航空人-机复杂系统极值风险评估稳定性分析

针对航空人-机复杂系统极值风险评估中存在不确定性、难于验证的理论问题,建立了综合考虑“物理特性”、“随机性”和“非线性”的驾驶员-飞机系统和故障数学模型,通过大量仿真数据分析样本数量、评估次数以及优化算法选取对评估稳定性的影响。为提高极值分布中样本数据序列的拟合精度,针对综合评估模型提出一种随机自适应进化粒子群算法（random adaptive evolutionary particle swarm optimization,RAE-PSO）算法,实现了收敛速度和拟合精度的提高。提出了提高航空人-机系统风险评估稳定性、降低评估误差的方法步骤,并通过案例验证了方法的有效性。     

基于自适应遗传算法的油田产量灰色预测模型

应用灰色预测建模理论，使用精确差分格式和改进拟合参数的方法，对呈波动变化的数据系列，建立了改进的灰色预测模型,由于拟合参数与误差之间存在着明显的非线性关系，选用自适应遗传算法求取拟合参数最优值，通过对油田产量预测的实例计算表明，改进的灰色模型预测精度明显提高。     

基于Monte Carlo法与GA算法的复杂系统可靠度求解

复杂系统可靠性问题是可靠性工程中丞待解决的问题。提出了基于可靠性框图的复杂系统蒙特.卡罗仿真方法,给出了各种基本可靠性模型系统与其组成单元的失效时间关系,解决了含有旁联模型的复杂系统仿真问题。以可靠性仿真数据为寿命样本,待估计参数的置信区间为编码空间,以经验分布与所求分布误差倒数为适应度函数,建立了基于遗传算法的寿命分布参数点估计模型,求得了复杂系统可靠度函数。最后以两个实例表明该方法比传统方法具有更高的精度。     

基于遗传算法的工具误差分离与弹道折合

制导工具误差分离与折合是导弹精度评定中的重要问题,针对传统主成分方法中主要成分选择上的困难,提出了利用遗传算法确定最佳主成分子集的方法,遗传算法适应度函数综合考虑了模型拟合与预测性能,能够有效避免过拟合问题,使得分离结果的预测能力显著增强。仿真计算表明,与最小二乘和主成分方法相比,遗传算法获得的误差系数估计与真值更加接近,折合得到的全程弹道遥外差更加准确。     

带有惩罚项的多项式样条函数利率期限结构模型实证比较

针对多项式样条函数利率期限结构模型在曲线近端存在过度拟合的问题,首先提出了带惩罚项的自适应半参数回归方法来确定拟合函数的未知参数,同时应用广义交叉验证法确定正则化参数,并利用遗传算法求解惩罚因子的最优值.其次与多项式样条函数利率期限结构模型进行了实证比较.结果表明:所给模型能够提高曲线拟合的平滑度, 但可能降低曲线的拟合精度.     

一种有效的参数估计方法在预缩聚反应中应用

采用改进的遗传算法解决复杂聚合反应模型的参数估计问题.算法采用排序选择、多点交叉和变异优选策略,有效地提高遗传算法的搜索性能,避免了序贯优化方法有可能存在局部极值的问题.根据文献数据,仿真结果表明,该算法在参数估计中,具有参数搜索范围大、收敛速度快和精度高等特点,它能够有效地解决非线性参数估计问题.     

基于遗传算法的Cobb-Douglas模型参数的灰色辨识

运用ＧＭ（０,ｈ＋１）模型方法,同时应用改进的遗传算法,提出了基于遗传算法的Ｃｏｂｂ－Ｄｏｕｇｌａｓ生产函数模型参数的灰色辨识方法,并建立了Ｇｒｅｙ－Ｃｏｂｂ－Ｄｏｕｇｌａｓ生产函数模型。通过实例的拟合检验表明,应用提出的方法是有效的。     

嵌套Logistic模型的矩估计

讨论多元极值分布嵌套 Logistic模型 ,给出了分布参数的矩估计及其渐近协方差阵元素的显式表示和数值结果 .当边缘参数相等时 ,用合并样本估计公共参数 ,可以提高估计量的精度 .     

