基于多维泰勒网的自适应混沌时间序列多步预测

提出了一种新的混沌时间序列预测方法——多维泰勒网方法.该方法不以相空间重构方法中嵌入维数和时间延迟这两个关键参数的选取为前提,无需系统的先验知识和机理,仅根据已知的时间序列样本,通过多维泰勒网模型获得n元一阶多项式差分方程组,进而得到能反映非线性系统动力学特性的多维泰勒网动态模型.在此基础上提出了基于多维泰勒网的自适应多步预测方法,通过数据窗口的滑动自适应建模,实现对混沌时间序列的多步预测.将该方法应用于Lorenz混沌时间序列的一步和多步预测,均方误差分别达到2.56×10-5和2.76×10-3.仿真结果表明,该方法可以对混沌时间进行有效预测,且具有较高的预测精度.     

基于BP神经网络的交流输电线路可听噪声预测模型

可听噪声属于输电线路电磁环境的影响因子之一,其常规预测模型均存在使用条件受约束或预测误差偏大的问题.根据间接预测法的思想,以可听噪声通用表达式中的4个因素为输入变量,可听噪声值为输出变量,建立了三层结构的BP神经网络交流输电线路可听噪声预测模型.以国外多条输电线路可听噪声数据为样本,通过BP神经网络对样本进行训练,运用得到的模型对预测集线路的可听噪声值进行了预测.结果表明,与常规GE公式相比,采用BP神经网络预测模型的预测平均绝对误差要小1.641 4 d B(A).     

青海氯盐渍土地区半埋混凝土耐久性研究

文章在现场调查的基础上,针对青海察尔汗盐湖至格尔木高速公路上使用的混凝土进行氯盐快速腐蚀试验和氯离子测试实验。试验结果表明:混凝土相对动弹性模量先上升后下降;混凝土吸附区氯离子的分布规律为先随着距表层距离的增加而增加,在0.75cm处达到最大值,之后随着距表层距离的增加而下降。结合半埋状态下混凝土各部位和周围盐渍土之间的离子交换传输机理,以及氯离子的腐蚀机理,对半埋混凝土状态下钢筋混凝土的使用寿命进行了预测。结果表明:半埋状态下混凝土和周围盐渍土之间的离子交换机理是外部"蒸发-浓缩"和毛细管吸附,内部为扩散;氯离子在半埋混凝土靠近表层处浅层区域的传输机理主要是毛细管吸入,深层区域为扩散;钢筋混凝土腐蚀的主要原因是氯离子使钢筋表面钝化膜破坏,形成腐蚀电池并产生孔蚀,随着铁锈体积增大,导致混凝土保护层开裂。最后,研究得出的青海氯盐渍土地区的半埋钢筋混凝土使用寿命和钢筋保护层厚度之间的关系与调查结果基本一致,说明了文中的寿命预测方法的合理性。     

砝码表面状态预测及质量吸附修正研究动向

质量实物基准是所有基本量中唯一的实物基准,其缺点是容易受到环境的影响而造成质量的改变。总结了国内外计量院所对砝码表面状态预测方面的研究动向,指出了各国计量院所开展砝码表面状态预测研究的方向,包括:分析质量标准在"空气"和"真空"条件下传递时对质量标准造成的影响,建立砝码质量观测模型及吸附修正模型等。对砝码表面状态的研究和吸附修正技术的研究,最终可以提高质量测量的准确度,为即将到来的质量单位的重新定义研究打下技术基础。     

气体钻井地层出水定量预测模型研究

气体钻井地层出水定量准确预测是气体钻井可行性钻前论证的关键。目前,已有的出水量预测方法较少考虑气体钻井井底压差下地层渗流过程与地层应力变化的流固耦合作用对出水量的影响,在渗流力学和岩石力学的基础上,综合考虑地层渗流过程与岩石应力变化的流耦合作用对地层应力、孔隙度、渗透率以及孔隙压力的影响,建立气体钻井孔隙性地层和孔隙-裂缝性地层出水量预测动态流固耦合模型。结合工程实际,通过该模型计算得到气体钻井快速钻穿水层后出水量随时间的变化关系,计算结果与现场监测吻合。研究对于钻前准确预测出水量和筛选气体钻井层位具有重要意义。     

平均模型在致密气井产量预测中的应用

在致密气资产快速评价中应用经验型递减模型能够快速得到气井产量的递减情况;但不同的递减模型在完成历史拟合后,长期产量和累积产量预测结果相差很多。应用GLUE法评价各模型预测结果的不确定性,并引入平均模型的概念,计算各模型权重后建立平均模型。以加拿大致密气田两口致密气井的实际生产数据为例应用平均模型进行累积产量的计算,结果表明GLUE法可进行各模型预测结果的不确定性进行分析,且通过设定筛选标准后,利用满足条件的模型进行聚合得到的平均模型计算结果具有更小的标准差与变异系数。     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

基于蚁群搜索理论的优化卡尔曼步频预测

为了使智能下肢能够实时地调节膝关节阻尼,使其固有频率与实际步频相符,达到更加接近正常步态的效果,提出了一种基于蚁群搜索理论的卡尔曼步频预测算法.利用蚁群算法在规定的连续域中寻找卡尔曼预测方程中系统误差与测量误差两个参数的最优组合,实现对卡尔曼预测方程的优化.通过获取六组人行走的步频数据进行实验,结果表明:经蚁群算法优化后,卡尔曼预测算法预测得到的步频与后验值之间的误差比跟随方式的误差分别减少了44.10%,43.42%和36.17%,证明了基于蚁群搜索理论的优化卡尔曼步频预测方法在智能下肢控制上具有良好的应用前景.     

基于模型预测的无人机组合陀螺在线标定

为解决无人机长时间航行时,由于环境等因素的变化,导致陀螺漂移、标度因数误差和陀螺安装轴不正交误差的问题,借助天文导航系统(CNS:Celestial Navigation System)提供的高精度姿态信息,基于四元数误差建立陀螺在线标定误差模型,提出一种基于模型预测的捷联惯性导航系统(SINS:Strap Down Inertial Navigation System)/CNS组合陀螺在线标定混合滤波方法.仿真结果表明,该方法能够很好地适用于在线标定,不仅满足标定精度要求,而且降低了滤波的计算量,提高了滤波的数值稳定性.     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。