系统仿真数据采集管理传递误失补偿方法

针对在系统仿真信息采集、信息管理、信息传送过程中数据列出现空穴、误传或丢失的问题,文章探讨如何对数据进行有效补偿,并结合灰色理论与正交试验设计方法建立了数据列缺失补偿模型,给出了数据列空穴补偿优化准则与具体的补偿方法;通过具体的补偿实例说明信息链空穴灰色生成与正交试验设计生成是一种极为有效地信息缺失补偿方法。     

基于承灾体的灾害后果演化模型研究

不同类型的突发事件作用于不同的区域往往产生各不相同的灾害后果.为此,本文基于灾害后果演化过程的关键因素——承灾体,研究并构建了灾害后果演化模型.首先,通过对大量各类突发事件灾害后果的分析,将各类承灾体状态统一分为正常、受损和损毁三种状态,以承灾体状态为节点,承灾体状态之间的相互影响关系为边,构建了灾害后果演化模型;其次,综合考虑演化过程中致灾因子的危险性、承灾体的脆弱性及应急响应行动的作用效果,确定了承灾体状态的演化规则;最后通过算例仿真说明了本文方法的应用:第一组仿真分别研究了各类承灾体不同状态的演化过程;第二组仿真研究了五种不同的应急响应策略在不同的初始能力下的效果差异.     

(F)-风险属性入侵与承灾规律识别

针对公共突发事件的动态性、不确定性和危害性,利用单向S-粗集对偶(dual ofone direction sin-gular rough sets)给出承灾类、承灾量、F-承灾损失、F-承灾度、F-承灾损失规律、F-承灾度规律的概念,利用这些概念提出了F-承灾损失与F-承灾度关系定理,F-承灾损失规律与F-承灾度规律关系定理,F-风险属性入侵规律分辨定理,F-承灾度规律识别准则与应用.单向S-粗集是应急管理理论与方法研究中的一个新的有效的数学工具.     

■-风险属性入侵与承灾规律识别

针对公共突发事件的动态性、不确定性和危害性,利用单向S-粗集对偶(dual of one direction singular rough sets)给出承灾类、承灾量、■-承灾损失、■-承灾度、■-承灾损失规律、■-承灾度规律的概念,利用这些概念提出了■-承灾损失与■-承灾度关系定理,■-承灾损失规律与■-承灾度规律关系定理,■-风险属性入侵规律分辨定理,■-承灾度规律识别准则与应用。单向S-粗集是应急管理理论与方法研究中的一个新的有效的数学工具。     

突发洪水灾害事件关联度模型

洪水灾害发生过程中各事件之间的关联度直接影响洪水灾害的演化方向。基于知识元理论,分析突发洪水演进过程中的洪水灾害系统要素,构建系统要素知识元模型,通过分析环境单元、承灾载体知识元与灾害事件知识元间的作用关系,建立环境单元、承灾载体知识元子网络与突发事件知识元子网络构成的超网络。利用超边相似度匹配算法,计算突发洪水灾害演化过程各事件知识元的关联度,定量描述突发洪水灾害事件关联关系及程度,为后续研究洪水灾害事件演化、挖掘事件间隐藏关系提供支持。以沂沭河流域洪水灾害演化过程为例,计算沂沭河流域突发洪水灾害事件间的关联度,以关联关系图表示,证实了研究方法的有效性。     

基于组合云发生器的配电系统负荷模糊建模

基于云理论的知识表示,首次将云理论与电力系统有效结合来解决配电系统原始数据不足的问题。在对原始数据进行模糊聚类的基础上,提出了一种组合云发生器,将正向云发生器和逆向云发生器有效组合成一种闭环结构。结合配电网负荷数据的实际特点,在组合云发生器中加入了约束方程组和系统工况数据补充两个单元,保证了生成的负荷数据既能够包含系统的大部分情况,又不会出现实际不会发生的不可能数据,生成的云滴很好的反映了负荷数据所具有的模糊性和随机性。并在此基础上进行了基于T-S模糊模型的负荷辨识,将辨识结果与当前通用的几类模型对比显示了所提出方法的有效性和实用性。     

基于灰色系统模型的城市承灾经济协调性分析

在经济承灾子系统中,基础经济要素对城市承灾能力起着重要的辅助作用.利用系统协同思想,将防灾减灾投入经费与GDP、保险密度与人均可支配收入两对"减灾投入-经济产出"关系作为承灾能力中经济要素协调度的构成,建立了经济承灾子系统综合协调度计算式.针对已有的协调度量化计算方法的不足,联合灰色系统理论中的GM(1,n)分析和灰色关联分析两种方法求得系统协调度,对大连市经济承灾子系统近十年的协调发展情况作以分析.计算得出的大连市的防灾减灾投入经费与GDP协调度和保险密度与人均可支配收入协调度值都不高,导致大连市经济承灾子系统综合协调度偏低的结果.应用灰色系统理论建立基于小样本数据的模型进行的协调性分析可以得到较为准确合理的结论.     

