激励未知系统模态参数识别研究

研究了输入未知时，根据系统运行实测响应数据识别系统结构，采用迭代逆滤波算法，用高阶ＡＲ模型对输入信号进行估计，以便最终识别系统；在模型识别中采用了正交子空间法，这一方法将正交化引入时间序列，从而实现系统阶次的自动估计及模型识别．针对基本算法的冗余计算提出了改进算法。实验结果表明，本方法对未知输入系统识别良好，具有现实可行性。     

激励末知系统模态参数识别研究

研究了输入未知时，根据系统运行实测响应数据识别系统结构，采用迭代逆滤波算法，用高阶ＡＲ模型对输入信号进行估计，以便最终系统；在模型识别中采用了正交子空间法，这一方法将正交化引入时间序列，从而实现系统阶次的自动估计及模型识别，针对基本算法的冗余计算提出了改进算法，实验结果表明，本方法对未知输入系统识别良好，具有现实可行性。     

基于规则嵌入赋色Petri网模型的柔性装配系统仿真

针对柔性装配系统复杂的并行作业特点，提出了规则嵌入赋色Petri(RCP)网模型．给出RCP的定义，利用面向对象的语言实现了网的静态描述以及动态运行，在此基础上得到了相关的系统参数，柔性仿真系统以模块化结构实现．以上海科技馆的机器人柔性装配系统为例，给出了它的RCP仿真模型，求出了某作业初始序列下的系统参数，并得到了该作业的最短完成时间的优化序列．     

考虑能源分区平衡的电源规划模型

提出考虑能源分区平衡的电源规划模型．模型的基本思路是，满足系统负荷、系统安全运行要求，计及能源分区平衡、各类电站有关约束，将系统中现有的、指令性兴建的、退役的、待选的火电、水电、抽水蓄能、核电等作为一个整体，在整个时间序列上动态优化，确定在规划期内整个时间序列上最优的电站建设顺序和规模．应用本模型对实际电力系统进行规划研究，所得结果均是合理的     

裂隙—岩溶含水系统非线性随机模型的应用

以湖北省阳新县鸡笼山铜金矿区裂隙－岩溶含水系统为例，应用时间序列分析方法，分析矿坑涌水量时间序列的水文特性，揭示了时间序列的形成机制和内在规律，建立了适用于该含水系统矿坑涌水量时间序列的开环门限自回归模型，并应用于该矿区矿坑涌水量的预测。     

裂隙－岩溶含水系统非线性随机模型的应用

以湖北省阳新县鸡笼山铜金矿区裂隙－岩溶含水系统为例，应用时间序列分析方法，分析矿坑涌水量时间序列的水文特性，揭示了时间序列的形成机制和内在规律，建立了适用于该舍水系统矿坑涌水量时间序列的开环门限自回归模型，并应用于该矿区矿坑涌水量的预测．     

高层建筑物沉降监测数据综合分析的几种方法

目的探求桩基基础与灰土地基基础高层建筑物沉降监测数据分析的较优方法。方法应用线性回归模型、时间序列模型、灰色系统模型对桩基基础与灰土地基基础的高层建筑物沉降实测数据进行分析。结果3种方法对桩基基础高层建筑物的数据分析均取得了良好效果,而对灰土地基基础高层建筑物沉降监测数据分析中,时间系列模型要优于线性回归模型、灰色系统模型。结论桩基基础高层建筑物的监测数据分析可以采用线性回归模型、时间序列模型、灰色系统模型,而灰土地基基础高层建筑物监测数据分析更适合选用时间序列模型。     

基于分位数因子模型的高维时间序列因果关系分析

从观察数据中发现变量之间的因果关系是许多科学研究领域的关键问题，传统Granger因果模型受到维度灾难的影响，难以准确地在高维时间序列中发现因果关系.提出一种基于分位数因子模型的Granger因果分析新方法 QFMCGC用于高维时间序列因果关系的判定.首先，QFM-CGC采用赤池信息量准则进行模型选择，避免人为干预设置滞后阶数的操作；然后，对向量自回归（Vector Autoregressive,VAR）模型中的条件变量建立分位数因子模型进行降维，减少VAR模型中的待估计系数，对降维后的VAR模型重新进行条件Granger因果分析；最后，使用蒙特卡洛模拟评估不同方法识别底层系统与观测时间序列的连通性结构的能力.在不同维度变量的线性仿真系统和两组现实数据集上与基准方法和经典方法进行了比较，实验结果验证了该方法的有效性.     

