高动态捷联姿态测量的改进型圆锥误差补偿算法研究

高动态条件下,传统圆锥补偿算法存在不可交换性误差。为抑制圆锥误差,提出了基于角速率输出的等效旋转矢量三子样二次迭代优化算法;并采用修正型罗德里格斯参数进行更新,推导了相应的圆锥补偿算法方程和表达式。在不同圆锥运动频率下和不同更新频率下,仿真验证得出了改进算法在精度和稳定性方面均较四元数法、三子样算法均有提高。实测结果表明,改进算法受圆锥半角、圆锥运动频率的影响较小,在高动态条件下较传统算法性能更优。     

基于D*算法的场面滑行动态规划研究

研究了机场场面滑行路径动态规划问题.基于三种滑行冲突约束,建立了使航班总体滑行时间最短的动态优化模型.改进了传统的D*算法,提出了基于时间权值的冲突预测和代价修正函数.案例计算相比Dijkstra算法得到的结果减少了203s,有效减少总滑行时间,提高场面运行效率.该算法不仅可以用于滑行路径的初始规划,也适用于场面实时滑行引导的实施.     

基于背景消减法的考场作弊行为检测方法

为了减少考场的作弊行为,保证考试的公平性,提出了一种将背景消减法应用于考场作弊行为检测的方法。通过分析交换物品的行为特点,提出了一种基于动态阈值的作弊行为检测算法:采用迭代阈值法确定动态阈值对差分图像进行分割,利用分割的结果指导背景的更新,得到良好稳定的背景模型,并基于背景减除算法完成了考场作弊行为的检测。实验结果表明,这种方法能够较好地检测出交换物品的作弊行为,并能克服光线等因素的影响,有效甄别考场的作弊行为。     

基于真实数据集的动态网络时间中心性分析

针对动态网络中时间中心性的适用性问题进行实证性研究.对动态网络建模方法进行了描述,在分析时间可达图构建方法的基础上,定义了与传统的度值、接近数、介数等中心性相对应的时间中心性度量.进而基于公开发布的第三方数据集以及来自本校校园网的用户在线数据,对时间中心性和静态中心性之间的相关性进行了实证性研究和分析.实验结果表明:在合适的时间跨度下,时间度中心性和静态度中心性具有较高且稳定的相关度,而接近数和介数在不同的度量方法下不存在显著的相关性.     

基于PSCAD的微电网孤网模式建模与仿真

针对传统下垂控制受微网线路阻抗因素的影响,无功功率难以实现精确的分配问题,采用一种无功-电压微分(Q-dU/dt)下垂控制.该策略是基于电压幅值变化率的电压补偿控制方法,实现无功功率的精确分配.在PSCAD中分别建立该方法的控制系统模型,并对系统孤网运行模式进行仿真研究,结果验证了控制系统模型的有效性.     

多技能呼叫中心排班算法研究

对多技能呼叫中心的排班问题进行了系统研究.采用考虑顾客放弃的Erlan争A模型计算人力需求,应用动态集合覆盖算法解决多技能排班路由问题,针对多技能优化排班问题设计开发相应的启发式算法,并应用某呼叫中心的实际数据验证了算法的计算效率和优化效果.此外,对不同人力分组方案和不同班时拆分方案进行了一系列试验计算,发现分组细化和班时细分都能够提升排班效果,相比而言班时拆分对排班效果的影响作用更加显著.     

生态环境数据预测方法研究

大规模生态环境数据的处理和统计分析为环境保护和预测提供重要依据,其分析和预测方法成为数据处理的研究重点。在对海量生态环境数据的分类整理和综合处理基础上,基于时间序列的指数平滑法建立了一种动态二次指数生态环境数据预测模型。该模型针对生态环境的实时变化特征,利用二次指数平滑方法实现了静态参数的动态优化处理。以云南大理生态环境数据为样本,通过实验仿真测试和模型分析,结果验证了该模型的适用性和准确性。     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

具有选择与补偿机制的加权集合序贯极端学习机及其应用

针对集成在线序贯极端学习机(EOS-ELM)预测精度不高和动态适应性差的问题,提出一种具有选择与补偿机制的加权集合序贯极端学习机.该加权集合序贯极端学习机在序贯学习过程中,通过对当前预测模型精度的判断决定是否进行递推更新操作,同时为提高预测模型的动态跟踪能力,在加入新样本的同时对旧样本进行剔除;然后,利用EMD对残差序列处理后进行预测,并将初始预测结果与残差预测结果相加得到最终预测模型.通过对上证指数的预测,结果表明所提方法具有更好的泛化性能,预测精度相比EOS-ELM提高了近36.1%.     

垃圾焚烧厂周围环境质量的综合评价模型——以大庆市某垃圾厂为例

采用动态加权综合模型评价方法,建立对垃圾焚烧厂周围环境的动态监测模型。用EXCEL软件对主要污染物进行了数据统计处理,结合大庆市的气象数据、现有数据以及评价环境污染的主要指标,对搜集到的数据进行无量纲处理,通过计算来确定动态权函数,结合SPSS软件求解各级指标对环境的影响程度,即确定各成分的权重,最后得到动态综合评价模型,从而实现对周围环境污染指数的动态监测。