基于双马尔可夫链的概率假设密度滤波器

隐式马尔可夫链(hidden Markov chain,HMC)是传统多目标跟踪的理论基础。在分析了HMC模型的局限性基础上,介绍了更具普适性的双马尔可夫链(pairwise Markov chain,PMC)模型,对基于PMC模型的概率假设密度(PMC-probability hypothesis density,PMC-PHD)滤波算法进行了推导,并对其高斯混合(Gauss-mixture,GM)实现进行了改进,利用椭圆波门给每一个高斯分量建立一个对应的缩减量测集合来对其进行更新。仿真实验证明在杂波密度较大的场景中,PMC-PHD滤波器GM实现的改进在不影响跟踪精度的情况下运行时间缩短为原来的三分之一;仿真实验还证明在HMC模型场景下PMC-PHD滤波器针对邻近目标的跟踪性能要优于HMC-PHD滤波器。     

超燃冲压发动机燃烧室内湍流燃烧流场的数值模拟研究

应用经显式可压缩修正的SST湍流模型,对超燃冲压发动机燃烧室流场进行了三维数值模拟,并与实验结果进行了对比.通过对燃烧室流场数值模拟结果的分析给出了湍流燃烧流场的特征.为了定量分析超声速流动条件下湍流燃烧的作用特点,基于湍流燃烧理论与湍流燃烧的数值模拟结果,通过对控制无量纲参数在流场中变化的研究发现：超声速燃烧发生的区域为充分发展的湍流区;在喷口附近湍流和燃烧的作用最强烈;超声速燃烧流动中,湍流引起的火焰非定常效应和局部火焰熄灭现象均可忽略,定常火焰面的近似假设是成立的.     

油田开发的多目标随机规划模型及确定性转化

在油田开发实际中,决策者要经常同时考虑多个相冲突的目标,例如利润、投资上限等.假设与这些目标相联系的参数是随机的且服从正态分布,并以投产措施的井次数为决策变量可以建立油田开发的多目标随机规划模型.引入一种机会约束妥协规划模型对其进行确定性转化,并进行求解.文章最后提供了一个例子来说明所提议方法的有效性.     

基于Budyko假设和微分方程的淮河上中游径流变化归因分析

为探究淮河上中游流域气候变化和人类活动对不同时间尺度径流特征的影响,采用包括高流量、平均流量和低流量在内的7个流量指标表征径流变化特征,运用Mann-Kendall趋势检验、滑动T检验识别各流量指标的突变年份,并利用推导出的流量指标变化微分方程改进原有的基于Budyko假设的方法,从而定量识别气候变化与人类活动对径流变化的贡献率,并构建了土地利用转移矩阵分析人类活动对径流特征变化的驱动机制。结果表明：淮河上中游大部分径流特征在突变年份后呈现下降趋势,其中平均流量特征最为明显,下降幅度为2.25%～44.25%;高流量指标、汛期径流深与气候指标的相关性最高,相关系数为0.859～0.987,低流量指标和非汛期径流深的相关性较低;气候变化和人类活动使得大部分径流特征呈下降趋势,其中人类活动为主导因素,其在息县、王家坝、鲁台子和蚌埠站的贡献率范围分别为87.55%～98.46%、80.91%～88.50%、80.42%～92.42%和83.23%～99.99%。     

基于非线性倍差法的个体处理效应估计与应用

本文考虑了在带有协变量的非线性倍差法模型框架以及新的识别条件下,个体处理效应的估计问题.为了正确识别个体处理效应,假设在没有政策干预的情况下,控制组和处理组潜在结果变量的条件分布函数在两期内具有相同的变化,并且个体在接受处理或不接受处理的情况下,所对应的潜在结果变量的条件秩不变.基于所提出的模型和假设,发展了一种个体处理效应的估计方法.数值模拟结果表明所提出的估计量具有良好的有限样本性质.最后,所提出的模型和方法被应用于分析美国最低工资法案的实施对各县失业率的影响.     

基于量测转换序贯滤波的GMPHD机动目标跟踪

针对多普勒雷达杂波环境下的多机动目标跟踪, 提出了一种基于去相关无偏量测转换序贯滤波的多模型高斯概率假设密度算法。针对量测的非线性, 将位置量测进行无偏量测转换, 将多普勒量测进行去偏量测转换, 并通过序贯滤波方式提高跟踪精度。针对多目标的机动性, 在高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GMPHD)中引入多模型思想对模型相关的高斯分量进行预测、更新处理。仿真结果显示, 所提算法可以在杂波环境中实现有效的机动多目标跟踪, 与无迹卡尔曼多模型GMPHD相比不仅跟踪精度提升了38.15%, 而且大大改善了算法效率; 与无迹卡尔曼最适高斯近似GMPHD相比, 在效率上有小幅度的增加, 且跟踪精度提升了36.47%。