基于改进混合模型的一类固定床反应器推断控制

对一类非绝热式固定床反应器提出了一种基于改进混合模型的非线性自适应推断控制策略：给出一种基于结合先验知识和人工神经网络的改进混合模型的推断估计器设计方法;提出一种改进程序变增益ＰＩＤ算法设计控制器;设计了该固定床反应器基于改进混合模型的推断控制系统。仿真结果表明：该推断估计器具有良好的静态和动态特性,较高的估计精度和较好的实时性,所需训练样本少,易于理解和研究及外推性能良好等特点,该推断控制系统还具有良好的跟踪和抗干扰性能。     

固定床反应器基于改进混合模型的串级推断控制

提出了非绝热式固定床反应器基于改进混合模型的串级非线性推断控制策略。道德提出了邻二甲苯氧化非绝热式固定床反应器基于改进混合模型的推断估计器;然后设计了基于新型非线性自适应控制算法的副控制器和基于程序变增益ＰＩＤ的主控制器,同时设计了新型非线性滤波器以解决该反应器主回路比副回路响应快的问题;最后建立了该固定床反应器基于改进混合模型的串级非线性推断控制系统。仿真结果表明该推断估计器具有良好的静态、动态     

最大熵谱估计在导弹系统仿真模型验证中的应用

给出了基于最大熵谱估计的统计推断验模方法，该方法可以定量地给出了导弹系统动态性能数据的真实谱密度的置信区间估计，据此能够对仿真模型有效地进行定量分析。最后结合导弹系统仿真实例说明了这种验模方法在导弹系统仿真模型验证中的具体应用。     

反映缺失的部分函数型回归模型的统计推断

为了解决反映变量随机缺失下部分函数型线性回归模型的统计推断，首先利用主成分分析法对模型中函数变量进行展开，在运用多元最小二乘法估计了模型中未知的参数和未知的系数函数，并证明了这两个估计具有渐近正态性。然后给出反映均值的回归借补估计，并证明了该估计量的大样本性质。     

纵向数据下广义线性模型的稳健二次推断函数估计

针对纵向数据下的广义线性模型，为了有效控制离群点对估计的影响以及进一步提高估计的效率，利用二次推断函数（QIF）改进加权的指数得分函数，得到了模型参数有效且稳健的二次推断函数估计（ERQIF），并证明了在一定条件下所得估计的相合性和渐近正态性。数值计算结果进一步表明，当离群点存在或工作相关矩阵被错误指定时，所得估计有稳健的模拟结果。     

基于利率平价关系的汇率模型

建立了基于利率平价关系的汇率模型,导出了汇率期权的定价公式,研究了该模型的检验问题和模型参数的估计问题,结果表明,在原测度下,该模型的统计推断问题难度很大,使用通常的时间序列分析方法不能得出令人满意的结论;而在等价鞅测度下讨论该模型的统计推断问题,大大降低了研究的难度．     

电子膨胀阀双神经元预测控制

提出了用双神经元预测控制算法对电子膨胀阀进行控制的方法，一个神经元用于在线实时估计对象动态特性，以获取对象的一步预测模型。通过学习减小模型的预测误差；另一个神经元用于在线实时控制，仿真与应用表明该算法有良好的动态响应和较强的鲁棒性，能够对电子膨胀阀进行有效的控制。     

抽样调查中关于模型推断的思考

抽样调查中利用辅助信息建立超总体模型能够有效提高推断总体参数的效率.模型辅助方法的思想是基于抽样设计借助于超总体模型获得对总体参数的有效推断.基于模型推断方法完全是基于超总体模型推断总体参数.平衡样本是指辅助变量的汉森赫维茨估计等于总体总量的真值.对于平衡样本,如果模型的异方差性可以通过辅助变量解释,模型辅助获得的广义回归估计与基于模型的最优无偏估计是一致的,搭建了基于设计推断与基于模型推断的桥梁.由此得出最优抽样策略:平衡抽样设计与HT估计结合是最优策略,包含概率正比于模型残差的标准差.     

基于端到端测量的链路状态概率快速推断方法

链路状态的概率分布作为先验知识对于推断链路性能状态的准确度起着重要作用.文中主要研究了在树形拓扑下基于端到端测量的内部链路状态概率推断问题,并将该问题定义为极大似然估计问题.采用乘积模型描述路径与链路的状态概率之间的关系,将链路状态概率的推断归结为路径状态概率的估计,提出了一种通过计算路径状态概率进而获得链路状态概率的方法,并将该方法用于仿真实验.结果表明,该方法具有较高的有效性和实用价值,能够准确有效地推断网络内部链路状态概率.     

基于Kalman滤波的供水管网水力模型用水量动态估计

节点用水量的动态估计是供水管网水力模型动态更新的主要工作，以扩展Kalman滤波(EKF)为代表的数据同化方法已被应用于管网水力模型参数动态校核和估计中，但现有研究未考虑用户节点24 h用水模式对节点用水量估计的影响。该文研究了节点用水模式先验信息对EKF方法节点用水量动态估计结果的影响。根据用户24 h的用水模式和t时刻用水量估计值预测t+1时刻节点用水量，并采用t+1时刻管网测量数据校正t+1时刻节点用水量预测值。案例管网的应用结果表明：与现有研究中应用的EKF方法相比，考虑用水模式的扩展Kalman滤波(IEKF)方法对应的用水量估计平均绝对百分比误差降低了15.93%,节点用水量时变曲线的Nash-Sutcliffe效率(NSE)系数值提高了0.40,且2种方法的计算时间相近；与推断测量Kalman滤波(IMKF)相比，IEKF方法对应的用水量估计平均绝对百分比误差降低了12.20%,节点用水量时变曲线的NSE系数值提高了0.35,计算时间缩短了99.8%。在节点用水量估计问题中，考虑用水模式可以显著提高EKF方法的计算精度。     

