第24太阳周太阳黑子数平滑月均值预报

首先分析和检验了提出的相似周方法对第23太阳周各月的黑子数平滑月均值作的预报．然后依据对第24太阳周上升相长度和黑子数平滑月均值的极大值的预报,在假设极大值预报误差为20％,上升相长度预报误差为±7个月的条件下,从已有的23个太阳周中选取了第2,4,8,11,17,20和23周为第24太阳周的相似周．并且用两组相似周,第一组包含上述7个太阳周,第二组只包含第11,17,20和23周,分别对第24周的各月的黑子数平滑月均值的时间变化作了预报．最后,综合考虑了第24周起点的预报和最新的太阳黑子观测数据,对预报出的时间变化曲线给以时间定标,作出了第24周自2007年10月到2018年4月共127个月的黑子数平滑月均值的预报．     

高阶指数平滑的多项式预测模型

给出高阶指数平滑多项式预测模型中有关系数的递推公式，并给出一个应用的例子．     

太阳黑子数与电离层TEC的相关性分析

为了研究电离层TEC与太阳黑子数在短周期上的相关关系,采用1997～2004年的太阳黑子数资料与同期厦门站的电离层TEC数据,利用小波功率谱分析的方法提取3个尺度的短周期,并利用小波相干谱的方法重点研究了两者在278 d周期上的相关性。研究表明：太阳黑子数和电离层TEC主要存在准27 d、准半年周期以及年周期等短周期,而且电离层TEC和太阳黑子在准27 d周期上有良好的相关性。位相计算表明,电离层TEC的变化滞后于太阳黑子数2～3 d。厦门地区TEC与太阳活动的相关性在夏季比其他季节更强,这对提高该地区电离层TEC预报精度有很大意义。     

地磁场H和Z分量月均值的频谱分析

利用我国北京、佘山、兰州和拉萨四个地磁台的水平和垂直分量月均值资料,借助快速付里叶变换方法,分别计算出水平和垂直分量的扰日、通日、静日和静日午夜值的振幅谱,分析比较了这些分量的频谱特征并得出了它们的周期变化规律。     

第25太阳周太阳黑子数峰值预测

本文通过对历史太阳周的峰值、上升期、下降期等特征参数的统计分析,给出了峰值变化与上升期之间的三类线性拟合关系,两个太阳周峰值之间长度与下降期的两类拟合关系,并通过分析太阳周的长期变化周期和第10周之后的偶、奇数峰值的变化规律,给出第25太阳周的预测结果:预计第25太阳周在2020年6月前后开始,该周会比第24太阳周强,太阳黑子数峰值为119.2±5.5,峰值强度类似于第17太阳周和23太阳周.     

基于混沌理论的太阳黑子数时间序列预测

研究基于最大Lypunov指数的预测方法在太阳黑子数时间序列预测中的应用,并在原方法中运用Wolf算法对原方法进行了改进.预测结果表明,改进后的方法比原方法和用回归模型预测的方法有更高的精度.     

太阳黑子数时间序列的R/S分析

对估算HURST指数的R/S(重标极差)分析法做适当的改进,突破时间序列的长度是合数的限制,使得改进的R/S分析法更具有普遍适用性.比较两种方法计算月均太阳黑子数的HURST指数,发现用改进的R/S分析法比R/S分析法得到的HURST指数稍小点,两种方法均表明太阳黑子数时间序列具有长期记忆性.     

混合噪声的各向异性扩散平滑

针对混合噪声模型中中值滤波、线性滤波与传统各向异性扩散存在固有的缺陷,通过修改扩散项的计算方式改进扩散模型并提高扩散模型的滤波特性,改进模型具有带通滤波特性,扩散过程稳定并满足极值原理。研究结果表明:中值滤波作为一种经典的非线性滤波方法仅适合于"飞点"噪声的滤波并引起图像的角点、线条损失,线性滤波扩大或使图像边界范围模糊;传统的各向异性扩散能对随机噪声有效地压制,但对"飞点"噪声会产生虚假的边缘甚至反扩散,而改进模型既具有中值滤波的特性又具有传统各向异性扩散的性能,适合于平滑不同强度与形状的混合噪声,并对角点、线条、边缘等细节信息提供足够保护。     

