比较法确定多属性决策问题属性权重的灵敏度分析

属性权重的确定将直接影响多属性决策的求解结果,灵敏度分析可以判断决策结论的稳定性。针对比较法所得属性权重进行方案排序,利用经典的线性规划方法,将属性线性相关约束分解为两类物理意义更清晰的属性相关形式表示的约束条件,求解维持既定方案排序的权重变化区间,得出对既定决策排序结果最敏感的属性,从而辅助决策者做出更加合理的决策。计算实例表明,该方法具有可操作性和实用性。     

基于灵敏度分析的鱼雷联接结构稳健设计

工程中存在许多不确定因素或随机波动.确定性优化结果往往位于约束边界附近,随机波动容易导致设计失效.稳健设计可以保证产品使用的可靠性,同时降低操作费用.将可靠性优化设计理论与可靠性灵敏度分析方法相结合,应用可靠性稳健设计优化理论方法对鱼雷楔环联接结构进行了优化设计.此外将拉格朗日乘子引入惩罚项中,把有约束的优化问题转化为无约束优化问题.通过与确定性优化的对比,验证了所提出的优化方法具有良好的优化效果,为武器装备产品的稳健优化设计提供了理论依据.     

区间数多属性决策中权重灵敏度分析

权重是用来衡量多属性决策问题中各属性相对重要性的,它在很大程度上影响决策问题的求解结果。在区间数的"期望方差"排序法基础上,基于加权模型,对区间数多属性决策中权重灵敏度进行分析,并给出了当两个方案之间排序位置颠倒时某一指标的权重最小变化量的计算方法。最后给出了一个算例。     

地下两层标准车站疏散时间灵敏度仿真分析

城市轨道交通系统中,地下两层岛式站台车站分布广泛。为研究疏散总时间与进站客流量的关系以及作用机理,分析了车站主要疏散设施能力和疏散瓶颈,设计多组别灵敏度仿真分析实验,通过对比同组和组间各仿真模型输出结果,分析仿真疏散过程的差异性。仿真结果表明：随高峰进站人数增加,车站疏散时间会在一定限度内增加,车站疏散总时间与疏散开始时刻站台人数相关。该研究为研究客流与疏散时间的关系提供方法手段,为车站应急疏散组织工作提供参考。     

统计能量分析法中参数灵敏度分析

为了解决统计能量法的参数灵敏度问题,通过建立两子结构耦合结构模型,利用差分法对统计能量法中三个基本参数进行分析,研究了了基本参数的变化对结构系统的输入功率在子结构能量分配和对子结构能量误差的影响.结果表明:统计能量分析法的三个参数对结构响应预示精度与输入功率在子结构之间的能量分配有重要影响,参数的变化改变子结构之间的能量分配,子结构模态密度误差增大降低其它子结构的能量估算,增大子结构内损耗因子误差将降低所有子结构的能量和总系统能量.耦合损耗因子的误差改变子结构之间的能量分配,但不改变系统的总的能量.在弱耦合条件下,得到的结论同样适用多子结构耦合系统.     

多层同步网络在舆情仿真研究中的应用

为统筹考虑线上社交网络与线下社交网络在舆情传播中的作用,首次提出了一种包含\"媒体层-线上层-线下层\"的多层同步网络模型,并在此基础上搭建了舆情仿真系统框架.基于对人类社交网络拓扑结构的已有研究成果,给出了多层同步网络的缺省设定.通过案例仿真,分析了线上网络与线下网络之间的相互影响,对比了舆情事件目击者数量在多媒体传播、自媒体传播这两种舆论传播模式中的作用差异.最后,讨论了多层同步网络模型的兼容性与可扩展性,并指出了该模型改进的方向.     

车辆换道控制策略及其灵敏度分析

本文研究了多车道交通系统中车辆换道行驶的微观模型;结合我国的高速公路分为快速车道与慢速车道的特点,建立了引导车辆行驶的控制策略,该策略由一系列规则构成;通过计算机仿真,验证了模型及规则的有效性;并对规则中的参数进行了灵敏度分析.     

灵敏度分析在惯导平台误差参数辨识中的应用

为了解决传统的惯导平台测漂方案下,惯导平台上陀螺安装误差角的系统级辨识精度不高的问题,对平台漂移的非线性模型进行了灵敏度分析,找出了影响陀螺安装误差角辨识精度的主要因素,进而提出了转台相对地面存在角速率条件下的改进辨识方案.仿真结果表明,在改进的辨识方案下误差角的辨识精度获得了显著提高.     

广义双基点法的灵敏度分析理论研究

对广义双基点法进行灵敏度分析,不仅得到了使任一方案的排序位置不变的该方案在各目标下的各个属性值的变化范围的计算公式,而且给出了当方案的排序位置改变时确定该方案在各目标下的各个属性值的变化范围的计算公式。所给出的公式直接简化、改进和完善了前人的结果     

灵敏度关系求取的多变量摄动法及其应用研究

提出了一种灵敏度关系求取的多变量摄动法.利用该方法,根据历史数据可方便地求取被研究系统中控制量和被控制量之间的灵敏度关系;利用冗余数据,根据最小二乘法推导出了可消除历史数据中随机干扰影响的计算公式.对不同规模电力系统的仿真试算证明,所提出的多变量摄动法正确.由于可利用历史数据,故所提算法较常规的单变量摄动法更具实用性.     