面向多极值质量特性的全局式序贯性实验设计方法

针对多极值质量特性的全局性建模和参数优化问题, 为降低实验设计样本量, 提高模型预测性能, 提出一种全局式序贯性设计方法. 首先在一定的初始实验设计方式下, 建立过程粗略的SVR模型; 而后根据模型中支持向量的分布, 在支持向量样本各维度的45度角或轴向方向同步地增加实验点, 再拟合过程新的SVR模型; 如此迭代进行, 当模型精度达到要求或样本量达到上限时终止序贯性设计. 仿真与实证研究表明, 该方法能够在可行域全局的范围内将实验点合理地分配在质量特性的多个极值附近, 避免了传统的单路径式序贯性设计只能发现单个极值的不足, 充分提高了实验效率; 与均匀空间网格设计、 拉丁超立方设计和均匀设计相比, 在样本量接近的情况下, 基于全局式序贯性设计的SVR 模型的预测均方误差至少降低了30%; 而在预测误差较为接近的情况下, 全局式序贯性设计的样本量至少降低了12%.     

基于粒子群最小二乘支持向量机的软测量建模

针对最小二乘支持向量机处理大规模样本软测量建模问题时出现模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定的情况,提出了一种改进的算法。利用样本间马氏距离进行样本相似程度分析,去除样本集中部分样本以简化模型结构并提高计算速度,此外应用改进的带扰动项粒子群算法优化模型参数以提高模型的拟合精度和泛化能力。将提出的改进算法用于丙烯腈收率软测量建模,研究结果表明模型精度较高、泛化性能好,满足现场测量要求。     

基于广大极值分布的高频极值条件VaR模型

在考虑当前预期和波动性条件下,为了有效地捕获极端条件下收益率时间序列动态特征,提高VaR的度量精度,建立了基于高频数据的条件极值VaR模型.应用智能优化算法对条件极值分布的时变参数进行估计,考察了在不同样本容量分块下的条件极值VaR,并对VaR计算结果的精度进行了Kupiec-LR检验和动态分位数检验.研究结果表明,基于高频数据的条件极值分布较好地拟合了极端条件下的收益率特征,与McNeil提出的传统条件极值VaR相比,应用高频数据建立在条件广义极值分布基础上的条件极值vaR的Kupiec检验DQ检验值都较为理想,表明该模型能够捕捉到我国市场风险特征,提高极端情况下风险测度能力.     

BRDF的遗传算法和遗传模拟退火算法建模及比较

结合遗传算法和模拟退火算法,构造出具有全局搜索优化特性的遗传模拟退火算法。根据空间目标表面的多组多角度双向反射分布函数（bidirectional reflectance distribution function, BRDF）实验数据和统计模型,获得样片BRDF五参数模型参数值及2D、3D的BRDF分布。比较基本遗传算法和遗传模拟退火算法在迭代次数、计算时间、参数值及精度等之间的差异并分析其原因。遗传模拟退火算法更适用于BRDF的统计建模。     

二维相干信源测向新方法研究

基于广义导向矢量和三个正交均匀直线阵,建立了一种二维信源波达方向估计的阵列数据模型,提出了二维波达方向估计的新方法。在引入广义阵列流形矩阵的基础上,构造了基于范数的代价函数,实现了协方差矩阵的有效拟合,进而可有效估计多个相干信源,同时在理论上分析了该算法的渐进无偏性。在低信噪比和较少阵元数的情况下,通过对测向误差较大的线阵进行校正,可提高测向精度。为了有效地对所提出的测向代价函数进行拟合,联合利用模拟退火和遗传算法的优点,提出了一种可快速多维搜索的随机退火遗传算法。蒙特.卡罗仿真试验证明了此二维相干源测向方法的有效性。     

GM(1,1)模型的背景值构造方法和应用(Ⅰ)

