GALILEO完备性系统中SISE的算法研究

GALILEO完备性系统中,SISE预测是其完备性算法的关键。分析了SISE预测的精度需求;利用GPS卫星星历误差模拟GALILEO SISE,在文献[1]给出的多项式时间序列理论预报SISE的基础上,以多项式作为基本模型,研究了基于卡尔曼滤波理论预测SISE的方案。利用二次和三次多项式预测结果的互补性,其预测的平均值作为最后的预测结果,是一种较为理想的方案。数据验证:预测SISE的坐标矢量精度在35cm的可靠性达95.4%,标量精度在35cm的可靠性高于99.0%,精度和可靠性高于文献[5]给出的指标。     

基于GSS布设方案研究我国区域SISE的监测

文章基于现有40 GALILEO GSSs的布设方案,利用模拟数据,分析了我国及周边地区监测的SISE小于70 cm;假设我国周围某一GSS出现故障,其余GSSs监测SISE的精度,分析得出Kra或Lus发生故障时,局部区域SISE的监测超过70 cm,有必要增设GSS;以我国的IGS作为候选GSS,研究区域监测SISE的可靠性,分析得出URUM和XIAN联合40 GSSs,其监测的精度较高,可靠性较大,是GSS理想的候选站。     

多维关联因素筛选条件下的堆积层滑坡体积预测研究

为实现三峡库区堆积层滑坡体积的高精度预测,在滑坡特征参数统计的基础上,先开展体积影响因素的分布特征分析及相关性研究,以筛选出滑坡体积的重要影响因素;再利用多种优化算法和混沌理论实现极限学习机的参数优化和误差弱化,构建出滑坡体积在多维关联影响因素条件下的混沌优化极限学习机模型,以实现其预测研究.实例分析表明:三峡库区滑坡体积影响因素较多,受区域地质条件限制,各类影响因素的分布范围均较广,且波动性较强;同时,本研究中各类优化算法均能不同程度提高预测精度及运算速度,验证了各优化方法的有效性,且混沌理论能有效弱化预测误差,进一步提高了预测精度;另外,预测结果的平均相对误差为1.71%,可靠性验证结果的平均相对误差也仅为1.49%,两者相当.该预测模型不仅具有较高的预测精度,还具有较强的可靠性,适用于滑坡体积预测,为三峡库区滑坡规模研究提供了一种新的思路.     

基于模糊多项式拟合的乙肝发病率预测

本文主要探讨了模糊多项式拟合技术在乙肝发病率预测的应用.利用模糊多项式拟合技术对我国内地法定报告乙肝发病率进行拟合并预测,乙肝发病率模糊多项式拟合的平均相对误差为1.83%,小于中长期预测精度要求的20%,模型可用于后推预测.最后发现模糊多项式拟合模型用于乙肝发病率预测效果较好.     

基于正交实验的BP神经网络预测研究

用不同的L9(34)正交实验方案结果作为训练学习样本集，对BP神经网络预测应用过程的策略进行了探讨，结果表明：完备的正交实验样本集是基本训练学习单元，在完备的正交实验样本集上添加或减少样本数量，所预测的结果是不可靠的；在同一类型、同一实验的条件下，完备的信息量大的正交实验样本集，能以很高的精度预测完备的信息量小的正交实验样本集；提出了一条新的实验设计思路——通过实验得出一个完备的正交实验样本集，通过计算机用BP神经网络就可以把与已知样本集有相同影响因素和水平的所有样本的值以相当高的精度预测出来，从而大大节省时间和劳力。     

基于SVM短时交通流量预测

交通流量预测是智能交通系统中非常重要的研究领域,传统的预测方法在交通流量预测中有着非常广泛的应用.但是,在短时交通流量预测中,由于其影响因素错综复杂,传统的预测方法对于短时交通流量不能很好地进行预测.随着机器学习和数据挖掘各种理论的不断提出及完善,机器学习和数据挖掘与交通流量预测的结合是智能交通系统未来发展的一个重要方向.本文利用SVM (support vector machine)构建了短时交通流量预测模型,并利用遗传算法(genetic algorithm)对SVM的惩罚参数C和核参数σ进行优化,同时比较SVM中不同核函数,包括多项式核函数(polynomial kernel)和径向基核函数(RBF kernel)的预测效果.径向基SVM (RBF SVM)训练时间要比多项式SVM (polynomial SVM)短,预测准确率和精度也要比多项式SVM要好.从仿真结果上看,SVM非常适合应用于短时交通流量预测,能够取得很好的预测效果与精度.     