FORECASTING AUTOMOBILE WARRANTY PERFORMANCE IN PRESENCE OF ‘MATURING DATA＇ PHENOMENA USING MULTILAYER PERCEPTRON NEURAL NETWORK

Automobile companies that spend billions of dollars annually towards warranty cost, give high priority to warranty reduction programs. Forecasting of automobile warranty performance plays an important role towards these efforts. The forecasting process involves prediction of not only the specific months-in-service (MIS) warranty performance at certain future time, but also at future MIS values. However, ‘maturing data‘ (also called warranty growth) phenomena that causes warranty performance at specific MIS values to change with time, makes such a forecasting task challenging. Although warranty forecasting methods such as log-log plots and dynamic linear models appear in literature, there is a need for applications addressing the well recognized issue of ‘maturing data‘. In this paper we use an artificial neural network for the forecasting of warranty performance in presence of ‘maturing data‘ phenomena. The network parameters are optimized by minimizing the training and testing errors using response surface methodology. This application shows the effectiveness of neural networks in the forecasting of automobile warranty performance in the presence of the ‘maturing data‘ phenomena.     

军事工程综合防护模型研究

在介绍综合防护内涵及其总体模型优化思路的基础上,以指挥工程为说明对象,针对选取防护措施的等级与费用合理分配以获最大生存概率的问题,运用动态规划原理建立了军事工程综合防护模型,建立递推关系式后,可按逆推法或顺推法进行计算。此外,还可利用模型进行灵敏度分析,为确定最优防护策略提供了方法。最后通过示例说明该模型的应用,得出了相应的结论。     

FORECASTING AUTOMOBILE WARRANTY PERFORMANCE IN PRESENCE OF ‘MATURING DATA’ PHENOMENA USING MULTILAYER PERCEPTRON NEURAL NETWORK

1. Introduction An automobile with over 7000 parts is a highly complex product. In spite of employing the best quality and reliability practices during product development, manufacturing, and assembly, unexpected failures during warranty period do occur and cost automobile companies billions of dollars annually in warranty alone. Warranty cost reduction programs in these companies thus receive a high priority. Various teams work together to achieve objectively defined targets for warranty cost…     

再论C2R模型的最优解的存在性及灵敏度分析

在评价指标可取负值及较宽松的条件下论证了有关C^2R模型(D)及扩展的C^2R模型(D0)的最优解存在性定理．然后，在输出可取负值的情况下，给出了用(D0)来判断DEA有效的定理，并据此讨论了评价指标有相对误差时的灵敏度分析．     

城市公交系统连续平衡网络设计的双层规划模型及求解算法

根据城市公交网络的具体特点 ,对公交网络进行了系统的描述 ,提出一个双层规划模型来描述连续平衡公交网络设计问题 .在双层规划模型中 ,上层模型为一个标准的公交网络设计模型 ,下层模型是一个公交网络平衡配流模型 .针对所提出的模型 ,设计了基于灵敏度分析的求解算法 .最后 ,给出一个简单算例对所提出的模型和算法加以验证 .     

迭代误差分析方法在高光谱异常检测中的应用

提出了一种基于迭代误差分析法(IEA)的异常检测算法。IEA算法能够提取图像中有代表性的光谱信息,可为异常检算子的构造提供端元信息。对基本的IEA算法进行了改进,使它能够区分背景端元和异常端元。算法适合在没有先验光谱信息条件下检测高光谱图像中的小目标。     

基于灵敏度的模拟电路测试参数分析

介绍了一种提取电路最佳可测性参数集以诊断电路故障的新方法。利用灵敏度法分析了电路中故障元件和可测性参数之间的关系,推导出由电路可测性参数表示的故障元件容差最大值和最小值的表示式,得到诊断故障元件的最佳可测性参数,最后利用数据优化算法得到电路故障诊断的最佳可测性参数集。利用所介绍方法分析了一个低通滤波器电路,得到诊断该电路故障的最佳参数集。由于只需较少的可测性参数即可完成电路的故障诊断,因此本方法不仅计算简单,而且可有效地缩短测试时间和降低测试成本。     

复杂系统的变结构分析

传统的变结构研究方法都是建立在模型基础上的,变结构分析主要集中在系统运动模型中参数的变化或变量的增减问题上。这种传统的分析方法只限于人们对未知系统的模型结构有一个大致的了解,在一 旬先验假设的条件下才能进行。但是在系统建模之前,人们很难预先知道系统的运行的模型形式。对复杂系统而言,传统的变结构分析方法就难以秦效。特别地,对非线性向量时间序列系统而言,系统内部动态均衡结构的变化不仅具有空间结构,而且具有一定的时间结构。针对这种实际情况,本文提出了一种新的变结构分析思想,利用神经网络技术对系统的运行规律的结构变化情况进行了分析。利用上海股市数据进行了实证研究,证实了所提方法的可行性。     

A Credit Risk Evaluation Approach to Neural Network Training by Means of Financial Ratios

In recent years artificial neural networks are used to recognize the risk category of investigated companies. The research is based on data from 81 listed enterprises that applied for credit in domestic regional banks operating in China. The backpropagation algorithm-the multilayer feedforward network structure is described. Each firm is described by 9 diagnostic variables and potential borrowers are classified into four classes. The efficiency of classification is evaluated in terms of classification errors calculated from the actual classification made by the credit officers. The results of the experiments show that LevenbergMarque training error is smallest among 4 learning algorithms and its performance is better, and application of artificial neural networks and classification functions can support the creditworthiness evaluation of borrowers.