MGM(1,n)灰色模型及应用

提出多变量灰色模型（ｍｕｌｔｉ－ｖａｒｉａｂｌｅｇｒｅｙｍｏｄｅｌ）—ＭＧＭ（１，ｎ）模型，它是单变量的ＧＭ（１，１）模型在多变量（ｎ元变量）情况下的自然推广。通过对国有建筑施工企业就业人数和城镇集体建筑施工企业就业人数的建模和预测，表明ＭＧＭ（１，ｎ）模型的精度高于分别单独使用的ＧＭ（１，１）模型的精度.     

基于向量连分式理论的MGM(1,n)模型

分析了多变量灰色模型(multi-vaiiable grey motiel)MGM(1,n)中的背景值构造方法,基于向量连分式理论提出了用有理插值和数值积分中的梯形公式及外推法重构背景值,可以有效地提高模型的模拟精度和预测精度,实例分析结果表明了该方法的有效性和实用性.     

环形相邻2/n(F)可修系统的可靠性分析

研究了由n个部件和一个维修工组成的环形相邻2/n(F)可修系统的可靠性问题。假定每个部件的工作时间和维修时间均服从指数分布,故障部件可以修复如新,但组成系统的部件是马氏相依的。利用广义转移概率的定义和关键部件优先维修的规则,求得了该系统的状态转移概率矩阵。当n已知时,获得了该系统的可靠度等重要可靠性指标。     

基于理想存取结构划分的(2, n)异或视觉密码

针对(2, n)异或视觉密码的完全恢复问题,依据理想存取结构定义,在分析最小授权子集之间特殊的共享份关系基础上,借助图论思想设计了一种存取结构划分算法,并证明了该算法划分得到的理想存取结构数目最少。设计并实现了秘密分享与恢复算法。实验结果表明,提出的(2, n)异或视觉密码方案可以实现秘密图像的完全恢复,且与现有方案相比,像素扩展度达到最优。     

基于马尔可夫过程的k/n(G)系统共因失效分析

利用马尔可夫过程研究了发生共因失效的k/n(G)系统可靠度计算方法。建立了共因失效时部件全部失效和共因失效时多个部件失效这两种情况下,不可修系统和可修系统的马尔可夫模型。分析了系统部分部件属于共因失效组的可靠度计算方法。利用算例验证了所建立的模型的有效性,结果显示,所建立的马尔可夫模型适用范围广,计算方便。     

失效信息已知时r/n(G)表决系统的剩余寿命预测

剩余寿命预测在可靠性工程中十分重要。而r/n(G)表决系统由于结构复杂, 对于其剩余寿命研究相对较少。本文假定部件寿命服从指数-威布尔分布, 在部件失效信息已知的情况下, 推导得到了表决系统剩余寿命期望的解析式, 也分别给出了失效信息未知和部件寿命服从威布尔分布这两种特殊情况下的解析式。仿真实验证明了所提方法的准确性和有效性, 也表明忽略部件失效信息对系统的剩余寿命进行预测, 所得结果偏差很大。     

c个修理工同步多重休假的k/n(G)表决可修系统

本文首次将"多个修理工同步多重休假"规则引入到c个修理工的k/n(G)表决可修系统中,在假设部件的工作寿命、故障后的修理时间和修理工的休假时间 分别服从参数λ(>0)、μ(>0)和θ(>0)的负指数分布下,利用拟生灭过程 和矩阵几何解方法,讨论了在稳态下系统处于各状态的概率分布,以及一些刻画系统性能的可靠性指标 和排队指标,如系统的稳态可用度、稳态故障频度和故障部件的等待修理时间等,并且讨论了四种特殊情况: 1) c=1,θ→+∞; 2) c=1,k=1,θ→+∞; 3) c=1,k=n,θ→+∞; 4) c=1,k=n-1,θ→+∞.最后给出了在c=2,n=6,k=3,λ=1/10,μ=1/5,θ=1/2的数值计算例子.     

基于库存水平的ARMA(1 ,1) 需求条件下目标库存水平优化方法

为降低企业库存成本,考虑ARMA(1,1)过程且受到库存水平影响的需求情形,建立定期库存策略的目标库存水平优化模型,提出该模型的求解算法,最后结合数例验证模型的实用性和可操作性,并分析需求自相关程度和需求对库存水平的依赖度、进货提前期等因素对目标库存量的影响,得出:目标库存量随进货提前期和需求自相关程度的提高而上升,若需求自相关程度越大,目标库存量提高得越快;若需求与库存量之间呈现多项式函数关系,目标库存量随需求对库存的依赖度提高而上升,且上升速度逐渐加快;若需求与库存量之间呈指数函数关系,目标库存水平随需求对库存的依赖度提高而基本不变.当需求对库存的依赖度较小时,目标库存水平呈现很小的下降趋势,反之,基本不变.     

GM(1,N)模型的离散化结构解

针对灰色系统GM(1,N)模型是以差分方程为基础进行参数估计的,而其时间响应函数却是由微分方程的解得到的。从差分方程到微分方程的跨越,缺乏充分的科学基础和理论依据。通过对灰色系统模型建模机理进行深入剖析,利用采样定理和状态转移矩阵在差分方程和微分方程之间架起一座桥梁,通过算例仿真实验证明了该算法的有效性。     

多变量非等间距GM(1,m)模型及其应用

对于多变量非等间距数据序列,建立了一类GM(1,m)预测模型。基于灰色模型的指数特性和积分定义,提出了构造多变量非等间距序列的GM(1,m)模型背景值的方法。该方法可以提高GM(1,m)模型的拟合精度和预测精度,拓广了灰色模型的应用范围。应用该方法,建立了中国农村青少年生长水平的灰色预测模型,结果理想可靠,有较好的实际意义。     

灰色模型GM(1,n)的变量选择及拟合度分析

根据灰色关联度,探讨了ＧＭ（１, ｎ ）拟合度与变量选择的关系．应用实例,说明了变量选择在灰色建模过程中的必要性．     

优化的GM(1,1)模型及其在农村劳动力转移预测中的应用

GM(1,1)预测模型一直是灰色系统理论研究者关注的热点。在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化函数的时间响应函数中的常数C,摈弃了传统GM(1,1)把原始序列中X(0)(1)作为初始条件的做法,从而构建了GM(1,1)的优化模型。最后,以河南省农村劳动力转移预测为例,进行两类预测模型的模拟精度比较,并进行了预测。表1,参7。     

基于改进1DCNN+TCN的雷达辐射源快速识别方法

为了解决传统雷达辐射源识别方式识别速度慢、在低信噪比时很难准确识别等问题,结合深度学习提出了一种基于改进一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)和时间卷积网络(temporal convolutional network,TCN)的雷达辐射...