin模型和AVL电池能够更加准确地描述电池极化环节,AVL电池模型和Gassing模型在剧烈变化工况下误差很小,而Gassing模型能够很好地描述电池在极限工况下的动态特性,且可以反映出温度与内阻的动态变化.     

基于时间自动机的UML模型转换与验证研究

针对无法对UML模型进行形式化验证的问题,提出在元模型层将UML模型转换为时间自动机模型并进行验证的方法.形式化UML状态机的结构,抽象出UML和时间自动机的元模型,利用模型转换语言ATL对UML元模型和时间自动机元模型构造映射规则,实现UML模型到时间自动机模型的转换,在模型验证工具Uppaal中对转换结果进行形式化验证.最后进行实例研究,结果表明了此方法的有效性和先进性.     

一种新的软件测试过程模型

通过对传统模型Ⅴ模型的分析,找出Ⅴ模型存在的不足,提出一种对V模型改进的新模型,这一模型能尽早地发现错误,提高测试的覆盖率.     

利用扩展的Petri网模型形式化业务场景模型

UCM模型作为一种图形化的业务场景模型,其场景设计可以表示需求和产生规格,驱动设计和系统演化,UCM模型的正确性影响软件开发的质量.鉴于形式化模型可以验证其正确性,提出了一种利用扩展的Petri网模型,应用模型驱动实现业务场景模型的形式化方法.该方法通过细化Petri网模型中的Transition结点,从而有效的描述业务场景模型中的路径决策和动态行为.通过对UCM模型和扩展的Petri网模型的抽象语法定义,利用模型驱动方法定义了UCM模型元素形式化映射为Petri网模型元素的规则,并根据其规则设计了映射算法;在Eclipse平台上使用ATL语言实现了模型的形式化映射;应用Web Payment实例演示了UCM模型的形式化分析结果.     

足部复合模型建立及其应用

文章利用逆向工程原理与技术,建立了人体足部骨骼、软组织模型以及复合模型,进而建立了足部有限元模型。对足部有限元模型进行了有限元模拟分析,验证了其有效性;作为足部模型的一个应用,利用足部模型建立了鞋楦模型,然后根据该鞋楦模型试行设计出不同的鞋模型。     

蒸发波导预测模型研究

利用海上试验采集的波导数据,对比分析了蒸发波导Paulus-Jeske模型和A模型在我国海域的适应性.结果表明:多数情况下Paulus-Jeske模型的适应性优于A模型,但在较低风条件下,A模型适应性较好.根据两种模型的适应性特点,将Paulus-Jeske模型和A模型结合建立了混合模型.通过仿真分析和试验数据的检验可知,混合模型相对Paulus-Jeske模型对气海温差的敏感性和预测准确性有所改善.     

气象因素对对流层改正模型的影响

初步探讨气压P、气温T和水气压e对各对流层模型(Hopfield模型、Saastamoinen模型、EGNOS模型和UNB3模型)结果的影响.研究表明,EGNOS模型和UNB3模型随各气象因素的变化情况基本吻合.随着气压升高,各模型干(总)延迟量逐渐增加,且该变化并非线性,存在微小的波动;随着气温升高,Saastamoinen模型干延迟恒为常数,其他两个模型干延迟则逐渐增加,各模型湿延迟逐渐减小,Hopfield模型所得的总延迟量呈抛物线状(先减小后增加),EGNOS模型和UNB3模型的总延迟量则逐渐增加;随着水气压的升高,各模型湿延迟量逐渐增加,其中Saastamoinen模型、EGNOS模型和UNB3模型的湿延迟量随水气压变化的幅度接近,略小于Hopfield模型的湿延迟量.     

适于嵌入式英语发音评价系统的英美音融合方法

为提高发音质量评价性能,并压缩声学模型规模以适于嵌入式实现,提出一种英音和美音模型的融合方法。该方法基于声学距离和替代概率将声学模型划分为可替代模型、可融合模型和孤立模型。抛弃可替代模型,保留孤立模型,基于模型插值归并可融合模型。引入最小置信度和最大支持数控制参与归并模型的数目。实验结果表明:融合模型与单口音模型相比,说话人级别的相关性提高了14.1%;融合模型与混合模型的性能相近,G auss ian分量数目压缩了10.7%。本方法在保证发音质量评价性能的条件下,明显压缩了模型数量。     

GM-ARIMA模型在大坝安全监测中的应用

针对大坝安全监测的小样本数据既有一定趋势性又有一定波动性的特点,把灰色模型和时间序列模型结合起来运用在大坝安全监测中.首先利用灰色模型进行拟合和预测,然后对灰色残差序列建立ARIMA模型,对残差进行预测,最后将两者结合起来即可得到预测值.本文以小湾拱坝坝顶某测点的径向位移为例,建立GM-ARIMA进行拟合和预测,并与实测值比较.计算结果表明,与GM模型相比,GM-ARIMA模型的精度高,预测值更接近于实测值.     

