基于Hilbert-Huang变换的仿真模型排序评估方法

针对输出为非平稳速变数据的仿真模型验证及排序评估问题,提出了一种基于Hilbert-Huang变换的仿真模型排序评估方法。首先采用经验模态分解对仿真和参考输出的非平稳速变数据进行分解得到趋势项和平稳项;然后从距离和形状两方面刻画趋势项误差特征并进行一致性分析,采用基于Hilbert变换的谱密度相容性检验方法对平稳项进行一致性分析,同时为满足相容性检验的条件,证明了基于Hilbert变换的平滑样本谱密度服从χ²分布;最后引入灰色关联分析综合3类一致性分析结果实现仿真模型的排序评估。通过实例应用,验证了方法的有效性。     

情报数据驱动的在线仿真系统动态修正方法

为了保证面向指挥决策支持的在线仿真系统可信性,提出了情报数据驱动的在线仿真系统动态修正方法。首先,依据情报数据变化快慢,将其分为缓变和快变两类数据;然后,从位置接近性和外形相似性两个方面刻画缓变数据间差异,从趋势项差异和平稳项差异两个方面刻画快变数据间差异,由此实现了仿真输出与情报数据一致性的度量;进一步,基于拉丁超立方实验设计方法确定仿真模型“修正集合”,并利用主成分分析综合仿真输出一致性指标,从修正集合中选择使得仿真模型可信性最佳的修正方案。通过应用实例,表明了方法的有效性。     

基于改进灰色关联分析的仿真模型验证方法

为客观有效地进行仿真模型验证,降低灰色关联分析应用于模型验证的风险,构建了改进的灰色关联分析模型。分析了当前基于灰色关联分析的模型验证所存在的问题,针对仿真模型验证的特殊需要,综合考虑仿真模型输出和实际系统输出时间序列之间的相近性和相似性,提出了改进的灰色关联度模型,并证明了改进模型满足灰色关联四公理。最后通过实例的分析与比较验证了该模型的合理性和有效性。     

基于数据特征的仿真动态输出验证方法

为了解决考虑不确定性时仿真系统动态输出验证问题,提出一种基于数据特征的仿真系统动态输出验证方法。首先在给出数据特征度量模型集概念的基础上,定义了形状、位置、频谱3方面的差异特征度量模型;然后分别构建仿真系统输出和参考输出的标准序列,建立仿真系统和参考系统动态输出的数据特征矩阵;再者,应用基于核密度估计的改进贝叶斯因子法实现仿真系统动态输出统计特性的一致性度量,从而完成动态输出的验证;最后,通过实例应用对所提方法进行了验证。     

基于VMD的中国出口集装箱运价指数分析与组合预测

基于分解-重构-分项预测-集成思想,通过优选分解方法、优化重构方法、优选预测方法及合理选择集成方法等途径,构建了基于变分模态分解(VMD)的组合预测模型,对中国出口集装箱运价指数(CCFI)进行了预测,分析了CCFI波动特性及经济内涵.首先,选用VMD将运价指数序列分解为多个模态分量;其次,采用C值优化的FCM算法将模态分量重构为高、中、低频和趋势项,通过波动特性分析挖掘了重构项蕴含的短期市场不均衡因素、季节因素、重大事件及市场供需等经济内涵;再次,构建了基于数据特征分析的预测模型优选方法,进行了重构项预测;最后,将重构项预测值相加集成,分析了预测效果.实证结果表明,构建的组合模型预测效果优于BPNN、SVM、ARIMA等单一模型、EMD组合模型及未优化的VMD组合模型,较好地体现了CCFI外在波动特征与内在经济意义.     

一种时频结合分析的仿真结果动态一致性检验方法

针对武器系统的大量动态输出过程具有非平稳和短时序的特点,提出了一种时频结合分析的仿真结果动态一致性检验方法,根据分析过程中的步骤、方法和规则,建立了动态一致性检验框架。该方法首先通过分析传统灰色关联分析方法的不足,从序列间的距离和形状两方面考虑,提出了一种改进的灰色关联度模型,在时域内对仿真数据的动态一致性进行了检验。然后运用最大熵谱估计方法并结合小波多尺度分析理论对信号分解重构无需先验知识的特点,对非平稳数据进行了平稳化处理完成了频域内仿真数据的一致性检验。最后根据对两种不同角度得到的一致性检验结果的冲突分析,运用合成规则获得仿真数据动态一致性检验的综合结果。通过对电磁轨道炮发射过程放电电流的一致性检验,验证了该方法的有效性和可行性。     

加权阵灰色关联理论及其在仿真模型验证中的应用

常规灰色关联分析应用于仿真模型验证时,仅考虑了时间序列之间的相似性,忽略了时间序列之间的接近性,但这种接近却属于仿真模型的误差范畴,因此使用常规灰色关联分析进行仿真模型验证存在一定的风险,针对这一问题,提出了一种加权阵灰色关联度模型,综合了时间序列之间的相近性和相似性两个方面,因此提高了模型验证的准确性和可靠性.同时该模型可以同时处理具有多个特征行为的关联分析问题.给出了具体的基于加权灰色关联分析的模型验证的操作过程,并证明了改进模型满足灰色关联四定理.通过实例分析验证了改进模型的合理性和有效性.     

