基于动态优化的多模型广义预测控制器设计

针对工业控制过程中广泛存在系统参数突变的问题,将多模型切换的广义预测控制器引至动态优化策略下的分层式控制系统中,设计了基于动态优化的多模型广义预测控制器.该模型预测控制结构以获取最大经济效益为目标,上层结构对经济目标函数进行动态优化,得到使经济利益最大的关键变量设定值;下层结构中MPC层采用多模型广义预测控制器代替传统单模型广义预测控制器追踪上层得到的设定值,即采用多个固定模型和自适应模型并行辨识系统的动态特性,提高系统暂态性能和模型参数跳变时系统的调节能力;底层为PID控制器用于抑制过程中的扰动.通过仿真验证了该方法的可行性和有效性.     

基于可变参数的道路交通事故动态灰色预测模型

以中国1990~2006年万车死亡率为研究对象,在固定参数动态灰色预测模型基础上,根据人口数量、机动车数量和公路里程优化参数P值,建立了可变参数动态灰色预测模型;分别运用固定参数动态灰色预测模型、可变参数动态灰色预测模型和基于三点平均技术的可变参数动态灰色预测模型进行预测,得到的平均相对误差分别为6.97%、5.67%和4.61%.研究结果表明:可变参数动态灰色预测模型优于固定参数动态灰色预测模型;基于三点平均技术的可变参数动态灰色预测模型可以进一步平滑预测结果,增加预测结果的可靠性.     

可变参数动态灰色预测模型的建立与实证研究

在固定参数动态灰色预测模型基础之上进行改进,提出了可变参数动态灰色预测模型.固定参数动态灰色预测模型的参数值为0.5,可变参数动态灰色预测模型的参数值由预测对象的影响因素来决定.根据对我国集成电路产业的应用研究,说明了可变参数动态预测模型具有更好的预测精度.同时,针对可变参数动态灰色预测模型的计算量很大的特点,应用Java编制了应用软件,可以方便快捷地进行运算,有利于该模型的应用推广.     

一类非均衡蛛网模型的动态分析与经济预测

蛛网模型是动态经济分析中的一个经典模型,本文讨论了其平衡点的稳定性,推广了已有模型中参数的取值范围,建立了测度微分方程模型,对新产品的畅销期限进行了预测.     

地表沉陷预测参数可靠性分析及取值优化研究

分析了用概率积分法进行开采沉陷预测过程中参数的可靠性,针对预测参数为具有一定分布规律的随机变量在计算时仅取固定值的问题,首次提出了采用随机变量来动态确定预测参数,并用随机模拟计算开采沉陷预计的参数变量。采用该方法对潞安司马矿1101工作面进行了预测,预测结果与实测值具有很好的吻合性。为地表沉陷预测提供了可靠的理论依据。     

基于折扣高斯粒子滤波器的桥梁可靠性动态预测

桥梁健康监测(BHM)系统在长期运营中积累了大量信息,如何利用这些信息动态预测结构可靠性已成为BHM领域的关键科学问题之一.为合理预测桥梁的动态可靠性,应用BHM系统日常监测的极值应力数据,建立带有最优折扣因子的动态线性模型,结合高斯粒子滤波器给出折扣高斯粒子滤波器预测算法,分别对日常监测极值应力的一步向前预测分布参数和状态变量后验分布参数进行修正预测,并基于此,采用一次二阶矩(FOSM)方法预测桥梁的动态可靠性,结合桥梁实测数据对所提方法进行了验证分析,为桥梁预防性养护维修决策提供理论基础.     

油田开发动态的多参数输入模拟预测方法

在进行考虑多种因素综合影响下油田开发动态指标预测时，缺少定量化模拟预测方法，油藏工程方法由于多属于机理型模型、单一条件统计规律模型，不适合此类条件下的定量预测。本文提出了一种考虑多参数约束控制拟合的开发动态预测方法，输入参数可包括产量、成本、工作量等。由统计理论根据历史信息实现系统指标变化情况的模拟，建立系统的输入输出关联关系，进而外推进行预测。提出的开发动态预测方法反映了实际开发过程中各种因素的复杂影响。     

织物动态热湿舒适性能的评价及预测

针对织物动态热湿传递过程复杂、动态热湿舒适性能难以评价的问题,研究服用织物的动态热湿舒适性能.对8种不同纤维的织物在动态实验中接触模拟出汗皮肤时其内外两面的温湿度实时变化情况进行了研究,提取了两项动态特征值用于表征织物的动态热湿舒适性能.同时,结合织物稳态参数的测试和灰色系统理论,研究了动态特征值与稳态参数之间的相关性,最终建立了预测模型,在预测织物动态热湿舒适性能方面取得了较高的预测精度.     