基于时间序列分析的应用服务器性能衰退模型

针对JUFrame应用服务器老化情况，设计了多种类型的客户请求程序和服务器端程序，记录了各种参数共计5类36个．对影响应用服务器中间件性能的主要指标“内存利用率”，采用时间序列分析方法建模，经采样数据的统计分析得出了自相关函数明显拖尾、偏自相关函数明显截尾的结果．模型的仿真结果表明，预测值与原始数据拟合良好，且可作为系统再生的依据，它适用于预测实际的运行系统．与其他软件老化预测方法比较，所提模型更切合系统的实际运行状况，有利于提高系统的可用率．     

金融时间序列动态系统的混沌识别

金融系统的运行及其外在表现主要是由金融变量的时间序列数据来记录和反映的 本文给出了金融时间序列数据动态系统混沌识别的方法 ,并对我国上海股市收益率序列实行涨跌停板制度前后期的混沌特性进行了实际定量分析     

关于时间序列预测法的探讨

时间序列预测法是一种根据动态数据揭示系统动态结构和规律的统计方法.本文给出了时间序列模型的模式识别和实现方法,建立了能够比较精确地反映时间序列中所包含的动态依存关系的数学模型,具有一定的自适应性,能更好地预测实际问题.     

连续加热炉运行状态非线性融合分析

利用加热炉测控系统取得的实时测量数据和炉内钢坯温度预报模型，通过网络信息融合方法，对连续加热炉的运行工况进行综合分析，其分析结果对在优化加热炉运行参数具有重要参考作用，此分析方法对类似的设备和生产线有较普遍的参考价值。     

司机-起重机-轨道系统动力学建模与分析

针对轨道缺陷下起重机运行过程中结构振动特性、司机舒适性等问题,提出基于司机-起重机-轨道系统动力学模型。根据拉格朗日方程建立司机-起重机-轨道系统振动微分方程,并通过精细积分法(PTSIM)求解系统振动时域响应。以100/40 t-28.5 m铸造起重机为例,分析了大车运行速度和轨道缺陷对起重机和司机振动的影响。提出的模型和方法为起重机设计、分析和人体各部位动态响应提供理论依据与参数基础。     

欧亚商都购物人次时间序列预测模型

时间序列分析是一种根据动态数据揭示系统动态结构和规律的统计方法,文中采用1998~2002年的数据,应用时间序列分析中的ARIMA模型对欧亚商都2003~2004年的季节购物人次进行了预测,实际计算过程由Eviews软件的自回归移动平均模型ARIMA过程实现,结果与实际数据基本相符,本模型所取参数对欧亚商都购物人次的短期预测是行之有效的。     

应用时间序列分析法模拟地下水资源系统

本文阐述了应用时间序列分析法模拟地下水资源系统的基本概念、原理和步骤,并列举了应用此法建立木里图地区地下水资源系统管理模型的实例.实例研究表明,应用时间序列分析法模拟地下水资源系统,进行地下水资源评价和系统管理简单、易行、省时、省力.对水文地质查勘和试验研究欠缺,含水层参数资料不足.但又积累有一定数量水文气象、开采量和地下水动态资料的地区尤为适宜.     