用于短时交通流预测的多项式分布滞后模型

提出了用于短时交通流预测的多项式分布滞后模型.其建模思想是交通状态时间序列同时受自身滞后项之外的多个因素影响,并且影响分布到了多个时段.通过与ARIMA模型(自回归整数移动平均模型)的预测精度对比分析,表明PDL（多项式分布滞后）模型具有与ARIMA相同的预测精度,而在模型可移植性、算法复杂性和实现方面更具优势.研究结果为短时交通流预测理论提供一种新的研究思路.     

基于径向基神经网络的集装箱吞吐量组合预测

利用上海港国际集装箱吞吐量的历史数据,分别采用灰色预测法和三次多项式曲线模型建立了单项预测模型.利用径向基（RBF）神经网络对两个单项预测模型结果进行了组合预测,以作为其最终的预测值.实验结果表明,采用组合方法比采用单一预测方法的预测精度有了进一步的提高.最后,应用马尔可夫链预测模型对组合预测结果进行分析,增加了结果的可信性.     

基于灰关联分析的船型方案多目标综合评价研究

针对多准则船型优选决策问题中评价指标不独立性问题,利用灰色系统理论对不完备信息的处理能力,以灰色理论为基础,建立了适用于船型方案选优的灰关联多目标综合评价模型,用于船舶方案设计过程中的方案论证,并以载重量为35 000DWT原油船的方案论证作为实例进行了计算分析.结果表明,该方法既在一定程度上考虑了设计方案各指标间的关联性,又反映了事物的客观本质,减少了决策过程中设计者的主观臆断性,而且简单实用,评判结果合理可信.     

利用多项式混沌展开的结构可靠性分析

实际工程设计优化、设计空间搜索、灵敏度分析、可靠性分析等问题，若单次模拟比较费时，直接用原模型进行数千、甚至数百万次模拟是不可能完成的任务。多项式混沌展开方法是解决这类问题的有效方法，其方法表达和程序实现是应用中关注的重点问题。该文介绍了多项式混沌展开方法的数学理论，并将之用于结构可靠性分析。首先，将结构可靠性分析的功能响应函数以多项式混沌展开表示，其中统一采用Hermite多项式。给出Hermite多项式的一种适合计算机程序生成的通项形式，实现多项式混沌展开的计算程序的通用化，以及多项式次数的自适应选择。其次，利用具有显式功能函数的结构可靠性分析算例，考察所构建的代理模型的正确性和适用性。结果表明，多项式混沌展开的次数越高，模型的精度就越高，具有良好的收敛性，同时表明仅就考察代理模型而言，利用显式功能函数是最简便的方式。     

基于混沌理论和MEA-BPNN模型的快速路短时交通流预测

为提高短时交通流预测的精度,在分析北京市二环路实测交通流数据时空特性和混沌性的基础上,利用混沌理论方法对交通流量时间序列进行相空间重构,并基于思维进化算法提出一种改进的BP神经网络模型,将重构的时间序列数据作为模型输入进行交通流预测。结果表明,基于该模型的预测结果与基于传统BPNN模型的预测结果相比,均方根误差、平均绝对误差和平均绝对百分误差分别下降31.11%、20.71%和37.28%,证明了模型具有更精确的预测能力。     

补偿预测误差的非线性系统广义预测控制

将一类非线性系统等价表示为时变线性系统,研究了非线性系统的广义预测控制。利用三次样条基函数多项式逼近时变系数,将时变参数的估计转化为定常参数的估计。为了提高输出预报精度,采用小波网络对预报误差进行预测,作为输出预报的补偿。仿真研究结果表明了所提方法的有效性。     

