基于概率神经网络的机组状态多步预报方法

为了解决由单步预报递推运算获得的多步预报存在的预报误差的迭代累积问题，提出了相空间动力学轨道的相似多步预报概念，利用概率神经网络合理分配相似算子，构造了多步预报的概率神经网络结构．然后，以模拟振动数据比较了单步预报神经网络、多步预报神经网络和多步预报概率神经网络的预报能力，并预报了燕山石化大机组停车概率的变化趋势，实践表明该方法具有良好的多步预报能力．     

基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .     

基于递归神经网络的多频预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题，提出了基于局部递归神经网络的多步递归神经网络（MSRN）模型，对时间序列进行了多步预报，用模拟振动数据把MSRN模型用作单步和多步的预报能力，同经典的多层前馈刘经网络进行了比较，并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势，实践表明，用该方法进行多步预报误差小，并具有良好的预报能力。     

多传感器多模型相互作用的数据关联方法

基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据关联方法,以用于故障监测报警中相互作用的算法．并结合一个时变系统中空间位置传感器的故障诊断问题为例,运用多传感器多模型相互作用的数据关联方法进行仿真分析,研究此类故障判据的数据关联问题和数据关联算法的改进,研究表明相互作用多模型的概率数据互联改进方法不仅与有限维数的特定测量阈值相对应,而且直接针对故障模式,能够体现出动态模型的优点,可以与系统诊断知识相融合,为故障诊断的单步的、多步的、长期的预测预报提供依据．     

基于LSTM神经网络的畸形波预测

采用长短时记忆(LSTM)神经网络预测方法对某岛礁地形模型的四个典型波浪试验数据进行预测分析,并建立了单步和多步预测模型.首先对波高时间序列数据进行归一化处理;然后建立了包括输入层、隐藏层和输出层的LSTM网络模型框架;最后对测试样本进行单步预测,将预测结果与支持向量机(SVM)模型和反向传播(BP)模型进行了对比.结果表明:LSTM神经网络预测精度有明显优势;多步预测中,提高预测时长其预测精度并无明显降低.     

基于多步预测的PID型神经网络控制

提出了一种基于多步预测的ＰＩＤ型神经网络控制方案,其控制机理类似于位置递式ＰＩＤ控制,但所产生的控制量是误差信号的比例、积分和微分量的一种非线性组合,可以有效地克服常规ＰＩＤ控制存在的快速性和超调的矛盾。通过利用多步预测误差对ＰＩＤ型神经网络控制器进行训练,可以弥补单步预测存在的控制信号波动较大的缺陷。仿真实验表明,基于多步预测的ＰＩＤ型神经网络控制系统有效随机干扰,具有较强的适应性和鲁棒性。     

基于径向基函数的概率神经网络的心律失常自动识别

讨论了基于径向基函数(RBF)的概率神经网络的基本网络结构和网络的学习和运行过程,并且与BP算法 的径向基神经网络进行了对比,同时也测试了网络的容错能力．结果表明,基于RBF的概率神经网络,学习速度大 大提高,同时减小了BP陷入局部极小的问题,有一定的抗噪声的能力．基于RBF的概率神经网络模型在心律失常 自动识别中获得了很好的应用．     

概率神经网络的边界预报

在概率神经网络用于时间序列预测的基础上,结合数理统计理论,提出在一定置信度情况下,对时间序列的边界预报问题．在时间序列预报时,不仅给出预报值,同时也给出预测值的变化范围．通过模拟数据和齿轮箱实际数据,对边界预报进行了应用分析,得出预报具有滞后性的结论并分析了其原因;同时讨论了平滑因子等参数对边界预报的影响．     