灰主成分分析研究及其应用

针对主成分分析方法对于具有时间序列数据的处理存在的不足,根据灰系统中数据具有时间序列的特性,将灰色系统思想与经典主成分分析相结合,提出一种新的模型,即灰主成分分析。时间序列分析不仅可以从数量上揭示某一现象的发展变化规律,还可从动态的角度刻画某一现象与其他现象之间的内在数量关系及其变化规律。灰色系统理论通过序列的生成和开发,致力于现实规律的探讨,而数理统计则致力于统计历史规律的研究。将两种方法的优点结合到一起,用于解决时间序列问题,并利用面向对象程序设计的方法进行了系统实现。将该方法应用到我国国债风险指标的综合评价中,突出了新的时间序列数据对整个数据的影响性,分析结果能够为决策者提供有价值的决策依据。实验结果表明,采用灰主成分分析的效果更优越,能较真实地反映出时间对于样本数据的影响。     

使用AVL数据的公交到站时间CEEMD-LSTM预测模型

准确的公交到站时间预测具有重要意义，但现实公交运行受突发路况影响，运行速度具有非平稳性，本文结合时序特征处理技术和深度学习，建立一种使用AVL数据预测公交到站时间的互补集合经验模态分解-长短期记忆神经网络模型。模型收集公交自动车辆定位数据，经预处理后引入互补集合经验模态分解平稳化公交运行速度，再借助Adam参数寻优后的长短期记忆神经网络对福州市303路公交某日早高峰公交到站时间进行预测。结果表明：优化的公交到站时间预测模型平均绝对误差比单一模型低了1.69min，预测精度高于长短期记忆神经网络模型和经验模态分解的到站时间预测模型，可有效地为安装车载自动车辆定位系统的公交线路预测公交到站时间提供参考。     

犯罪时间序列的混沌特征分析与短期预测

现有犯罪时间序列预测方法侧重于捕捉序列自相关性来构建预测模型,但缺少对犯罪时间序列所反映的社会治安系统非线性和复杂性特征的考虑。 针对这一不足,提出了一种基于混沌分析的长短期记忆(long short-term memory, LSTM)LSTM 预测方法(Chaos-LSTM)。 首先将犯罪时间序列进行相空间重构得到其重构参数以及高维特征,然后计算犯罪时间序列的 Lyapunov 指数判断其混沌特性,最后对符合混沌特征的犯罪时间序列利用重构参数进行序列重建,输入 LSTM 模型进行时序预测。 以北方某特大城市 2007—2014 年的抢劫、入室盗窃、抢夺、诈骗类犯罪的日序列数据进行了实验验证,结果表明:4类案件的时序数据均表现出明显的混沌特征。 Chaos-LSTM 模型在预测精度上较 LSTM 模型有明显提升,平均绝对百分误差(mean absolute percentage error, MAPE)提 升 度 最 高 可 达 19. 7% ,百 分 比 均 方 根 误 差 (percentage root mean square error,PRMSE)提升度最高为 4. 19% ,其中对稀疏性数据序列的提升效果更为明显,显示出该方法对稀疏犯罪时间序列具有更好的适应性。     

基于K均值聚类分析的车辆横向稳定性判定方法

针对既有车辆失稳判定方法存在的不足,开展了车辆横向稳定性关于模式识别的研究,提出了一种基于K均值聚类分析的车辆横向稳定性判别方法.利用CarSim建立整车动力学模型,采用K均值聚类算法对车辆行驶状态数据进行离线聚类分析,得到离线聚类质心及其危险等级.搭建CarSim与Simulink联合仿真平台,计算车辆实时行驶数据点与离线聚类质心之间的欧氏距离,设计了车辆横向稳定性判定指标,对车辆行驶稳定性进行了在线识别.该判定方法充分利用车辆离线数据和实时数据,对车辆行驶状态数据进行数据挖掘.仿真结果表明,该判定方法能够准确实时量化车辆的行驶稳定性,为控制系统的介入时机与程度提供判据.     

MKLasso模型的算法与模型选择

在KLasso模型基础之上,引入多核函数与多核参数重新建立的一种更为广发的非线性的多核KLasso模型（MKLasso模型）,采用基于梯度Boosting的思想的算法进行求解,并依据人类观察事物的一个基本特征,即人眼位于数据空间较近时能够看清细节,较远时只能够看清整体结构的特性设计了一种模型选择策略,通过实际的3个数据集设计6组试验,来验证该算法的有效性。模拟试验结果表明：MKLasso模型的预测能力明显优于KLasso模型,其预测均方误差提高了10倍;该算法运行高效,抗噪声能力强,在参数选择方面又有一定自己的优势,可以直接选择核参数,算法大大降低了调试与运算时间。