基于区间云模型的非完备空战决策效能评估

为解决评估过程中评估指标体系权重分配不合理和空战数据不确定的问题,提出基于博弈论和区间云模型进行非完备空战决策效能评估的研究方法。针对空战攻防决策,构建评估指标体系,基于博弈论合理调整主客观权重获得指标的综合权重值。然后,对评估中出现的随机性和模糊性问题,研究区间云模型方法,通过区间云发生器确定非完备空战决策效能优劣。最后,通过仿真验证了所提方法的可行性和有效性,为解决非完备信息下的空战决策效能评估问题提供了技术支撑。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

基于小生境遗传算法优化串级神经网络的台区理论线损预测

台区作为电力系统的最末端部分,节点数目多、网络架构复杂,导致不易精确计算其理论线损问题。在海量实际低压台区运行历史数据的基础上,首先研究影响台区线损的相关因子,建立台区线损特征指标集合。然后利用皮尔逊相关系数分析方法从中提取出高损关键特征指标作为线损预测模型输入。再融合集成学习和梯度提升树思想,建立基于串级BP(back propogatiow)神经网络的台区线损预测模型,并采用小生境遗传算法对预测模型的初始参数进行优化从而提高模型训练效率。最后通过实际数据算例仿真,并与其他预测方法结果进行比较,验证所提台区线损预测模型具有优秀的训练效率和预测泛化能力。     

基于遗传优化的BP神经网络水泥强度预测

为了提高BP神经网络预测模型对水泥强度值的预测精度,通过结合BP神经网络与遗传算法各自的优势,提出一种采用遗传算法优化的BP神经网络的水泥强度预测算法.利用遗传算法具有的全局优化搜索能力优化BP神经网络的各层节点连接权值与阈值,训练BP神经网络预测模型以求得最优解,并将训练以外的样本数据用于模型的有效性验证.仿真结果表明,该算法对水泥强度值预测具有较高的预测精度,同时可缩短网络收敛时间.     

迎头抢攻飞行轨迹数学建模及评估

为提升飞行员空战对抗训练水平,提出了对迎头抢攻空战训练建模评估.通过对迎头抢攻空战战术基本过程进行分解,建立了迎头抢攻空战战术飞行轨迹数学模型,确定了迎头抢攻空战战术的理想飞行轨迹.利用灰色关联度分析,根据实际轨迹与理想轨迹相似性,对迎头抢攻空战战术飞行轨迹进行评估.结合迎头抢攻战术在关键时刻对飞机轨迹的特定要求,综合得到飞行轨迹评估结果.案例验证该方法符合实际,可以有效反映航空兵空战训练对飞行轨迹的战术要求.     

遗传算法优化的神经网络预测团雾

针对国内外研究中现有团雾预测方式中出现的不足,建立了基于遗传算法优化的神经网络预测模型,用以对高速公路团雾的发生进行预测.在利用遗传算法得到BP神经网络的初始权值和阈值基础上,通过神经网络对输入的历史团雾气象数据进行学习训练,建立团雾预测模型.经优化的神经网络模型避免了由于神经网络初始权值、阈值难以确定所造成的网络震荡问题,以及神经网络计算过程中易陷入局部解的问题.实验结果表明,优化后的团雾预测模型具有较高的预测精度,为高速公路团雾的预测提供了新的方法与思路.     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

基于云模型的闭环空战决策评估

为解决针对空战决策展开评估过程中出现的复杂性和不确定性问题,构建了面向空战决策的评估指标集 并提出以一种基于云模型的云重心法和一致性赋权法相结合的闭环评估法。该方案首先对基础数据进行归一 化处理,并建立相对应的空战决策云模型,再根据指标相似性和一致性构建指标集权重,最后选取合适阈值判 断评估有效性完成评估方案的闭环反馈。仿真实例表明,该方案确保了评估的准确性和有效性,避免了传统方 法出现的随机性问题,真实反映了空战中决策的好坏。     