传感器数据流上模糊预测系统的研究

为了利用基站(Sink)上现有的数据来及时地响应用户的查询,采用数据流上的金字塔时间模型来维护传感器数据流上不同时刻的聚集值,并利用这些聚集值生成模糊预测系统,通过该预测系统做出的预测来近似及时地响应用户的查询,在Sink上采用预测的方法,传感器新感知的数据可以不必立即向Sink传输,可以节省传感器网络结点的能量。     

基于模糊自适应变权重算法的函数链神经网络预测方法

为提高复杂工业系统非线性时间序列预测精度,将工业系统非线性时间序列不同的单个预测模型预测值作为函数链神经网络的原始输入值,并将原始输入值按正交的三角函数扩展得到的数值作为函数链神经网络扩展输入值,在分析函数链神经网络拟合充要条件的基础上,结合模糊自适应变权重算法计算函数链神经网络权重,建立基于模糊自适应变权重算法的函数链神经网络预测模型。研究结果表明:基于模糊自适应变权重算法的函数链神经网络预测方法的预测精度较高,并且平均误差和预测平方根误差均较小,具有较强的泛化能力;该模糊自适应变权重函数链神经网络预测模型可用于复杂非线性工业系统决策。     

多因子预测模型在连续梁桥中的应用

为解决在连续梁桥施工过程中,对施工过程中的挠度和应力进行预测和控制这一问题.建立SCGMmv(1,h)是基于均值生成时序的多因子预测模型.将SCGMmv(1,h)预测模型与具体工程相结合,利用挠度与应力的相互关联,预测挠度值与应力值,并与GM(1,1)预测模型的预测值进行对比.实例结果表明,SCGMmv(1,h)多因子预测模型在连续梁桥施工过程中,对挠度与应力的预测是可行有效的.     

基于AR模型的低轨卫星大气密度建模与预报

研究了采用时间序列分析进行低轨卫星大气密度的建模与预报。通过对低轨卫星历史和当前的大气密度进行时间序列建模、频谱分析,可以获得未来数个轨道周期内大气密度的预报模型,并结合GRACE卫星加速度计反演的大气密度数据进行了详细分析。研究结果表明:GRACE卫星一个轨道周期内的密度预报模型是以轨道角速度和时间表示的最高次数为2的傅里叶级数。与三维密度模型相比,这种密度预报模型仅与历史的大气密度有关、所需模型参数少,可为今后在卫星定轨和轨道预报工作中大气密度的建模和预报提供新的思路。     

进场航空器跑道占用时间预测

摘 要：为了准确预估跑道占用时间（runway occupancy time, ROT）,提出了一种将灰狼优化算法和随机森林算法结合的预测模型。首先基于ADS-B轨迹,根据纽瓦克自由国际机场的实际运行情况,提取出进场航空器的跑道占用时间;其次分析跑道出口选择、跑道出口角度、气象条件、跑道入口端速度、跑道出口端的速度、机型、航空公司对跑道占用时间的影响;最后利用灰狼算法实现随机森林参数优化,基于优化后的随机森林模型完成对进场航空器跑道占用时间的预测。实验结果表明,相比实验和文献中的其它方法,该方法对跑道占用时间的预测更为准确,预测值与实际误差值在10 s内的占93.6%。研究结果可用于大型机场实际运行航班跑道占用时间预测。     

基于时间序列算法的电力无功测量

为了对电力系统的无功进行有效的控制,必须对无功进行预测.对无功的预测也就是对系统功率因数的预测.利用时间序列分析方法,建立了3种预测模型,分别是自回归模型、滑动平均模型和混合模型.通过对3种模型的比较,最终选用混合模型的时间序列分析方法对电力系统的功率因数进行预测.经实测检验,混合模型分析方法的误差非常小,表明该方法具有一定的实用价值.     

基于回归分析的应急疏散时间模型优化应用

 为了提高国际上通用的疏散时间模型(简称经验模型)的预测精度和应用价值,以某高校疏散案例为研究基础,通过调查采样建立185组数据的实测样本。结合影响人员疏散行为和疏散时间相关因素,运用统计软件SPSS 17.0对样本进行回归分析,建立疏散时间回归模型。以回归模型为基础,将个体属性综合为群集属性,求取修正系数并对经验模型进行修正、检验。最后运用优化模型,对某高校体育馆工程消防疏散性能化设计方案进行改进。结果表明,经验疏散时间模型缺乏考虑群集属性对疏散效率的影响,其运用具有一定条件约束;利用修正系数对经验疏散时间模型进行修正,将提高模型仿真度,有利于对性能化消防方案的评价和改进。     

BP网络应用于黄河水质浓度的预测研究

我们首次建立了不同算法运用于DO浓度预测的三种BP神经网络模型 ,并将其用于地表水质浓度的预测 结果表明 ,三种网络均可较满意地预测DO浓度 但比较之下 ,基于L -M改进算法的BP网络在非线性时间序列DO值的预测中显示出了独特的优越性     

SARS疫情传播的时间序列分析

利用时间序列分析的思想[1～3],对北京市2003年4～6月的累计确诊SARS病例进行研究,获得了日增确诊病例的变化趋势方程,并用自回归模型AR(20)来拟合传播过程,经方差分析知模型效果高度显著,将预测值与实际值比较,结果比较理想.由此推定每个SARS病人可以直接造成他人感染的期限平均在20天左右.