基于神经网络和Markov链的交通流实时滚动预测

将神经网络与Markov链理论应用于随机波动的交通流预测,提出一种交通流实时滚动预测方法TDFNM。该方法采用BP网络构建交通流基准预测曲线,使用SOM网络划分残差的Markov链状态,计算各状态加权中心及状态转移概率矩阵,以此预测未来状态,并以加权中点修正计算得到精度较高的预测值,同时实现实时滚动预测。采用方法TDFNM对实测交通流量进行仿真实验,结果表明,该方法比常规BP网络具有更高的准确性,而且具有较强的适应性。     

具有饱和执行器跳变系统的鲁棒模型预测控制

针对一类具有饱和执行器的不确定离散Markov跳变系统,提出鲁棒模型预测控制器设计方法。为便于工程应用,考虑被控跳变系统各模态下的动态系统参数以及各模态间的跳变转移模态均存在不确定性的情形,这些不确定性均以凸多面体的形式给出。预测控制器的求解通过在每一个采样时刻优化无穷时域的最坏二次性能指标实现,该预测控制序列在每个采样时刻表现为具有饱和特性的状态反馈控制律,从而使得所形成的闭环系统鲁棒均方稳定。为方便求解,将控制器的求解转化为以线性矩阵不等式形式给出的正半定规划(SDP)问题。数值示例验证了所提方法的有效性。     

基于Markov链互模拟的航天器发射任务可靠度模型

状态空间复杂、多过程并发执行和子过程反复迭代的特点, 使航天器发射工程实施全过程的任务可靠性评估难以量化. 通过构建多个并发执行的时间连续的Markov链对航天器发射工程状态转移约束关系进行描述, 采用互模拟时间等价关系简化航天器发射工程实施过程的状态空间, 利用连续时间Markov链的概率转移特性进行建模与分析, 得到了全系统、全过程的航天器发射任务可靠度模型. 数值验证表明该模型可用于航天器发射任务工期推演、可靠度评估以及薄弱环节分析.     

Markov跳变系统的单步约束预测控制

针对离散Markov跳变系统,研究带输出约束的单步预测控制问题。首先设计基于模态的单步预测控制器,驱动系统状态到达相应的终端不变集内,以此保证约束预测控制系统的稳定性,接着进一步讨论了系统存在峰值有界噪声输入情形。其中终端不变集是通过在预测时域外寻求一个虚拟的带约束的状态反馈控制器以保证系统的随机稳定性来获得,为计算方便,控制器的优化问题转化为SDP问题,并得到以LMI描述的优化问题。最后对Markov跳变系统描述的经济学动力系统的仿真结果说明了本控制器设计方法能够在峰值有界噪声输入下保证系统的稳定性,并且使控制变量满足给定的约束条件。     

基于GSPN的供应链产品成套性建模与分析

针对供应链产品成套性评价的相关理论比较匮乏,结合Petri网可视化建模工具可以直观描述供应链系统的优点,提出了基于广义随机Petri网(GSPN)的供应链产品成套性建模和仿真方法。利用GSPN与Markov链的同构关系,计算供应链系统的稳态概率和各库所的忙闲程度,以确定系统模型的性能指标,通过实证分析验证了该方法的有效性,丰富了供应链产品成套性评价方法的理论。     

协调质量的云模型评价方法

协调系统的协调状态复杂多变,具有不确定性,目前尚缺少评价协调质量的有效方法.为此,采用云模型,通过对定性的协调状态语言描述进行定量不确定转换,建立了系统的协调质量基准模型和协调状态模型,反映了协调状态的改变对协调质量的影响,在此基础上提出了协调质量的云模型评价方法,解决了协调系统的协调质量评价问题.仿真结果表明,云模型评价方法能有效地评价系统的协调质量.     