遗传神经网络能耗预测模型在钢铁企业中的应用

为改善BP网络训练速度慢,易收敛于局部极小点及全局搜索能力弱等固有缺陷,采用遗传算法优化神经网络的初始权值和阈值,以通化钢铁公司炼铁厂为研究对象,建立了基于遗传算法的人工神经网络能耗预测模型。用MATLAB编写计算程序进行测试,并与纯BP算法进行分析比较,结果表明,文中所提出的方法在预测精度和收敛速度方面均得到了改进。     

遗传算法优化BP神经网络的泊车位数量预测

为了提高停车场空余泊车位短时预测的精度,利用遗传算法优化BP(back propagation)神经网络的权值和阈值,建立了基于GABP(genetic algorithm back propagation)神经网络的有效泊车位数量的预测模型,并对该预测模型进行训练,最终得到最优解。实验结果表明,该方法对泊车位数量预测具有更高的预测精度,且非线性拟合能力显著。     

多无人机分布式协同动态目标分配方法

在以"网络为中心"的作战模式下,以电子干扰无人机和UCAV编队协同作战为研究对象。针对多无人机协同作战的动态目标分配问题,建立基于导弹攻击区分析的威胁估计模型,综合考虑电子干扰效果建立目标分配模型,提出一种基于分布式拍卖机制的目标分配算法。针对不同的作战想定进行仿真计算,结果表明:算法能在规定的时间约束内给出接近理想化效果的目标分配方案,且所提算法与现有几种算法相比在可靠性、实时性上都有明显提高。     

基于BP神经网络的隧道下穿既有运营地铁线注浆施工参数预测——以广州地铁18号线隧道注浆工程为例

新建隧道下穿既有运营地铁线施工过程中极易对既有运营地铁线产生不利影响,而广泛采用的超前预注浆尚处于以经验性选取注浆施工参数的阶段,导致工程事故频发。为此,首先以开挖段地层物性参数、地层位移变化值作为输入层,注浆施工参数为输出层,构建了基于BP(back propagation)神经网络的注浆施工参数预测模型;其次,以MAPE(mean absolute percentage error)作为预测精度评价指标,采取试算法对BP神经模型参数(隐含层节点数目、学习率)进行了探讨;最后,将提出的BP神经网络用于指导工程实践。研究结果表明：当BP神经网络预测模型隐含层节点数为9、学习率为0.01、训练次数为20 000以及精度目标值为1×10^-4时,模型适用性评价显示预测值与监测值之间最大相对误差为19,平均相对误差均低于13,说明提出的BP神经网络预测模型可行;进一步的工程应用结果表明：采用预测的注浆施工参数进行注浆后掌子面稳定、开挖过程中未发生隧道塌方等事故,满足相关规范要求。研究成果也可在隧道下穿其他结构或建筑物灾害防控注浆工程中得到推广应用。     

基于LSTM-PPO算法的无人作战飞机近距空战机动决策

近距空战中环境复杂、格斗态势高速变化,基于对策理论的方法因数据迭代量大而不能满足实时性要求,基于数据驱动的方法存在训练时间长、执行效率低的问题。对此,提出了一种基于深度强化学习算法的UCAV近距空战机动决策方法。首先,在UCAV三自由度模型的基础上构建飞行驱动模块,形成状态转移更新机制;然后在近端策略优化算法的基础上加入Ornstein-Uhlenbeck随机噪声以提高UCAV对未知状态空间的探索能力,结合长短时记忆网络（LSTM）增强对序列样本数据的学习能力,提升算法的训练效率和效果。最后通过设计3组近距空战仿真实验,并与PPO算法作性能对比,验证所提方法的有效性和优越性。     

基于多属性决策的PCAS-SNIF关键节点分析

预先计划的近距空中支援(PCAS)是一种典型的空军进攻作战样式,研究PCAS信息流转过程对于提高PCAS的作战效能具有重要意义.针对PCAS作战过程难以建模分析的问题,引入超网络理论,通过研究PCAS作战的基本流程以及作战网络中各节点之间的交互关系,构建了"两层五网"的PCAS信息流转超网络模型,然后,仿真分析了PC ...     

