轨道分析解的改进方法及其应用

主要介绍一种通过改进各类轨道摄动项的表达形式,以优化计算效率的轨道分析解改进方法。以低地球轨道为例,阐述了轨道分析解改进后的具体算法,并通过数值仿真分析验证了算法的有效性和实用性。算法以第一类无奇点根数作为轨道状态量,采用开普勒轨道根数计算各类摄动力的长期、长周期和短周期项,通过较简单的组合形式计算无奇点根数的对应摄动项,实现在保持分析解精度和消除小偏心率奇点的同时,提高计算效率。仿真结果表明,分析解算法的模型精度在1E-5量级,符合一阶分析解理论精度的预期;同时计算速度达到传统分析解算法的4倍左右,可有效提升空间碎片轨道预报的计算效率,具有较强的工程应用价值。     

基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。     

基于摩擦效应的砂岩裂缝密度定量预测

以挤压型盆地内低渗砂岩储层为研究目标,研究应力场与裂缝参数的关系,通过岩石力学实验与理论推导相结合的方法,建立一套基于考虑裂缝面摩擦耗能的裂缝密度定量预测方法。研究表明:岩石变形准则与能量转换法相结合是建立应力场和裂缝参数力学模型的有效途径,当岩石内部应力状态超过破裂条件后,裂缝密度随应变能密度的增加而增大;裂缝的形成除了要克服岩石内在的黏聚力外,还要克服围压与摩擦效应形成的阻力,可使用库仑-莫尔破裂准则进行岩石破裂判别,进而明确应力-应变与岩石产生裂缝密度的数学关系。所建立的模型应用于准西北缘低渗砂岩裂缝密度预测取得了良好的效果。     

基于振幅压缩的随机振荡序列预测模型

以提高灰色系统预测模型对随机振荡序列的预测精度为目的, 提出了一种通过平滑性算子压缩随机振荡序列振幅, 提高序列光滑度的算法, 并在此基础上推导及建立随机振荡序列的灰色预测模型; 将该模型应用于多组随机振荡序列的模拟, 并与其他模型的模拟精度进行了比较, 结果表明, 新模型能显著提高随机振荡序列的模拟精度.     

基于砂岩组构分类评价的储层渗透率预测

依据以砂岩岩石学特征为基础的不同类型储层孔渗定量关系渗透率预测模型,对川西新场地区上沙溪庙组Js2气藏储层渗透率进行研究。结果表明:研究区储层砂岩以次生孔隙为主,孔渗相关性差,以孔隙度参数进行的储层评价结果与产出状况匹配性差;根据岩石成份、结构和储集空间发育情况对储层进行分类,建立不同类型储层的孔渗定量关系渗透率预测模型,可明显提高孔隙度和渗透率之间的相关性;根据不同类型储层与测井特征的匹配关系,可实现储层类型的测井判别;在提高孔隙度测井解释精度的基础上,利用测井解释孔隙度,分别用不同类型储层的孔渗定量关系渗透率预测模型计算渗透率,可提高渗透率求取精度,从而提高致密砂岩储层渗透率预测水平。     

基于WOA-BP神经网络的盾构地铁隧道拱顶沉降预测

为了实现精准且有效的预测施工过程中的盾构地铁隧道沉降,保证地铁隧道施工及运营安全,基于沈阳地铁1号线盾构地铁施工现场监测数据,引入了鲸鱼优化算法(WOA)优化BP神经网络(Back Propagation)参数,构建了WOA-BP盾构地铁隧道沉降预测模型,并分别与布谷鸟优化算法(CS)、粒子群算法(PSO)优化后的BP神经网络模型及不经过其他算法优化后的BP神经网络模型等3种预测模型对比分析,结果表明：WOA-BP盾构地铁隧道拱顶沉降模型克服了传统沉降预测模型存在的收敛速度慢、易陷入局部极小点等缺点,具有很好的非线性映射能力,能高效准确地对隧道围岩沉降进行预测,以期该研究结果可为隧道沉降智能化预测提供技术支持.     

基于小波变换和ANFIS模型的不规则海浪组合预报

利用小波变换对不规则海浪进行多尺度一维小波分解与重构,得到相对简单、规则的准周期分量信号,然后建立了各信号的多输入、单输出自适应神经模糊推理系统(ANFIS)预报模型,最后对预报结果进行集成。基于Matlab语言的仿真结果表明,该方法不仅降低了预报的难度,而且具有较高的预报精确度。此方法亦可用于船舶横摇、纵摇、艏摇运动的预报。     

中强地震预报综合评判物元模型及其应用

应用可拓方法,对一个固定地区某一时段建立了预报地震最大震级的多指标综合评判模型。初步结果说明该方法在中强地震预报中有较好的应用前景。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时,为满足用户动态变化的带宽需求,虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值,一定程度上造成了资源浪费.针对这一问题,提出一种基于混合流量预测的虚拟网络拓扑重构方法,利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测,根据流量预测结果进行拓扑重构,在避免出现乒乓效应的同时节省更...