基于变异系数的模糊物元模型评价阔叶十大功劳根不同提取部位的抗炎镇痛作用

为了筛选阔叶十大功劳根抗炎镇痛的有效部位，应用模糊物元模型对阔叶十大功劳根不同提取部位抗炎镇痛效果进行综合评价。采用醋酸扭体法、热水缩尾法及热板法，以小鼠足跖肿胀、耳廓肿胀程度考察阔叶十大功劳根不同提取部位的抗炎镇痛作用；用变异系数权重的模糊物元模型对其干预效果进行综合评价；通过计算贴近度比较模型组（M₁）、阳性对照组（M₂）、水提物组（M₃）、乙醇提取物组（M₄）、正丁醇提取物组（M₅）、乙酸乙酯提取物组（M₆）、石油醚提取物组（M₇）的抗炎镇痛效果。结果显示阔叶十大功劳根不同提取部位均有抗炎镇痛的效果，但各部位抗炎镇痛效果程度不同；反应不同部位抗炎镇痛总效应的贴近度值从大到小排序为M₆，M₄，M₃，M₅，M₂，M₇，M₁。基于变异系数权重的模糊物元模型可筛选出阔叶十大功劳根抗炎镇痛的最佳有效部位为乙酸乙酯提取部位，能够客观、科学地评价不同提取部位的抗炎镇痛效果。     

不确定结构的区间可靠性优化设计

对不确定结构的区间可靠性进行了研究，建立了基于区间可靠性的优化设计模型.采用结合嵌套遗传算法和径向基函数神经网络的模型，进行区间的直接优化，解决了基于区间可靠性的优化设计求解问题，避免了间接模型的复杂转换过程.充分考虑了实际工程中设计向量存在扰动的情况，提出了该情况下目标函数波动的约束，使目标函数和约束函数在扰动下依然满足可靠性要求.通过数值算例验证了模型的有效性和优越性.将所提出的模型用于具有区间不确定参数的行车平板优化，结果表明了所提方法的可行性和工程有效性.     

基于最大熵模型的创意产业分布的适宜度

针对创意产业园区的分布特征构建创意产业的生态位模型，选取与城市环境有关的23个因子，通过最大熵模型(MaxEnt)确定每个因子的贡献度，从中筛选出对创意产业分布做出主要贡献的8个环境因子.以模糊隶属度研判城市环境因子对创意产业的作用，并与环境因子的权重相结合，得到研究案例区创意产业的适宜度，据此生成创意产业适宜度预测图.应用GIS空间分析的方法，依据城市环境适合创意产业发展的程度，将城市划分为不适宜区、一般适宜区、次适宜区和最适宜区四类区域.研究结果显示，创意产业最适宜区主要集中在东部沿海城市和省会城市，并且预测结果与实际现状相近，模型可靠性较高.     

基于重抽样分布的一类模糊累积和控制图

过程变量在代表产品或服务过程信息时并非完美，而使用模糊数可能是另一较好途径。文章进一步完善模糊累积和控制图，其中使用中心和扩展具有重抽样分布的模糊随机变量，并给出模拟例证。     

基于混合阈值的清除重复间隔阈值经验模态分解去噪方法

经验模态分解(Empirical mode decomposition,EMD)被认为是一种有潜力的非线性非静态信号去噪方法。传统的经验模态分解阈值去噪在零点附近存在不连续性的缺点,Kopsinis提出了EMD-IIT和EMD-CIIT方法,但这两种方法对阈值过于敏感,即区间极值轻微的偏差就有可能导致去掉整个区间曲线,因此本文提出一种混合阈值算法,结合了EMD-DT和EMD-IT各自的优势。仿真结果表明此去噪算法具有较好的效果。     

基于改进质量功能展开的质量特性重要度确定

针对传统质量功能展开(QFD)质量屋构建过程存在语言评价信息模糊和不确定等问题,提出一种结合犹豫二元语义变量、层次分析法和逼近理想解排序多属性决策法的改进QFD模型,用以对产品质量特性的重要度级别进行确定.模型分为评价用户需求与质量特性的关系、确定用户需求的重要度权重、确定质量特性的重要度排序3个阶段,提高了质量特性重要度排序的准确性.最后以某企业一语言类数字学习系统的质量特性重要度确定为例,进行了模型应用和有效性验证,为以用户为中心的数字学习系统设计质量提升提供参考.     

关于股票价格的二阶模糊时间序列

由于股票价格的时间序列具有不确定性,股市的真实模型不容易建立,而模糊时间序列在解决模糊性数据和不确定性数据方面具有较大优势;因此,本文首先将数据进行预处理并改进论域划分的方法,然后利用三角隶属度函数进行数据的模糊化处理,再利用模糊化后的数据建立三层BP神经网络,最后,应用广义的逆模糊数公式将预测模糊集进行逆模糊化,从而得到预测结果.应用本文方法对印度国家银行(SBI)股票价格和Alabama 大学的入学人数进行预测,预测结果精度较高.     

美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。     

基于层次分析法的冲击地压模糊综合评价

针对煤岩冲击地压存在非线性、模糊性以及不确定性、评价指标繁多而复杂的问题,提出基于层次分析法多指标模糊综合评价冲击地压的方法。通过层次分析法分析各指标的前兆特征与冲击地压联系程度,从声发射、红外辐射、煤岩性质三方面确定煤岩冲击地压模糊综合评价指标及权重,运用模糊综合评价所得评价结果来表征冲击地压危险等级,并通过实验模拟矿区冲击地压发生过程,结果表明综合评价结果与实验结果较为吻合,验证所建立模型的准确性。     

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。