基于门控宽度模型的结构监测数据预测

随着信息技术的不断发展,机器学习在结构自动化监测中的应用逐渐增长。数据分析与预测作为结构自动化监测的重要一环,是保障结构安全的关键。针对目前结构监测数据预测方法未充分挖掘数据特征和运算时间冗长的问题,提出一种基于门控宽度模型（gated broad learning system, G-BLS）监测数据预测模型。G-BLS在BLS特征节点增加遗忘门和循环反馈门机制,能够控制特征节点提取相关性高的信息。与深度模型相比,G-BLS模型网络结构简单,在保证预测精度的同时大大减少了模型训练时间。实测的地铁基坑沉降数据测试结果表明,G-BLS可有效实现预测监测数据的可靠性与实时性,是一种精准快速的结构监测数据预测方法。     

海军水中格斗技术训练方法研究

恐怖主义是当今世界政治“瘟疫”，军队是反恐斗争的主要力量。如何提高海军部队履行海上反恐能力的根本途径，是一项全新的训练课题。格斗训练可以直接生成反恐的显性战斗力。文中通过对部队格斗技术训练现状的分析，提出了我海军海上部队水中格斗技术的训练方法，为海军部队有效开展海上反恐训练提供参考。     

饱和醇结构-保留定量相关的人工神经网络模型

以拓扑指数为结构描述符,用基于Levenberg-Marquardt优化的BP神经网络建立了醇类化合物的结构与色谱保留值的相关性模型,用于未知醇类化合物在SE-30和OV-3两根色谱柱上保留指数的同时预测,其学习速率优于文献中普通BP神经网络法,预测准确度与普通BP神经网络法接近,但优于多元线性回归法,因而是一种较好的预测有机化合物气相色谱保留指数的方法.     

神经元网络及其参数训练用于钢丝绳无损检测

针对现阶段钢丝绳无损检测中存在的门限值与概率模型中特征参数的选择问题,提出运用神经元网络技术解决该问题的一个方案.并研究了神经元网络训练参数集的大小对门限值以及概率模型中特征参数准确性的影响,还给出了实验结果.     

基于多模型融合的电力运检命名实体识别

为有效解决构建电力运检知识图谱的关键步骤之一的电力运检命名实体识别问题,通过构建一种基于Stacking多模型融合的隐马尔可夫-条件随机场-双向长短期记忆网络(hidden Markov-conditional random fields-bi-directional long short-term,HCB)模型方法研究了电力运检命名实体识别问题。HCB模型分为两层,第一层使用隐马尔可夫模型(hidden Markov model,HMM)、条件随机场(conditional random fields,CRF)和双向长短期记忆网络(bi-directional long short-term memory,Bi-LSTM)模型进行训练预测,再将预测结果输入第二层的CRF模型进行训练,经过双层模型训练预测得出最后的命名实体。结果表明:在电力运检命名实体识别问题上HCB模型的精确率、召回率及F1值等指标明显优于单模型以及其他的融合模型。可见HCB模型能有效解决电力运检命名实体识别问题。     

一种无人机数据链电磁干扰自适应新方法

针对复杂电磁环境容易对无人机数据链造成干扰,严重威胁无人机的飞行安全的问题,提出了一种基于环境感知的无人机数据链电磁干扰自适应新方法,能够提高无人机的主动抗干扰能力.数据链工作信号动态变化过程中,对应的电磁干扰效应阈值呈非线性变化趋势,通过选取训练样本和观测值,采用相关向量机回归（RVR）的方法建立动态数据链干扰阈值训练模型,预测不同工作信号条件下的电磁干扰阈值.建立无人机数据链电磁干扰自适应专家系统,利用机载电磁干扰环境监测平台确定电磁干扰特征参量,根据训练模型预测目标值,判别数据链电磁干扰等级.在此基础上,综合利用技战术方案,自主有效地消除外界电磁干扰对无人机数据链的影响.