声场流化床颗粒浓度时间序列分析

在内径140mm,高1600mm的声场流化床中,以FCC颗粒为流化介质,采用光导纤维探针测定不同轴／径向位置的颗粒浓度时间序列,通过统计分析、功率谱分析和小波分析揭示外加声场对颗粒浓度的影响。结果表明：声场的引入降低了颗粒最小流化速度,声压越大最小流化速度越小,声波频率在150HZ时最小流化速度最小。颗粒浓度功率谱呈现宽频且有明显主频的低频信号,声压越大主频的峰值越小,颗粒浓度信号的主频峰值随频率先下降后上升。对颗粒浓度信号进行5尺度离散小波变换,声场流化床中颗粒浓度信号高频部分增加,低频部分减小。     

关于时序模式发现算法的研究

数据挖掘归属于决策系统,可以从浩瀚的数据库中挖掘出不易被发现的有用信息,并且可以进行预测,为管理层中决策者的决策提供科学依据。针对时序数据中的复杂模式问题,提出了一种时序模式算法,并描绘了算法的基本思想及给出了算法的简单伪代码。在用程序实现后,对算法的优劣进行了分析,为进一步改进和完善算法或者为寻找更为理想的算法提供了有益的启示。     

变换域时间序列相似性搜索

在时间序列的研究中，经常需要计算二个序列的相似程度。由于序列变化的多样性和，复杂性，结果通常不能很好地满足要求。采用变换法则对时间序列进行从时域到频域的转换，再将转换后的数据按照一定的规则变换成字符序列；利用求最长公共子序列的方法计算三个序列的匹配度，实现时间序列的相似性搜索。     

Combining var estimation and state space model reduction for simple good predictions

A combination of VAR estimation and state space model reduction techniques are examined by Monte Carlo methods in order to find good, simple to use, procedures for determining models which have reasonable prediction properties. The presentation is largely graphical. This helps focus attention on the aspects of the model determination problem which are relatively important for forecasting. One surprising result is that, for prediction purposes, knowledge of the true structure of the model generating the data is not particularly useful unless parameter values are also known. This is because the difficulty in estimating parameters of the true model causes more prediction error than results from a more parsimonious approximate model.     

基于粗糙熵的时序数据属性约简及规则提取研究

分析了近似质量在提取非确定性规则方面的不足,并基于粗糙熵的预测成功度概念,结合时序数据特点,提出一种属性约简及规则提取策略．该策略在对时序数据进行属性约简时,采用粗糙熵与时间距离相结合的方法,使得最终得到的约简在时序方面是较优的,最后使用UCI数据库进行仿真实验,效果良好．该策略在工程领域处理时序数据方面有一定的应用价值．     

基于小世界无标度特征的回声状态小波网络

针对储备池的适应性问题,提出了一种复合回声状态网络模型(CESN).CESN依据增量生长准则构建小世界无标度进化状态储备池,解除了储备池谱半径的限制.同时,CESN将离散小波函数作为神经元的激活函数,用Symlets小波函数替代部分储备池神经元的S型函数,Symlets小波函数的伸缩和平移变换特征丰富了动态储备池的状态空间.将CESN应用于一些非线性时间序列逼近问题中,即NARMA系统、Henon映射和二氧化碳浓度预测.实验结果表明,在逼近高度复杂的非线性系统方面,CESN明显优于注入Symlets小波的经典回声状态网络(S-ESN)和具有高聚类系数的无标度回声状态网络(SHESN).      

星地链路雨衰信道动态特性的HIL仿真

为进一步研究自适应传输、功率控制和分集等毫米波频段星地链路的抗雨衰措施,提出了一种雨衰信道硬件在环路HIL(Hardware-in-the-loop)仿真系统的原理与实现方案.讨论了U.C.Fiebig等人提出的基于时间序列发生器原理的雨衰信道动态预测模型,设计并实现了基于MATLAB/SIMULINK软件与FPGA硬件相结合的雨衰信道硬件在环路实时仿真器.在此基础上,对不同降雨衰减条件下的MPSK/MQAM自适应调制抗雨衰措施及误码率性能进行了分析和比较,HIL仿真结果与理论上的预测分析是一致的.这种HIL雨衰信道仿真器可以用于检验卫星通信系统抗雨衰措施的有效性.     

数控机床动压主轴的热误差建模技术研究

为了降低加工过程的热误差,提高数控机床加工精度,基于时序相关分析理论与数值计算方法,建立了一种以温度场分布及加工参数为输入的新型机床主轴热误差建模方法.所建模型由热误差模型、主轴动压轴承热特性模型以及主轴热传递模型三部分组成.该方法首先根据时序相关理论建立热误差与温度测点之间的相关模型,再通过灰色相关理论完成关键温度测点位置与数量的优化,同时,基于数值计算与热传导理论,建立了动压主轴系统热特性模型.以一台大型龙门导轨磨床为实验对象,建立了磨床主轴箱热误差预测模型.实验结果表明,所建立的热误差模型具有良好的热误差辨识性能.     

时间序列随机DEA期望值模型研究

为解决含有不确定性信息的多时期综合绩效评价问题,提出一个时间序列随机DEA模型,并借助机会约束规划的相关理论将其转化为确定性的等价形式.分别给出决策单元在单时期和多时期内随机期望无效,随机期望有效以及随机期望超有效的概念,为判别决策单元的随机有效性提供理论依据.最后通过一个随机模拟算例说明了该方法的有效性和实用性.     

高拱坝时序多属性施工方案随机智能优化方法

为了解决当前施工方案优化方法大多忽略各关键节点施工进度指标的随机性对施工方案优化的影响,同时属性权重确定方法难以实现对高维度多层次的多属性决策问题进行整体优化的问题,提出了基于前景随机理论和麻雀搜索算法的高拱坝时序多属性施工方案随机智能优化方法.针对高拱坝工程建设特点,基于前景随机理论建立时序多属性随机智能优化模型,提出了基于阶段发展特征的动态参考点设置方法;基于麻雀搜索算法建立最优属性权重及时间权重搜索模型,并以差异最大化思想构造适应度函数,实现模型的求解.工程实例验证结果表明该优化方法具有合理性,优化结果与前景随机占优-CRITIC方法、随机占优方法优化结果一致,且具有更好的方案区分度.