具有受限转移率的跳变系统L2-L∞模糊控制

讨论了一类含不确定转移率的非线性Markov跳变系统的L2-L∞模糊控制问题。系统模态间转移概率所包含的不确定性是未知且有界的。通过Takagi Sugeno模型模糊建模，获取了整个闭环模糊动态方程。基于L2-L∞模糊控制理论，提出了使得系统随机稳定且满足一定输入输出L2-L∞特性的模态依赖的模糊控制器存在条件。利用构造的Lyapunov Krasovskii函数，结合线性矩阵不等式技术，给出了鲁棒L2-L∞模糊控制器的设计方法，并将其设计转化为一个优化问题。仿真示例说明了设计方法的有效性。     

具有输入约束的模糊Markov跳变系统H∞控制

针对由Takagi-Sugeno模糊模型描述的非线性Markov跳变系统,讨论其在控制输入受约束情况下的H∞控制问题。基于不变集理论,通过模态依赖的椭圆状态集合,实现对控制输入的范数约束,并提出使得模糊跳变系统随机稳定且满足一定输入输出H∞增益的模态依赖的控制器存在条件。结合线性矩阵不等式变换,给出状态反馈最优H∞控制器的设计方法,仿真示例说明了设计方法的有效性。     

空基无源相干定位系统的机动目标跟踪算法

针对空基无源相干定位系统中外辐射源状态不确定性对机动目标跟踪精度的影响, 提出了一种基于多模型预测的双变量容积卡尔曼滤波算法。首先建立了机动目标跟踪的系统模型, 并确定了多模型集。然后基于多模型思想, 将模型交互步骤增加到状态预测步骤之后, 对状态预测值进行交互融合, 得到最优的状态预测值。为解决固定的马尔可夫转移概率导致系统跟踪性能下降的问题, 采用“感知记忆”嵌入的时变转移概率, 降低不匹配模型的竞争影响; 最后利用双变量容积卡尔曼滤波算法同时对目标和外辐射源进行状态估计。仿真对比实验验证了算法的有效性。     

连续Markov跳变奇异系统的稳定性分析与镇定

研究了一类连续Markov跳变奇异系统的稳定性与镇定控制,得到了保证连续Markov跳变奇异系统正则、无脉冲、随机稳定的充分性条件,并设计了相应的镇定控制器。与已有文献中的结论相比,文中研究系统的模式跳变转移概率可以是部分未知的,所得条件以严格线性矩阵不等式的形式给出,具有更小的保守性。仿真实例验证了文中结论的正确性。     

Grey Markov chain and its application in drift prediction model of FOGs

1.INTRODUCTION Sincetheinterferometricfiberopticalgyroscope(FOG)wasfirstproposedbyAmericanUtahUniver sityin1976,ithasbeenattractingalotofscientific andtechnicalinterestsinsteadofthespinningwheel mechanicalgyroforitcanprovideuniqueadvantages.Withtheextensionofresearch,peoplehavebecome acquaintedwithnoisesandbiasdrifts,whichinduce non negligibleerrorsintheoutputofFOGs.The hugeeffortsontechnique,whichweredevotedtothe developmentoflow noiseandlow driftFOGsmainly basedonmaterials,machining…     

一种基于证据理论的战时备件需求预测方法

为解决战时备件需求预测缺乏数据的问题,提出一种基于证据理论的战时备件需求预测方法。构建马尔可夫链模型,从备件需求历史数据中挖掘平时备件需求规律;进而设计一种基于战斗强度变化的战时备件需求马尔可夫链转移概率调整策略,用于模拟战时备件需求规律;最后结合专家经验,综合利用模糊理论和证据理论实现对战时备件需求的预测。仿真算例表明,该方法能够有效实现战时备件需求的预测。     

基于有序样品聚类的集对权马尔可夫链年降水量预测模型

本文尝试将有序样品聚类、集对分析和马尔可夫链三种方法相结合,对传统的加权马尔可夫链预测方法进行了多方面改进,建立了基于有序样品聚类的集对权马尔可夫链年降水量预测模型,并将其应用于吉林省白城地区白城站2008-2010年年降水量的预测.将预测结果与实测值进行对比分析,可以发现:与传统方法相比,改进方法可以使降水量等级区间的划分更加合理,并增加了预测概率的集中程度,有效提高了预测精度.实测值均位于预测区间内,表明该方法具有较高实际应用价值.作为降水量预测模型的改进尝试,其预测效果令人满意.     