对高次指数平滑预测模型的改进和推广

本文揭示了指数平滑预测法与其它平均预测法之间的本质联系 ,指出了高次指数平滑预测法在对典型的斜坡型时间序列作预测时出现的系统误差和原因 ,最后把指数平滑预测法中指数权的原理推广到估计一般趋势线方程参数上     

基于指数平滑预测模型的移动节点定位算法

针对无线传感器网络移动节点定位精度不足的问题,提出了一种基于指数平滑预测模型的移动节点定位算法,该算法利用指数平滑预测模型获得节点的速度信息和方向信息,然后根据节点的历史轨迹时间序列,应用H指数进一步精确采样区域,从而获得更接近于未知节点位置的高质量样本点.此外,通过高质量样本点构建"有效样本点矩形盒子",减少了节点采样次数.仿真结果表明,改进算法在不同的运动速度、锚节点密度等条件下,均提高了定位精度,表现出了较好的性能.     

太阳黑子相对数年观测值的平稳序列状态空间模型

建立太阳黑子相对数年观测数据的状态空间模型,并以1848-2002数据进行拟合,分析和预测,取得良好效果．     

一种混合噪声图像去噪的平滑算法

提出了一种新的混合滤波算法,对混有高斯和椒盐噪声的图像进行去噪处理.该算法首先对受椒盐噪声污染的像素点,采用自适应中值滤波算法进行去除;然后利用高阶统计量针对高斯噪声的不敏感特性,对受高斯噪声污染的像素点,采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值去除噪声.实验结果表明,该算法能够在去除高斯和椒盐噪声的同时,保留更多的图像细节信息,特别是对感染较大噪声的图像有更好的去噪效果.     

有限预测混合交叉有效平滑法

在信号去噪声中 ,要同时去除脉冲噪声和白噪声 ,并保持信号的突变现象 ,有一定的困难。研究了左预测和右预测 ,及交叉有效 (CV)平滑法 ,并证明了 CV平滑中的两个限制条件。提出了有限预测混合 CV平滑法去噪 ,能同时达到以上目的。分析了该方法的根信号特征。并通过模拟试验检验了该方法 ,并与有限混合中位数滤波 (FMH )法和自适应小波收缩法 (WSA )作了比较 ,试验结果说明了该方法是切实可行的 ,并优于 FMH和 WSA。     

基于联系数贴近度的三角模糊数组合预测模型

针对三角模糊数预测问题,将三角模糊数转化为对应的三元联系数,以三元联系数的贴近度作为最优准则,引入广义加权平均（GOWA）算子,建立了基于三元联系数贴近度的三角模糊数组合预测模型,并证明了该模型为优性组合预测模型。通过实例分析验证了该模型是有效的,能够有效提高预测精度,并对GOWA算子中的参数进行了灵敏度分析。     

基于分形维数的全变分图像平滑模型

针对标准全变分模型用梯度检测边缘易受噪音干扰产生"阶梯"效应和在处理纹理丰富的图像时易丢失细节纹理信息的缺点,提出了一种基于分形维数的全变分模型,该模型可利用图像局部分形维数来检测边缘,能够准确识别真实边缘、剔除假性边缘,从而抑制"阶梯"效应,可保护纹理丰富的图像的纹理细节信息。平滑后的图像显示出改进方法能有效去除噪声并减弱"阶梯"效应,获得较高峰值的信噪比。     

全色数与小阶路的混合Ramsey数

以χ２（Ｇ）记一图Ｇ之全色数，Ｐｎ表ｎ阶路，混合Ｒａｍｓｅｙ数χ２（ｍ，Ｐｎ）为最小正整数ｐ，对于每个ｐ阶图Ｇ，或者χ２（Ｇ）≥ｍ，或者ＧＰｎ。当ｍ取任意正整数、ｎ≤４时，本文得到χ２（ｍ，Ｐｎ）的确值     

基于区间数距离的区间组合预测模型

针对预测值为区间数形式,引入区间数距离,提出一种确定区间组合预测权系数的方法.给出两个区间序列的距离公式,以实际观测序列与组合预测序列的距离最小为准则,建立规划模型,求解得到权系数.最后,通过实例,证明模型能够有效提高预测的精度.     

一种区间灰数的优化预测模型

由于灰数间的代数运算会导致结果灰度的增加,所以对区间灰数进行建模时,为避免区间灰数的代数运算,本文将区间灰数序列转化为白部序列和灰部序列,再对白部序列和灰部序列分别建立灰色优化预测模型,最后通过实例证实了此方法的有效性与可行性.