基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.     

Epidemic Prediction of Hemorrhagic Fever with Renal Syndrome Using Grey Multivariable Model

ＥｐｉｄｅｍｉｃＰｒｅｄｉｃｔｉｏｎｏｆＨｅｍｏｒｒｈａｇｉｃＦｅｖｅｒｗｉｔｈＲｅｎａｌＳｙｎｄｒｏｍｅＵｓｉｎｇＧｒｅｙＭｕｌｔｉｖａｒｉａｂｌｅＭｏｄｅｌＧＥＮＧＪｉａｎｐｉｎｇ（Ｆｉｒｓｔｔｅａｍ，ＦｏｕｒｔｈＭｉｌｉｔａｒｙＭｅｄｉｃａｌＵ...     

动态多人递阶决策问题——结构,非光滑性及必要条件

利用非光滑分析、集值映射和微分包含理论，分析了动态递阶决策问题的结构、性质，给出了解决这类问题的一个通用性结构化模型，并利用这一模型在非凸非光滑条件下导出了最优策略存在的必要条件     

基于层次任务网络的应急资源协作规划方法

应急响应一般涉及多个部门,各参与部门需要通过合理的协调方法规划应对方案,协同使用应急资源是不同部门间应急行动方案制定的关键.为处理规划过程实时产生的资源冲突,文章提出了基于层次任务网络(hierarchical task network,HTN)的多部门分布式协作任务规划框架,将规划方案行动的生成过程作为需要考虑的协作问题,并通过协作过程与规划过程的嵌套,减少规划无效方案而提高协作效率.其次,探究并设计处理重用性资源的协调机制,使用多种优先级判断规则消解资源使用冲突.进一步,在建立的协作框架和资源协调机制的基础上,提出基于HTN的协作规划算法.最后通过实验案例说明了应急资源协作规划方法的应用,并对本方法的有效性和相对于原有方法的效率优势进行了验证.     

基于系统动力学的新冠病毒传播过程预测

考虑新冠病毒的传播特点,基于系统动力学原理提出了一种新的SE4IR2 (Susceptible-Exposed- 4-Infected-Removed-2)模型,利用美国2020年6-11月份疫情数据设置隔离率等参数,运用SE4IR2模型拟合分析并预测疫情下一阶段的发展趋势。实证部分使用美国2020年6-11月份的数据求解SE4IR2模型的参数,通过时间序列预测模型得出2020年12月份和2021年1月份的参数值,并将死亡人数、治愈人数预测值与2020年12月份和2021年1月份世卫组织公布的数据对比,得出2020年12月份的误差为0.75%,- 0.86%,2021年1月份的误差为2.78%,3.57%。根据实证分析结果,考虑各参数之间的制约条件给出相应的疫情防控建议。结果表明：SE4IR2模型具有更好的仿真精度,更适合模拟COVID-19的传播过程。     

空中交通延误预测研究综述

空中交通系统作为典型复杂系统,其非线性聚合的动力学特征给延误预测带来挑战,使空中交通延误预测问题保持了开放性.近二十年来,针对此问题,利用传统机器学习、深度学习、复杂系统建模仿真、排队理论等,涌现出大量研究成果.首先系统性阐述了空中交通延误产生与传播的原因,并根据预测数值类型、预测对象以及预测时间尺度对现有研究中的延误...     

基于偏最小二乘模型的无人机航材需求预测方法

针对无人机航材存在样本数据量少,影响因素多且复杂多变,以及库存需求预测精度不高等问题,对现有经典小样本下航材需求预测方法进行系统分析,并利用偏最小二乘回归方法在处理小样本数据、变量多重相关性等方面的独特优势,提出了基于偏最小二乘的无人机航材需求预测方法.选取无人机的飞行时间、飞行起落次数、操控人员熟练程度、异常环境温度、异常环境湿度、航材故障率、维修人员技术水平、维修资料等参数,对偏最小二乘法进行原理及模型建模步骤分析,构建了无人机航材需求预测模型,并进行航材影响因素研究.实验结果表明:该模型较其它常用预测模型的精度有所提高,预测结果的平均相对误差绝对值为4.87%,表明该方法可以应用于无人机航材需求预测,能够满足实际需要.     

基于最小二乘支持向量机的交通安全预测模型

分析了最小二乘支持向量机(LS-SVM)在交通安全预测中的优势,确定输入向量集合和输出向量集合,利用LS-SVM建立交通安全预测模型.将1953～2006年全国交通安全相关数据分为训练集和测试集,利用Matlab 7.0进行仿真测试.通过训练LS-SVM得到模型具体参数值,然后对测试集数据进行预测,计算预测误差,并与神经网络模型、SVM模型预测结果进行对比.仿真结果表明,基于LS-SVM建立的交通安全预测模型比神经网络预测模型、SVM模型具有更高的运算速度和预测精确度.     

摩托车半主动悬架分层预测控制及仿真

行驶平稳性和乘坐舒适性是衡量车辆悬架性能优劣的重要指标，而基于磁流变技术的半主动预测控制与其它控制方法的结合则是改善悬架性能的一种先进控制方法。为提高控制效果，提出了一种悬架振动分层建模预测控制的新思路，即将前后轮系均看作是相互独立的底层二自由度系统，推导出协调底层关系的上层关联动力学方程，结合轴距预测和LQR优化控制方法，以前轮检测到的路面激励作为后轮下一步输入的激励，然后以簧载质量质心处的垂直加速度和俯仰加速度为上层控制目标进行协调，继而得到所需的半主动控制力。通过对一个四自由度摩托车模型的仿真计算表明，该方法在线计算量少，前后轮系易于采用不同的控制策略以提高控制效果。该方法对于多轮系车辆的振动控制提供了一个崭新的思路。