导引头的EMD-KF组合滤波方法

在拦截大机动来袭目标时,拦截弹视线角速度呈无规律的非线性变化,导引头对自身测量信息滤波存在一定困难。针对这一背景本文提出一种基于经验模态分解(empirical mode decomposition, EMD)和卡尔曼滤波(Kalman filtering, KF)相结合的导引头滤波降噪方法,发挥经验模态分解处理非平稳信号的自适应特性,并通过卡尔曼估计削弱经验模态分解方法中“边界效应”的影响。仿真表明,该方法对于具有强非线性特性的视线角速度信号有较好的自适应滤波效果。     

基于CEEMD-CNN-LSTM的股票指数集成预测模型

为有效应对金融时间序列数据的高噪声、时间依赖性和非线性，本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和趋势项，同时应用CNN-LSTM模型分别对各分项进行预测，并将各分项的预测值集成为最终预测结果。为验证CEEMD-CNN-LSTM模型对金融时间序列数据预测的准确性和有效性，选取沪深300、标准普尔500(S&P500)股票指数收盘点数进行了实证分析。实证结果表明，CEEMD-CNN-LSTM模型能同时提取序列依赖关系和局部特征，可有效避免数据直接输入模型导致预测结果右偏等问题，与其他主流预测模型相比，其预测精度更高，预测误差显著降低。     

基于条件异方差分析的水文时序模型及其应用

针对条件异方差现象在水文过程的时序研究中常被忽略的情况,建立了水文过程时间序列分析和预测模型. 首先, 利用CensusX12分解水文时序,由其得到的周期项与趋势项分别建立相应的条件异方差模型;其次,对于分解序列后得到的残差项,建立基于BX数据生成的灰色Markov预测模型; 再次, 将三个模型进行耦合,编制了算法流程,由此提出了一种基于条件异方差的水文时序分析与预测模型;最后以河南省淮河流域的鲇鱼山水文站1975--1999年逐月的径流量为例进行了应用验证. 研究结果表明:提出的模型从预测效果来看, 总的平均偏差只有17.42%,其精度要明显高于常规的水文时序分析中ARCH和ARMA(1,1)等传统方法.     

基于灰色关联分析的仿真模型验证及其改进

分析比较了仿真模型可信性验证常用方法的特点，把灰色关联分析方法运用于仿真模型的可信性验证中，给出了具体的操作步骤，然后分析了灰色关联分析模型运用于仿真模型可信性验证中存在的风险，并针对仿真模型可信性验证的特殊需要，对灰色关联分析模型进行了一定的改进，最后通用实例验证了改进的合理性及风险的降低。     

基于灰色类别差异特性的评价指标客观权重极大熵配置模型

本文基于灰色类别的差异特性进行指标权重配置问题研究,运用灰色关联聚类将评价对象按照反映事物不同类别本质的自然差异特性划分成不同灰类.基于相同灰色类别间自然差异特性具有相似性、 不同灰色类别间自然差异特性具有差异性的特点,构建了反映灰色类别差异特性的评价指标客观权重极大熵配置模型. 通过案例分析与其他方法进行比较研究,证明了本模型的可行性及有效性,为多属性决策指标客观权重赋权问题提出了一种新的解决思路.     

基于灰主成分的空战目标威胁评估

由于影响空战目标威胁评估的因素复杂多样,且具有矛盾性、相关性、耦合性等特点,因此利用传统的评估方法无法得到准确客观的评估结果。对此,提出一种基于灰色主成分的目标威胁评估方法。首先,利用主成分分析(principle component analysis, PCA)方法,分析指标之间的相关性,生成指标之间的灰色关联系数矩阵,取代传统的相关矩阵或协方差矩阵,将相互关联的指标转化成相互独立的分量,重构目标威胁评估体系。其次,构建灰色关联深度极大熵模型确定原始评估指标权重。然后,分析以累计贡献率为客观性赋权且没有考虑指标重要性差异的问题,将因子载荷作为主成分权重合成的重要依据。最后,通过仿真案例,对不同的威胁评估方法得出的结果进行对比分析,证明了灰主成分法的有效性和合理性。     

基于PSO的组合拍卖模型及其Swarm仿真

通过放松竞买人对拍卖物品的替代性或互补性的一致性认识假设,在组合拍卖机制设计的基础上建立了基于竞买人报价的组合拍卖模型.为了高效率地获得物品的最优分配方式,运用particle swarm optimization(PSO)算法模拟物品分配方式的寻优过程,在此基础上构建了基于PSO算法的组合拍卖模型.在Swarm仿真平台上对基于PSO算法的组合拍卖模型进行设计与实现,并通过一个具体的组合拍卖算例进行仿真验证,结果分析表明基于PSO算法的组合拍卖模型能够有效地解决多个物品的分配问题,并能实现卖主收益的最大化.学习能力参数分析表明,与自我学习能力相比,社会学习能力对卖主收益的优化更加重要.本文的研究结果对组合拍卖的理论研究和实际应用具有一定的借鉴价值.     

GM(1,N)模型的离散化结构解

针对灰色系统GM(1,N)模型是以差分方程为基础进行参数估计的,而其时间响应函数却是由微分方程的解得到的。从差分方程到微分方程的跨越,缺乏充分的科学基础和理论依据。通过对灰色系统模型建模机理进行深入剖析,利用采样定理和状态转移矩阵在差分方程和微分方程之间架起一座桥梁,通过算例仿真实验证明了该算法的有效性。     

基于灰色相关向量机的故障预测模型

针对样本数据量较小条件下的故障预测问题,提出了一种灰色相关向量机（relevance vector machine, RVM）故障预测模型。在模型的训练阶段,根据特征数据序列建立其离散灰色模型（discrete grey model, DGM）,以DGM的预测值作为输入、原始数据序列作为输出,训练得到RVM回归预测模型;在模型的预测阶段,由建立的DGM和RVM回归预测模型组合得到灰色RVM故障预测模型,并通过引入新陈代谢过程,不断更新数据中的信息。实验结果表明,模型的预测性能优于传统的灰色预测模型。