灰色 GM( 1 ,1 )模型对高增长指数序列拟合常常产生滞后误差 ,作者认为 GM( 1 ,1 )模型中背景值构造方法是影响其精度和适应性的关键因素 .从此角度出发 ,对背景值构造方法进行研究 ,重构了一个表达形式简洁、计算简单、适应性极强的背景值计算公式 .新的背景值计算公式的一个显著特点是它使 GM( 1 ,1 )模型具有对建模结果进行优化的能力 ,能获得最佳的拟合和预测精度 .它使 GM( 1 ,1 )模型同时适应于低增长指数序列和高增长指数序列建模 ,它是提高 GM( 1 ,1 )模型精度和适应性的关键技术 .算例结果的精度充分说明了它的有效性 .     

基于极值理论的高频条件VaR动态区间估计模型

为了更加精确地度量在险值的估计精度,基于广义极值理论推导了条件极值VaR的动态区间估计模型,得到了条件极值VaR置信区间解析解的一般形式,对在险值的估计精度进行了实时度量.利用高频数据重点考察了不同置信水平和不同样本容量分块下的条件极值VaR区间估计结果的精度和模型的有效性.结果表明:条件极值VaR的动态区间估计模型与参数法、非参数法以及蒙特卡罗法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有更好的估计精度,精确和有效地描述VaR的估计风险.     

最大值约束的广义延拓逼近GNSS码鉴相算法

针对GNSS码跟踪环高精度鉴相需求,提出了一种最大值约束的广义延拓逼近码鉴相算法,利用5个相关臂的相关结果建立广义延拓逼近模型,拟合得到相关值分布函数,进而得到码相位差。同时利用相关结果最大的相关节点对拟合的相关值分布函数进行约束,进一步提高了码相位差的估计精度和适应性。将新算法与常用的归一化超前减滞后包络鉴相算法从鉴相线性范围、牵引范围和鉴相误差三方面进行了对比。蒙特卡罗仿真和在GPS软件接收机上对实际GPS信号采样数据进行测试的结果表明,结合最大值约束的广义延拓逼近鉴相误差性能大大优于传统的归一化超前减滞后包络鉴相,可以有效地提升码鉴相器的鉴相精度。     

基于多维极值参数的飞行风险量化评估方法

数具有和试验数据相同的分布形式,并构建了飞行风险发生的判定条件。在对一维极值参数符合广义极值分布的假设进行证明的基础上,提出了三维极值参数的四参数变权重(four adaptive weight parameters, FAWP),Copula模型利用自适应粒子群算法对一维和三维目标函数中的未知参数进行了辨识,对多种Copula辨识出的三维极值分布进行了拟合优度检验,结果表明FAWP Copula对三维极值参数分布形式的描述最为精确。利用FAWP Copula模型对尾流遭遇情形下的飞行风险概率进行了量化计算,所得指标可用来研究尾流场内的风险规避策略及算法。     

基于EVT-POT-SV-GED模型的极值风险度量

针对金融资产收益的异常变化,采用SV-GED模型捕捉收益分布的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,结合SV-GED模型与极值理论拟合标准残差的尾部分布,建立了一种新的度量金融风险的基于EVT-POT-SV-GED的动态、VaR模型.用该模型对上证综指做实证分析,结果表明该模型能够更精确、合理地度量上证综指收益的风险.     

基于极值理论的飞控系统故障后风险定量评估

研究了基于极值理论(EVT)的低频高危事件定量评估方法. 构建了考虑驾驶员响应的飞控系统故障后评估模型, 介绍了角速率传感器故障后极值样本的获取方法. 利用非线性优化模型对极值理论中常用的线性模型进行了改进, 针对极值样本分布模型中参数的辨识, 对比了几种优化算法对文中评估模型的适用性. 采用四种优化算法对模型参数进行了对比辨识以寻求飞行风险条件概率最优解,得出了自适应粒子群算法对文中评估模型适应度最高的结论. 最后将传感器故障风险概率加入有驾驶员响应环节的马尔科夫过程模型对飞控系统风险概率进行动态定量评估. 其最终结果可为定量评估某型机操纵系统的动态可靠性提供理论依据.