Permissible idealizations for the purpose of prediction

Every model leaves out or distorts some factors that are causally connected to its target phenomenon—the phenomenon that it seeks to predict or explain. If we want to make predictions, and we want to base decisions on those predictions, what is it safe to omit or to simplify, and what ought a causal model to describe fully and correctly? A schematic answer: the factors that matter are those that make a difference to the target phenomenon. There are several ways to understand differencemaking. This paper advances a view as to which is the most relevant to the forecaster and the decision-maker. It turns out that the right notion of differencemaking for thinking about idealization in prediction is also the right notion for thinking about idealization in explanation; this suggests a carefully circumscribed version of Hempel’s famous thesis that there is a symmetry between explanation and prediction.     

推力矢量控制在掠飞击顶弹道中的方案分析与优化

基于反坦克导弹总体设计方案,在导弹头部加入推力矢量控制装置,以实现导弹在弹道末端折转击顶.建立了推力矢量控制阵列模型,分析了推力矢量控制与飞行参数之间的关系,并基于离散二次规划法对推力矢量控制方案进行了优化. 结果表明,优化后的TVC方案避免了弹体抬头的现象发生,提高了导弹击顶时的落角,可降低对战斗部的指标要求.     

基于LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.     

一个线性算子的特征向量空间

线性算子A=（x）=[（t2-1）x′]′,当λ=n（n+1）时,λ为A的本（特）征值,它相应的本（特）征向量为Legendre多项式,且特征向量空间是1维的;当λ≠n（n+1）时,λ不为A的本（特）征值。     

基于最小二乘支持向量机的大坝变形预测研究

大坝变形预测是风险评估的关键,而涉及因素存在高度非线性.为达到好的预测效果,提出了一种基于最小二乘支持向量机(LSSVM)的大坝变形预测方法.在数据预处理方面,针对传统的参数平方、立方这种处理方式,提出变阶次概念;针对LSSVM交叉验证耗时过多,提出了一种简单可行的变参数方法 .为了快速获得优化结果,引入基于十进制的遗传算法.此外,为进一步提高预测精度,引入遗忘因子概念.最后,给出一个实例.     

基于支持向量机的P2P流量管理模型设计

对P2P的网络流量进行识别是P2P研究领域中的一个重大难题,为了实现对其管理,提出了一种基于支持向量机(SVM)的P2P流量分类管理模型.首先获取P2P网络流量数据,然后将获取的样本数据输入SVM并对SVM进行训练,最后将测试样本数据输入SVM进行P2P流量分类管理.仿真实验证明了该方法具有较高的检测率和较低的漏报率.     

机器学习在车载激光点云分类中的应用研究

点云信息分类提取与利用是车载移动测量系统的关键技术,提高车载激光点云分类的智能化已成为当代信息科学技术发展所面临的重要问题.从分析点云的特征入手,采用机器学习方法对车载激光点云的行道树提取进行了大量实验研究.首先,在点云原始特征的基础上,根据其局部几何特征及空间分布,构造了由三维空间位置、回波强度、颜色值、法向量、单位投影密度、残差及回波强度维度内的残差等17个特征值组成的点云高维特征向量,然后采用支持向量机和人工神经网络两种机器学习方法分别对行道树点云进行提取实验.实验中采用了粒子群优化算法对支持向量机进行参数寻优,采用所构造的由17个特征值构成的特征向量对点云进行机器学习,两种学习方法的行道树点云分类精度分别可以达到99.75%和99.25%.实验结果表明,采用机器学习的方法对于提高车载激光点云分类自动化程度和智能化水平具有重要意义和作用.     

3维Minkowski空间中的特殊直纹面

研究了3维Minkowski空间中由非类光曲线的修正达布向量场生成的直纹面,证明了这些直纹面都是可展曲面.此外,对于该直纹面的微分几何性质进行了研究.     

圆模式的Andreev-Thurston定理的能量函数方法证明*

对于一个给定边界标号的加权三角剖分 $(T,\Theta)\ (\Theta\in[0,\frac{\pi}{2}])$, 通过构造$(T,\Theta)$的内部顶点上的能量函数, 推出对应于内部顶点的标号向量是由它的锥向量唯一决定的. 导出一个向量是锥向量当且仅当它 满足锥向量不等式. 通过证明所要求的圆模式决定的相关$(T,\Theta)$所有内部顶点的角总和向量满足锥向量不等式, 得到在复平面上实现该加权三角剖分$(T,\Theta)$的平面 单叶圆模式和有分枝圆模式的存在性和唯一性. 这为圆模式的 存在唯一性定理提供了一种新的证明方法.     

矩形截面型材三维拉弯成形的回弹预测

设计了用于三维拉弯成形的、可重构的柔性模具,并采用支持向量回归机和有限元模拟对柔性三维拉弯成形的回弹进行预测.使用有限元法分析了对回弹量影响较大的6个因素(包括材料参数、几何参数和工艺参数),以及它们对回弹的影响趋势.选用这6个参数设计有限元三维拉弯模拟实验,并用模拟结果训练和检验支持向量回归机回弹预测模型.通过与广泛应用的神经网络预测方法的预测值和有限元模拟试验结果的比较,检验该回弹预测模型的准确性.研究发现,该模型与神经网络相比具有更高的准确度,在试验中根据该模型预测的回弹量对模具型面进行相应的补偿,可以有效地减小回弹和形状偏差.