地下水埋深动态预测的DAMSM模型

运用动态数据反演建模方法和自记忆性方程，建立了地下水埋深动态预测的DAMSM模型。该模型将动力学计算与用历史数据估计参数相结合，预测时无需分析影响地下水埋深动态的各种因素，只需要有一定长度的地下水埋深动态观测序列资料，避免了众多数据的收集整理。实例预测表明，该模型具有较高的拟合精度和预测准确性。     

基于Signature和Ⅱ型双删失系统寿命数据的统计推断

基于Signature理论和方法, 建立Ⅱ型双删失情形下元件寿命的统计推断模型, 用极大似然估计及其渐近理论, 推导出系统元件寿命分布参数的点估计及渐近置信区间估计的解析表达式, 并通过3种优化算法获得相关估计的数值解. 仿真结果表明, 基于Signature的似然函数统计推断模型对Ⅱ型双删失情形下元件寿命的推断有效.     

辩识Hammerstein模型的集成辩识方法——MISO情形

本文针对用Ｈａｍｍｅｒｓｔｅｉｎ模型描述的一类ＭｌＳＯ非线性系统，提出了一种稳态估计和动态辩识相结合的集成辩识方法。利用稳态信息获得非线性增益的强一致性估计，利用动态信息可获得线性子系统脉冲响应序列的强一致性估计。数字仿真结果也说明了该集成辩识方法的有效性和实用性。     

基于Jaynes-Cummings模型的量子参数估计与初态优化

参数估计理论是根据实验测量数据推断物理模型中未知参数的重要理论工具.Jaynes-Cumming模型是量子光学中广泛使用的模型,描述了二能级原子和单模量子光场之间的相互作用.利用参数估计理论系统地研究了该模型中光-原子耦合强度g的估计精度,并找到了可达到最高估计精度的初态.该结果可以提高基于Jaynes-Cumming模型的量子精密测量的精度,该研究方法也可用于其他基于混合量子系统的量子度量学研究.     

一种用于GPS定位估计滤波算法的非线性模型

提出了一种将现代非线性滤波技术用于GPS定位估计的方法，该方法可用于低价位的单机GPS接收器的定位，提高它们的定位精度和鲁棒性．应用该方法，根据单机GPS的原始数据、伪距和多普勒频移进行定位估计。开发了一种新的基于非线性滤波的位置和速度估计模型，该非线性模型具有随观察到的卫星数量而改变状态和测量元个数的动态特性．运用一种新型的非线性滤波-平淡卡尔曼滤波求解该模型．GPS定位实验结果表明．与通用的最小二乘迭代法或直接从接受机获得的结果相比，所提出的非线性模型得出的滤波估计结果具有较高的精度和鲁棒性．     

回归误差方差的区间估计

首先将回归函数限制在一个有限维函数空间中,得到一个近似的线性模型,在此基础上,由Fiducial推断给出了误差方差的区间估计。该区间估计形式简单,易于计算。给出了这个区间估计的真实覆盖率和名义水平差异的一个上界,该上界由回归函数与其近似的线性函数的距离界定,并且对所给区间估计的真实覆盖率进行了数值模拟。     

ARMA模型参数的分步估计方法

提出了一种ARMA模型的线性估计方法，这种方法通过两次AR模型的估计来实现ARMA的估计。讨论了一维时间序列开环系统、闭环系统的辨识方法及定阶问题。仿真结果表明该方法具有良好的准确度和可靠性，可直接用于结构状态监测。     

智能信息处理在烧结质量推断中的应用

研究了智能信息处理在烧结质量推断中的应用，在对图象序列的范型描述和ＢＰ算法改进的基础上，成功地应用了图象序列分析与动态模式识别相结合的方法，解决了烧结质量的动态推断问题，实例表明，该方法有很好的实用效果。     

城市快速路实时交通状态估计和行程时间预测

根据城市快速路交通诱导和监控系统的实际需要,提出了实时估计和预测城市快速路上交通状态和任意两点间动态行程时间的方法.其基本思想是将扩展卡尔曼滤波理论引入宏观动态交通流模型,结合快速路上的固定检测设备,实时估计和预测未来几个时段的交通状态,并利用“虚拟车”法预测动态的行程时间.通过对上海市快速路典型实测数据的实例分析,发现交通状态估计模型具有良好的跟踪能力,行程时间预测模型在畅通状态计算结果和实测结果几乎完全重合,拥挤状态相对误差基本维持在10%以下.结果表明,该模型的适用性和精度都令人满意,可为城市快速路交通控制和诱导提供依据.     

双线性Hammerstein模型的集成辨识方法

提出了辨识双线性Ｈａｍｍｅｒｓｔｅｉｎ模型的稳态与动态辨相结合的集成辨识方法。该方法利用稳态信息获取稳态模型的强一致性估计,并利用稳态模型通过神经网络逼近获得了静态非线性增益的设计,再利用动态信息辨识获取双线性Ｈａｍｍｅｒｓｔｅｉｎ模型的双线性系统未知系统的一致性估计。仿真结果表明了该方法的有效性和实用性。