基于多元线性回归和BP神经网络的单井能力预测

为提高单井能力预测的精度和可靠性,提出利用地震属性数据,结合多元线性回归方法和BP神经网络方法进行预测。首先提取了研究区目的层的地震属性,然后利用多元线性回归方法和BP神经网络方法建立了单井能力与地质、地震属性之间的函数关系,得出了半定量-定量化的单井产量设计模型,并且验证了模型的预测结果。结果显示:单井能力预测精度总体在80%以上,其中BP神经网络模型预测精度更高,吻合度更好,证明了利用多种地震属性联合预测单井产能是一种卓有成效的方法。     

基于灰色网络组合优化的年增油量预测

老井措施增油成为油田稳产、降低油田区块开发成本的必然选择。针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征,通过建立最优控制模型,实现GM（1,1）灰色理论与神经网络的高精度组合预测。以某油田区块2011-2018年的措施增油为例,对影响措施增油量的因素进行识别,建立了最优控制灰色神经网络模型对老井措施年增油量进行预测,相比多项式回归预测、GM（1,1）预测及BP神经网络预测方法,新模型模拟效果更好,预测精度更高。新方法对2018年措施年增油量的预测精度达97.34%。基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量,为准确预测措施增油效果,指导油田开发决策提供了新的思路。     

快速流场求解的参数多项式方法

研究了进行流场求解的超快速方法——参数多项式方法的原理。从分析参数多项式方法和加权残值法的联系出发 ,证明得到若取足够多的控制点数 ,无论是控制点数大于基函数个数 ,还是控制点数等于基函数个数 ,或者选取有限个控制点 ,在相应的条件下 ,都可以得出这样的结论 :参数多项式方法的求解结果实质上可等同于加权残值法的求解结果。通过研究 ,进一步认识了参数多项式法原理的完备性 ,为其工程应用提供了理论基础     

一类双约束最短路问题的近似算法

带时间和边数约束的双约束最短路问题是NP-完备的。它的一种拟多项式精确算法可以利用动态规划方法给出，在此基础上采用rounding和scaling的处理技术得到了一种全多项式时间近似方案（FPAS）。     

精密钢球环槽等速传动机构运动精度及可靠性分析

在分析精密钢球环槽等速传动机构结构基础上,利用其等效机构和误差分析理论,研究了钢球环槽等速传动机构结构参数对其机构传动精度的影响规律,应用机构可靠性理论,建立了钢球环槽等速传动机构的运动精度可靠性模型,并研究分析了机构的运动精度可靠性,研究结果为精密钢球行星传动的设计和应用提供了理论依据.     

自组织多项式网络算法在油气产能定量预测中应用

油气定量预测中复杂函数的拟合与逼近一直是人们关注的热点之一。文章利用神经网络方法结合自组织理论设计了用于非线性模型描述的自组织多项式网络算法,该算法特征多项式的完全描述性和自组织功能,使其在用于陕甘宁中部气田油气产能定量预测中取得了较为理想的效果。     

泛化的统一切比雪夫多项式核函数

针对分布稀疏、特征不明显的小样本数据回归中的属性冗余问题,基于统一切比雪夫多项式,提出了一种向量形式输入的可变正交多项式核函数——泛化的统一切比雪夫多项式核函数.新的核函数通过利用统一切比雪夫多项式的正交性和可变性扩大了函数的搜索空间,通过调整多项式阶数有效地控制了特征空间维数,从而解决了稀疏数据回归中的属性冗余问题.另外,利用Mercer定理证明了该核函数的有效性.在多组标准数据集和实际工程数据集上对核函数的性能进行了实验对比,结果证明新的核函数预测精度较高,泛化能力较好,在大多数标准数据集上的性能优于其他切比雪夫多项式核函数.     

GPS高程在城市道路测量中的研究

GPS测量中高程测量精度远低于平面测量精度,研究了利用精化大地水准面进行多项式拟合的数学方法,由少量的GPS与水准重合点,将GPS测得的大地高直接转换为具有厘米量级正常高的实现方法。以保定市西二环路为试验地得出的结果为:较差最小值为-3.3cm,较差最大值为3.6cm,误差平均值为-0.90cm,中误差为1.6cm,平均相对误差0.00035cm。