人类行为动力学研究

对各种人类行为中的统计特性进行了广泛的经验研究,发现越来越多的多种形式的经验性证据表明,许多人类行为的事件之间的时间间隔分布普遍存在宽尾特征.同时,还针对对各种人类行为中的非泊松时间行为特性和空间运动特性的动力学机制,进行了广泛的模型研究,发现自适应兴趣、层次性交通网络影响等多种影响人类行为特性的基本机制.     

人类行为动力学研究综述

介绍了人类动力学研究中的基本概念并对近年来的主要实证结果和理论模型进行归纳,总结了人类在通信、访问网络、工作和自身生理特征4个方面表现出的时间标度特征和在迁移活动中表现出的空间标度特征,发现人类行为中的一些普遍规律,并概述了产生重尾的动力学机制,包括基于优先权决策的排队系统、兴趣行为以及非齐次泊松过程等等,最后对未来的研究工作提出一些展望。     

人类通信模式中基于时间统计的实证研究

最近关于人类通信模式的实证研究显示,信件的回复时间分布具有近似幂律的尾部,其中幂指数在电子邮件和普通信件中并不相同,前者为1．O,后者为1．5。统计了钱学森和鲁迅先生的信件数据,同样发现了近似幂律的回复时间分布,但是钱学森的分布指数是2．1,该发现暗示,将人类动力学划分为两个普适类的猜测可能是不充分的;信件发送的时间间隔分布也服从相同幂指数的幂律分布。同时,截取钱学森连续10年的信件得到的等待时间分布和间隔时间分布与总体基本相似,且幂指数也相同。这种巧合有可能暗示了潜藏在人类通讯模式中的某种未知机制。     

股票交易时间间隔分布特征的实证研究

通过对中国股票市场中大量投资者的股票交易数据进行统计分析,发现个体买入和卖出股票的时间间隔分布具有幂律分布的特征,均能通过阈值为0.9的Kolmogorov-Smirnov统计性假设检验且幂指数几乎一致,可能体现着人类买卖这种相对应行为的相关性。股票交易次数和交易金额的分布也具有明显的胖尾现象,但并不具有幂律分布的特征。结果表明中国股市仍以小投资者居多,而且投资者的平均交易次数偏少。     

人类动力学基本概念与实证分析

定量研究人类行为有助于理解社会经济系统复杂性的来源。经典的人类动力学分析中包含了一个潜在的假设,就是人类行为的时间性可以用一个泊松过程很好地描述,因此人类发出相继行为的间隔时间分布应该具有一个指数的尾部。最近,大量的实证分析显示,从通讯模式到在线娱乐,从金融活动到网页浏览,人类行为的间隔时间分布具有明显的胖尾性质,这些发现开辟了一个名为人类动力学的新领域。介绍该领域的一些基本概念并总结目前已知的实证分析结果。     

在线电影点播中的人类动力学模式

对人类行为的定量分析是理解很多社会经济复杂系统的基础.基于一个在线电影共享的大型数据库,给出了两次观看电影间隔时间分布的系统实证研究.研究发现在群体水平上,间隔时间分布可以用幂律函数近似刻画,并且,其幂指数和对应人群观看电影的活跃程度之间存在单调的关系.在个体层次上,观察到了具有胖尾特征的分布,以及分布宽度和活跃程度之间的负相关性.这些发现暗示了活跃程度在决定人类行为模式时的重要地位.活跃程度和幂指数之间的单调关系可能是一大类兴趣驱动模型的共同特征,这与以前在任务驱动系统中观察到的普适类有本质上的区别.     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

人类通信模式的幂律分布和Zipf定律

通信是一类重要的人类行为,通过对中国名人的书信时间进行统计分析,建立写信间隔时间所服从的漂移幂律分布模型,确定了漂移幂律分布和齐普夫定律的参数.揭示出幂律特性在人类社会行为中的普适性,指出幂指数的不同和名人所处的社会环境有关.     

基于BA-BSO交互机制的自适应群体共识模型

多准则群体决策环境下,决策个体间存在复杂交互关系,由经验阈值引导的共识过程难以规避非合作行为对共识的扰动,导致群体决策结果的一致性与稳健性较差.本文聚焦于群体共识实现过程中交互网络结构,共识驱动要素和偏好交互模型等三个核心内容,提出了基于BA-BSO交互机制的自适应群体共识模型.鉴于交互关系分布的不平衡性,本文设计了BA无标度交互网络模型,实现对非合作者的动态识别及其交互关系的自适应管理.其次,结合个体贴近度和共识成本设计了满足超模博弈条件的个体交互效用,以引导个体偏好的收敛与群体共识的自发涌现.在偏好交互过程中,本文基于BSO优化算法和“多数原则”设计了偏好交互模型以及最优方案选择规则,既反映了个体与相近观点交互的倾向,又规避了非合作者观点的过度影响,改善了群体决策结果的一致性与稳健性.最后,算例分析与对比分析说明了本文方法的有效性与优越性.     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。     

一种基于小波网络模型参考自适应控制系统的设计与应用

根据神经网络内模控制的思想,提出了一种基于小波网络的模型参考自适应控制方法。该方法选用两个小波神经网络,分别作为系统模型的辨识器和控制器。此外,为了减小系统误差,在控制器和辨识器之间加入一个小波神经网络,作为非线性自适应滤波器。仿真结果和应用实例表明了该方法的有效性和合理性。     

采用Adaline神经网络实现增益自适应内模控制

引入1／1Pade逼近处理纯滞后环节，利用二步法设计内模控制器，运用单层Adaline神经网络参数辨识算法得到被控对象的稳态增益，并用于内模控制算法中，以此来自动调整被控对象模型增益，实现增益自适应控制。大量仿真实验表明此控制方法能克服系统增益变化对控制品质的影响，具有鲁棒性好，抗干扰能力强，控制精度高等特点。