马尔可夫链在年径流量定性预报中的应用——以清水河克尔古提水文站为例

长期以来，巴州水文预报以定量预报为主，实际上，水文现象的不确定性是很显著的，所以在定量预报之前，对预报对象的未来变化趋势进行定性概率预报，从而把握其未来发展方向，是一种可取的科学态度。本文应用马尔可夫链的基本原理和方法，以清水河克尔古提水文站：1956～1997年逐年年径流量系列为基础，用多步状态转移概率矩阵试报了1998、：1999、2000、2001、2002年年径流量丰枯趋势；以1956～1998、1956～1999、1956—2000、1956～2001年系列为基础，用一步状态转移概率矩阵分别试报了1999、2000、2001、2002年年径流量丰枯趋势；最后以1956～2002年系列为基础，用多步状态转移概率矩阵预报了2003、2004、2005、2006年年径流量的丰枯变化趋势。试报结果令人满意，预报结果可供参考。     

甲烷一维层流预混火焰的详细和单步反应机理模拟

为了解单步反应机理的不足及其不同速率表达式之间的差异,分别采用详细和单步化学反应机理数值模拟了甲烷一维层流预混火焰。详细机理预报的火焰速度在整个可燃范围都与实验结果吻合,而单步机理只在贫燃条件下才能给出定量相符的结果,在富燃条件下定性和定量预报结果均不合理。同时,单步机理预报的温度和浓度分布也存在较大偏差,特别是在富燃区。进一步研究表明,用有些常见单步反应速率表达式获得的预报值在整个可燃范围都是不合理的。这些结果对选取反应模型和获得可信预报结果有参考意义。     

基于小波分解和支持向量机的ENSO预测试验

为了改善ENSO的预测效果,基于Nino综合区的海温距平时间序列,采用小波分解和最小二乘支持向量机结合的方法,引入多步递阶预测的思想,建立ENSO的预测模型.试验结果表明:基于小波分解和最小二乘支持向量机结合的多步预测方法,可以有效提高ENSO的预报精度.同时,该模型具有同时得到不同时效的预测结果,建模方便,计算效率高...     

一种新的基于伪最近邻算法的降水预报方法

分析北京地区日降雨量资料,相较于其他降雨事件,大雨或暴雨事件发生的次数较少,因此该地区的降水量预报属于样本不均衡问题。在样本不平衡的情况下,K最近邻(PNN)算法的分类误差率将会大大提高,这也就使传统的基于K最近邻算法的降水量预报方法的应用受到了限制。针对北京地区降水量预报这一样本不均衡问题,应用伪最近邻算法构建了北京市的降水量预报模型。该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点资料,将降雨量作为类,将美国国家环境预报中心全球格点资料的各种因子场作为天气样本特征,通过决策规则实现最优分类。利用提出的降水预报模型对北京地区2010年6~8月进行了24 h降水预报,实验结果表明,提出的预报方法对于降水等级预报的预报准确率以及晴雨预报的TS评分、正样本概括率和漏报率均优于传统的K最近邻预报方法,该方法具有较好的预报效果。     

基于自适应多步预测的前向链路功率控制算法

为了克服码分多址系统中前向链路功率控制中的延时差错问题，提出了一种新基于多步预测的前向链路功率控制模型，即考虑到功率控制中控制延时的影响，将信道变化和干扰变化统一为一个时变量，对无线环境变化做出动态的多步相关性预测，移动台根据预测的结果对基站发射功率进行控制。在此基础上，提出了一种利用自适应技术实现多步预测的前向链路功率控制算法，采用这种算法可以动态地跟踪无线环境变化，并且部分地克服了由于信道环境时变造成的功率控制失误问题。通过与传统0固定步长算法仿真的对比，证明了上述算法的有效性。     

一种基于自适应模糊高斯核聚类的软测量建模方法

单一模型一般难以表达复杂的生产过程特性,在软测量应用中往往容易使模型的估计精度低、泛化性能差.提出一种基于自适应模糊高斯核聚类的概率加权多模型融合方法,利用高维空间内样本的分散性来确定聚类中心,能取得最佳聚类效果.根据贝叶斯后验定律进行多模型融合,使总模型输出更具合理性.该方法不仅克服了单模型预测的局限性,同时对传统多模型融合方法做了一些改进,提高了过程估计的精度.     