基于改进PSO-BP算法的冷负荷预测模型

针对PSO-BP(Particle Swarm Optimization-Back Propagation)神经网络预测模型在冰蓄冷空调冷负荷预测中存在输入输出数据关联度低和预测模型存在误差的情况,提出了一种基于JMP数据处理软件、PSO-BP神经网络和马尔可夫链的组合预测方法.利用JMP处理输入数据,剔除耦合度低的样...     

基于灰色马尔可夫SCGM(1 ,1) C 模型的空难人数预测

空难事故预测是航空安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测和马尔可夫链理论的优点,提出了一种灰色马尔可夫SCGM(1,1)C模型.用单因子系统云灰色SCGM(1,1)C模型拟合系统的发展变化趋势,并以此为基础进行了马尔可夫预测.对1979~2003年全球空难人数进行了预测分析,结果表明该模型既能揭示了空难人数变化的总体趋势,又能克服了随机波动性数据对预测精度的影响,具有较强的工程实用性.     

虚拟生态环境中的植物生长预报系统初探

植物生长的早期预报在农林业生产和植物栽培业的决策和管理中有着重要的意义。由于生态因素的不确定性,使植物生长的早期预报工作成为了人们不断探索的课题。本文研究了生态因子的变化对植物能量生长过程的影响方式,提出了利用生命能量系统动力学模型对不同生态条件下植物生长仿真的策略和目标函数。根据已往的生态因子组合关系归纳出植物生长的几种典型的生态环境,通过Markov过程虚拟了这些生态环境演变的时间序列。并根据植物生长的实验数据,建立了此环境下的植物生长预报模型,从而模拟植物可能的生长状态,估算生长过程中产量分布的置信区间和各种生长状态的概率。     

灰色正交化方法在用电量预测中的仿真研究

根据灰色正交化方法和马尔可夫链原理,应用Gauss-Chebyshev正交化思想预测时序数据的总体趋势。预测的精度是时变的,而马尔可夫链原理在处理时变的系统过程时具有较好的优势,选用该方法能更好的解决预测结果的不稳定性。基于此,提出一种用于用电量数据预测的灰色马尔可夫正交化模型,适用于中短期、数据需求量少且数据振幅较大的动态过程预测。最后用提出的方法对江苏省2007年工业用电量进行预测,其结果表明了所提方法的有效性。

Abstract：

The general trend of time series data was predicted with Gauss-Chebyshev orthogonalization theory according to the grey orthogonalization method and the Markov Chain theory.The prediction accuracy is time-varying.However,this approach will better solve the problem of unstable prediction result since Markov chain theory has greater advantages in handling time-varying system process.Based on this,the Markov grey orthogonalization model prediction was proposed for electricity consumption.It is suitable for dynamic process prediction in medium and short term with less data demand and large data fluctuations.Finally,the proposed approach was used to forecast the industrial electricity consumption of Jiangsu Province in 2007,and the results show the effectiveness of this approach.     

利用贝叶斯模型进行热参数估计

对利用Bayesian模型分析热传导反问题中的导热系数预测问题的方法进行了研究。导热系数反问题的解是其后验概率密度的数学期望,用MarkovchainMonteCarlo算法计算后验状态空间以得到未知导热系数的统计估计。方法中取导热系数的先验分布满足正态分布,似然函数中的温度数据满足稳态零均值白噪声,先验分布与似然函数相乘得到后验概率密度函数。采用Metropolis-Hasting算法进行数据采样构造Markovchain,并截取收敛后的样本进行分析。