联合时空特征的交通流参数预测综述

针对交通流参数预测在智能交通系统中的重要性,为寻求更实时准确的预测方法,对联合时空特征的交通流参数预测方法进行综述。以交通时空数据为研究对象,将交通流参数预测方法归纳为统计学习方法、深度学习方法和图神经网络方法。基于这3类方法分别从传统和联合时空特征角度概括了各种方法的研究现状和特点,分析了交通流参数预测的难点。结果表明,联合时空特征的交通流预测方法由于考虑了道路网络中复杂且动态的时空依赖性,相较于传统的同类方法,预测性能有较大提升。最后,从模型输入和模型设计角度,讨论了交通流参数预测未来研究方向。     

基于Kalman预报观测器的增量动态逆控制

针对传统动态逆对模型参数不确定性鲁棒性较差的问题,提出一种基于Kalman预报观测器的增量动态逆控制方法。该方法以角速度作为姿态控制反馈,引入角加速度预测反馈信号,从而降低了控制系统对模型参数的敏感性。利用动力学方程建立增量动态逆的输入输出关系式,利用等加速度模型的Kalman预报观测器对角加速度进行预测估计,从而提高信号的精度和实时性。仿真结果表明:在引入参数摄动和传感器噪声等一系列不确定性因素后,增量动态逆比传统动态逆方法能够更加准确快速地跟踪参考信号,该控制方法是可行有效的。     

遗传算法在经济混沌组合预测中的应用

经济混沌是由确定性的经济系统产生具有随机性的动态行为。虽然经济系统产生的时间序列不具有长期预测性，但在短期内可有较为精确的预测，可以为其建立确定性的预测模型。为了探求经济时间序列中的混沌特性，文中在Wolf提出的相空间重构的基础上，提出了一种基于遗传算法的经济混沌组合预测方法，在该方法中采用自适应并行遗传算法确定组合模型中权系数，这样可以较好地解决传统经济混沌预测大多数都是使用单一模型以至影响了观测精度等问题，最后以实例检验了提出的算法。     

混沌算子网络在经济数据预测中的应用研究

采用多个混沌算子单元组成一种新的预测网络,实现经济数据的预测分析.利用已知数据构造出训练样本,通过调节混沌算子单元的控制参数来控制其动力学特性,以此改变预测网络的动力学行为,使预测网络的动力学特性逐渐逼近被预测系统,并随之一致变化,从而实现时间序列的动态预测分析.利用该方法对国内生产总值和国民总收入等经济数据进行了预测...     

NWS预测子系统的应用

利用性能的历史测量信息预测短期内的网络性能,可以动态监视和预测特定网络和计算资源在应用层的可用性。介绍了网络预测服务及其体系结构,讨论了其关键技术,对预测方法和自适应动态预测器选择方法进行了讨论,研究了动态自适应预测技术在网络性能服务器中的具体实现。仿真分析表明,使用该方法可以在较低开销的条件下获得最好的预测结果,实验验证了这一结论。     

等维灰数递补动态预测

本文提出一种等维灰数递补动态预测技术。通过对所获信息的不断有效利用,将灰色动态GM(1,1)模型中灰参数逐次加以修正,使模型不断得到改进,从而提高了预测精度。应用实例表明,用本预测技术可取得较满意的结果。     

科技开发区发展预测模型及其应用

本文应用系统工程中的有关预测理论和预测技木,对近年来在我国兴起的科技开发区和新技术产业开发区的发展状况进行了分析,首次建立了科技开发区发展预测模型,提出了模型中两个动态变量的处理方案;并应用模型,对重庆市沙坪坝科技产业开发试验区今后几年的主要发展指标进行了预测。此发展预测模型可广泛用于新技术产业开发区、科技开发区以及其他类似社会经济系统未来发展状况的预测。     

经济混沌的动因与预测

经济混沌是非线性经济系统中呈现的一种貌似随机不确定现象．本文通过对经济混沌的动因分析，指出温沌是经济系统的本质特性；根据混沌的有序性，提出经济混沌预测的基本原理；给出一个甚于混沌吸引子的时间序列预测方法，指出影响预测效果的主要因素．     

时间序列分析方法的研究

时间序列分析方法是建立变形测量预测模型的主要方法．本文就变形测量中用AR模型建立变形预测模型的参数估计问题以及模型阶次问题进行了探讨，并指出在样本观测值有限的条件下，宜采用最小二乘法及动态数据(DDS)方法建立动态变形的预测模型．     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

中期数值降雨预报在汛限水位动态控制中应用研究

定义中期数值降雨预报最大可利用预见期、最大可利用预见量和实时预见期折减系数3个参数,对中期数值降雨预报信息进行预处理,且给出评估中期预报精度的指标以及指标的求解方法;然后利用上述3个参数,对汛限水位实时动态控制相对安全期进行定义,进而提出利用中期预报进行汛限水位动态控制的实时相对安全期法.对该方法风险分析过程就是对上述3个参数的优选过程.基于此,分别定义评估风险、风险效益以及调度决策者承受风险能力的指标,建立控制风险在决策者承受能力内而追求风险效益最大的风险分析模型,即参数优选模型.浑江上游桓仁-回龙库群试用结果表明,经济效益显著.     

Bayesian-combined wavelet regressive modeling for hydrologic time series forecasting

Wavelet regression (WR) models are used commonly for hydrologic time series forecasting, but they could not consider uncertainty evaluation. In this paper the AM-MCMC (adaptive Metropolis-Markov chain Monte Carlo) algorithm was employed to wavelet regressive modeling processes, and a model called AM-MCMC-WR was proposed for hydrologic time series forecasting. The AM-MCMC algorithm is used to estimate parameters’ uncertainty in WR model, based on which probabilistic forecasting of hydrologic time series can be done. Results of two runoff data at the Huaihe River watershed indicate the identical performances of AM-MCMC-WR and WR models in gaining optimal forecasting result, but they perform better than linear regression models. Differing from the WR model, probabilistic forecasting results can be gained by the proposed model, and uncertainty can be described using proper credible interval. In summary, parameters in WR models generally follow normal probability distribution; series’ correlation characters determine the optimal parameters values, and further determine the uncertain degrees and sensitivities of parameters; more uncertain parameters would lead to more uncertain forecasting results and hard predictability of hydrologic time series.