岩浆侵入多孔储层的热效应数学模型及其应用

 构建了一个岩浆侵入多孔储层中的热效应数学模型,提出了模拟地质系统中的岩浆侵入/凝固热效应的等效算法,基于物理和数学方程上的等价原理,用瞬态有限元分析将岩浆侵入与岩石之间原始凝固边界移动问题,转化为一个边界没有运动的物理等效热源的新问题,即单步凝固模型与多步（三步）凝固模型。所提出的等效算法的主要优点是有限元网格大小固定,采用变积分时间步长来模拟有限元分析的侵入岩浆凝固热效应。多种热效应模型的对比发现,单步凝固模型与多步（三步）凝固模型的数值解具有近似的精度,所以单步凝固模型是有效模拟多孔岩石中岩浆侵入的热效应模型。单步和多步（三步）凝固模型与王民模型、Zhao 模型对比后发现,单步和多步（三步）凝固模型与Zhao 模拟的效果更为接近,理论上也更接近地质实际。通过对商56区块沙三段油藏辉绿岩侵入热场的模拟分析应用,推算得到商56 区块沙三段油藏的热裂解量为9.02×10⁴ m³,指出该油藏的保存条件有限,存在着大量的油气渗漏,并且原油的大部分损失是由于渗漏散失造成的。     

蒙特卡罗方法用于研究堆的屏蔽计算

为解决研究堆的屏蔽计算问题 ,讨论了应用 MonteCarlo方法的 MCNP程序进行反应堆的屏蔽计算 ,引入了结合抽样技术的 MCNP分步计算的方法。该方法特别适用于计算物理模型比较大 ,屏蔽层比较厚 ,粒子的穿透距离比较长的问题。在这一类的问题中 ,单步计算根本无法计算出结果 ,利用分步计算和抽样技术则能在较短的时间内以较高的精度 (统计误差小于 10 % )得出结果。结合抽样技术的MCNP分步计算方法能够很好地解决深穿透问题     

神经网络多参数诊断法

讨论了机械故障诊断中采用多参数诊断法的必要性,阐述了神经网络理论用于多参数诊断的理论依据,归纳了神经网络多参数诊断法的实施步骤,并以滚动轴承故障诊断为例,对该方法进行了实验验证,证明了该方法的实用性。     

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上,将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作了比较研究,结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延、变阶次被控对象的控制鲁棒性明显优于广义预测控制     

Multi-Layer Forecast Project of Rain-Induced Debris Flow

Based on four kinds of methods--numerical weather prediction model, cloud image of stationary meteorological satellite, echo image of meteorological radar and telemetric rain gauge, multi space-time scale precipitation prediction products have been achieved, and muhidayer project of debris flow forecast is established with different space-time scale to get different forecast precision. The forecast system has the advantages in combination of regions and ravines, rational compounding of time and space scale. The project, which has debris flow forecast models of Sichuan province, Liangshan district and single ravine, can forecast debris flow in 3 layers and meets the demand of hazard mitigation in corresponding layer.     

基于概率神经网络的汽车发动机失火故障诊断

为准确诊断汽车发动机常发生的单缸失火和双缸失火故障, 利用概率神经网络分析发动机转速与曲轴位移角度诊断发动机失火故障。在AMEsim 软件环境下搭建一款四缸发动机模型, 利用故障注入的方式模拟发动机失火, 提取发动机转速和曲轴角度位移数据, 在Matlab 环境下进行数据处理与分组, 建立概率神经网络PNN(Probabilistic Neural Network)进行训练与测试。实验结果表明, 发动机转速与曲轴转角位移能有效反应发动机真实运行情况, 训练好的PNN 可对发动机单缸、双缸失火进行准确的诊断和定位。该方法具有简洁、经济、高效和准确度高等优点。