多变量分数阶捕食模型和传染病模型的Mittag-Leffler稳定性(英文)

讨论了多变量分数阶捕食模型和分数阶狂犬病模型稳定性.利用分数比较原则,可以得到这两个系统Mittag-Leffler稳定.     

曲阜市土地利用结构预测

根据马尔可夫模型和灰色系统GM(1,1)模型分别对曲阜市土地利用结构进行了预测,得出了2010年和2015年曲阜市土地利用预测结果.经过比对,两种方法均可作为土地利用结构预测方法.并根据预测结果提出了进一步加强土地管理的措施.     

基于不平稳假设的序贯近似建模方法

在工业设计中常涉及复杂、耗时的仿真,建立简单的近似模型可以简化分析和优化过程.元模型的构建和仿真试验的设计是其中的两个关键问题.针对元模型的构建,分析指出传统的基于平稳性假设的Kriging方法并不适合常见的不规则系统的建模,接着采用非线性映射方法,提出了一种基于不平稳假设的Kriging方法.实例说明:相对于传统的Kriging方法,该方法不仅可以建立精度较高的预测模型,而且对模型的预测不确定性的描述也更符合直观认识;针对计算机试验设计,提出了一种基于改进的Kriging方法的序贯准则,使得试验点序贯产生在不确定性大且距离现有试验点远的位置.算例表明:该序贯设计比一步设计效果好,能节约试验样本.     

基于RBAC扩展模型的实验室综合管理系统设计与实现

为了设计和实现实验室教学活动全过程的计算机信息化管理,基于RBAC扩展模型、Ajax技术、XML技术,采用了自创的EIM模型和LAORDTM模型进行数据处理的实验室综合信息管理系统的方法,研制开发了包含9个子系统的LGIMS系统,其中动态可扩展系统管理子系统用于实现对整个系统进行扩展的基于角色的RBAC访问控制.     

航空发动机燃烧室模型热-声-固耦合试验装置设计研究

如何解决空气污染在全球已成为十分重要的研究课题。在燃气发动机的化学燃烧过程中,产生的污染物主要成分为氮氧化物或者是NOx。为了减少污染物排放,采用预混燃烧,虽然减少NOx的排放,但是也增加燃烧室声压水平。长时间的声压力疲劳使结构振动,导致燃烧室的疲劳变形。本文主要研究试验模型的设计,分别介绍了模型的整体设计思想、各部分的设计尺寸、试验数据的测量,测量结果将对模型有限元分析起到一定的对比作用,同时对于实际燃烧室的热声固分析有一定帮助。     

基于模糊预测的迭代学习控制器设计

一、引言 间歇生产过程是以顺序的操作步骤进行批量产品生产的过程,广泛应用于精细化工、药品生产、生物制品、现代农业等领域.由于传统的间歇生产过程中人工操作比重大,自动化水平低,间歇过程单元存在非线性、大滞后、时变和数学模型不确定等因素,难以达到理想的控制效果来满足工业生产柔性化趋势和产品多样化的要求.     

基于差分自回归移动平均模型、长短期记忆网络模型及相关模型的无人机俯仰角预测

为了提高无人机俯仰角故障数据处理和预测的精确性和可靠性,避免增加无人机试飞成本,利用长短期记忆网络（Long Short Term Memory,LSTM）、注意力机制+LSTM模型和差分自回归移动平均模型（Autoregressive Integrated Moving Average Model,ARIMA）模型预测无人机试飞俯仰角故障数据。结果表明,ARIMA预测结果：MAE（Mean Absolute Error）=0.35,RMSE（Root Mean Square Error）=0.73,MAPE(Mean Absolute Percentage Error)=23.80%;LSTM模型预测结果：MAE=0.49,RMSE=0.74,MAPE=45.20%;注意力机制+LSTM模型预测结果：MAE=0.17,RMSE=0.53,MAPE=18.93%。可见注意力机制+LSTM模型比其余两种模型更适合于试飞俯仰角的数据预测,以上三种方法对无人机故障数据预测都具有实际意义,有效的预测可以推进自动飞行器和移动机器人的异常检测或外国直接投资研究的最新进展,以进一步提高自动和远程飞行操作的安全性。     

PCA-BP模型下皖北城市群PM2.5浓度分析

为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM2.5浓度的相关变量,结合2018-2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(PCA)法按时间段长短及季节性变化分别选取月度数据与年度数据对空气质量的影响因子做相关性分析,对比分析不同季节下空气污染物PM2.5、PM10的浓度及其它空气污染物的变化,构建基于PCA算法的反向传播神经网络 (BP),建立PCA-BP模型并采用交叉-验证法提高模型精度,对大气中的污染物PM2.5浓度做短期预测。实验结果表明:PM2.5浓度的主要影响因子为PM10、CO、NO2、SO2;皖北地区PM2.5含量整体在冬季偏高;预测模型的精度在夏季与秋季较高,冬季较低,四季的预测精度R2分别达到0.924、0.958、0.935、0.794。