Z网络下新的推理算法在不确定决策中的应用

针对Z-number的模糊不确定性和概率不确定性推理,在Z网络模型的基础上对其推理算法上做出了一些改进.首先,在Z-number理论基础上对离散Z-number在if-then规则下进行最大熵方法处理的算法过程做出了一些改进,由于算法过程中优化模型获取的区间值概率随着给定数据的变化并不一定能满足最大熵方法中的约束条件,所以对这些区间值概率进行了优化.其次,基于Z网络的结构和概率推理过程,对利用Z网络获取区间值概率然后应用最大熵方法获得约束部分最可能的潜在概率分布过程作出了同样的改进.最后利用一个实例来说明改进后的方法的有效性和可行性.     

基于PULTS优先度的一致准则决策方法

针对准则权重未知的多准则群决策问题,提出了一种新的基于随机优势得到的优先度,在概率不确定语言术语集(Probabilistic Uncertain Linguistic Term Sets,PULTS)环境下,通过充分考虑决策者基于个人偏好对各个准则之间重要性给出的评价来确定准则权重,基于一致准则法提出的一个新的决策方...     

改进三维变分同化模型及应用：动力场数据同化

在动力场中,如何消除观测数据受观测条件以及观测仪器误差对仿真物理模型的影响,以获得高精度、高质量的数据至关重要。三维变分作为连续型变分数据同化算法的主流,在融合同化来自动力场的模式和观测值时,其代价函数中构造的背景误差协方差矩阵和观测误差协方差矩阵不可逆,是造成无法使用梯度降低的方式求出其最优估计量问题的原因。对于动力场的数据同化方法,提出了两种改进的三维变分同化模型,不同于优化算法、变量变换、维度分解等其他数学求解方法,所提出的粒度化数据同化和改进三维变分代价函数方法解决了矩阵不可逆导致的算法无法计算的问题。在实证分析中,对于维度差异较高的实验数据和模型仿真数据,这两种方法都具有很好的算法鲁棒性,而且展现出较高的算法精度。