基于灾害多级联动模型的城市综合承灾能力研究

基于城市遭遇的自然、环境、人文3大类灾害,提出了灾害多级联动概念。通过分析灾害多级联动的模式,构建了计算城市综合承灾能力的灾害多级联动线性模型,主要包括同类型灾害多级联动模型和不同类型灾害多级联动模型。其中,同类型灾害多级联动模型可分为自然灾害间的多级联动、环境灾害间的多级联动,以及人文灾害间的多级联动。不同类型灾害多级联动模型包括原生自然灾害与次生环境灾害、次生人文灾害的多级联动、原生环境灾害与次生人文灾害的多级联动、原生人文灾害与次生环境灾害的多级联动3种。在此基础上,选取北京、上海、广州、深圳4个城市为样本,根据建立的城市综合承灾能力评价指标体系,收集4所城市2008与2009年的数据,分别计算不同灾害联动模式下4所城市2年的综合承灾能力值,并进行比较分析。结果表明,在同类型灾害多级联动模型及不同类型灾害多级联动模型下,4个城市在2008及2009年的承灾能力评价结果排名情况为上海、北京、广州、深圳。     

基于知识元的非常规突发洪水事件演化风险研究

为解决非常规突发洪水事件风险分析中所存在的多因素高维数据与小样本数据信息不完备问题,将非常规突发洪水事件系统进行粒度分解,在知识元层建立基于投影寻踪及信息扩散的非常规突发洪水事件演化风险分析模型.利用知识元理论,将事件间的演化风险转变为事件所处情境内承灾载体状态属性变化引发输出属性变化的风险.根据承灾载体知识元内部状态属性阀值建立后续事件演化规则,利用投影寻踪方法与信息扩散理论,将监测样本所包含风险信息扩散到输出属性的风险指标论域控制点,计算事件演化概率分布,确定非常规突发洪水事件演化风险.以桃曲坡水库为例,在上游发生暴雨的情景下,计算水库水位上升向漫坝事件演化风险.实例分析结果表明,该演化风险分析模型能够根据风险等级标准和少量监测数据,对非常规突发事件风险概率分布进行动态定量分析与评估,帮助应急决策者实时掌握事件发展状况,及时做出应急响应,减少次生事件所造成的损失.     

小样本数据缺失状态下DBN舰艇编队防空目标威胁评估方法

针对海上编队防空目标威胁评估过程中样本数据量较少且易缺失、已有评估方法过多依赖专家经验以及难以进行时间序列上动态评估的问题,提出了基于约束参数学习的动态贝叶斯网络(dynamic Bayesian networks, DBN)威胁评估方法。采用AR(p)模型预测时间序列上的缺失数据,从而获得完备的小数据集样本;在此基础上,根据专家经验构建合理的参数约束模型;进一步利用贝叶斯估计进行参数学习;将学习得到的参数代入DBN中,推理求出威胁评估结果;引入效用理论对威胁评估结果进行排序。仿真实验表明该评估方法在小样本数据缺失状态下目标威胁评估的结果合理,准确性高。     

基于遗传Data Farming的公共政策优化仿真模型

为了解决公共政策优化仿真时考察点不全面及耗费时间大的问题,提出了基于遗传DataFarming的公共政策优化仿真模型.所提出的模型中,Data Farming被用于全面地考察输入参数空间中各输入参数水平对应的输出响应,通过把仿真过程的输出过程看作适应度的计算,遗传算法被用于优化仿真过程,提高优化效率.分析了公共政策作用效果的影响因素,并介绍了传统的DataFarming技术,然后从仿真目标、模型框架、算法等三方面介绍了所提出的优化仿真模型.最后进行了实验,证明了所提出模型的有效性.     

基于独立元分析的数据重构方法及应用

在工业系统采集数据的过程中，因为种种原因会发生数据遗失的现象。为了更好的对工业过程进行分析评估、优化及监控，往往需要重构遗失的数据。主元分析法（PCA）常用于重构遗失数据，但是由于PCA要求观测数据服从正态分布，而实际工业系统获得的数据往往很难满足条件。因此提出一种基于独立元分析（ICA）的数据重构方法。首先使用在正常运行情况下获得的原始数据建立ICA模型，然后利用相关的监控统计量规则来重构遗失的数据，最后通过在TE过程上的仿真应用，验证了该方法的可行性及与PCA相比较的优越性。     

不完全信息下非常规突发事件应急决策缺失数据处理模型

针对层次分析法和网络分析法在"情景-应对"型非常规突发事件应急决策中应用时,由于决策时间的紧迫性、决策信息的不完全性、专家经验和人的认知能力有限性等因素导致的专家决策判断矩阵数据不一致和缺失问题,提出用未知数填充缺失元素以获取准完全矩阵,再建立对数均值诱导偏差矩阵模型来求解未知数的缺失数据处理方法,并通过应急案例进行了仿真实验,实验结果验证了本模型的有效性.本模型充分利用原始应急决策判断矩阵信息,不需要计算残缺矩阵的权向量,所求解出的缺失数据估计值满足全局一致性条件,能辅助应急决策者智能处理和估计应急决策判断矩阵缺失数据.     

事元及其应用

在物元概念的基础上,本文给出了形式化描述事情的基本元——事元的概念,研究了它们的性质及变换,同时研究用事元描述知识,为知识的形式化表示提供了新的方法。此外,事元的引入,也为描述问题建立了更贴切的事元模型,为人们研究策略的生成提出了新的思路。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾.针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural netw...     

多域作战下的群目标意图识别与预测

多域作战具有实体多类、队形多变、意图多样等诸多挑战,难以综合利用多元知识,因而主要依靠人工判决,以至于自动化水平不高。为了实现计算机自动推演态势,需要解决知识的图形化建模和意图推理综合两大难题。对此,在空海域管控知识图谱的基础上,搭建了多域作战战术规则库、编队队形与场景态势的映射关系,提出了基于多实体分层贝叶斯网络的群目标意图识别与预测方法。首先,运用群内目标实体的状态和事件信息,构建目标作战实体行为推理层。其次,利用综合作战实体的时序规则、双方相对距离及航向等信息,构建同类目标元意图推理层。最后,利用实体序列协作关系及编队队形信息,构建多域作战下的群目标总意图推理层。以航母群活动仿真数据为例,验证了所提算法能够获得较为可靠的意图推理结果。     

知识服务中基于语言关联性信息的双边匹配决策方法

针对知识服务中考虑语言关联性信息的知识供需双边匹配决策问题,提出了一种决策分析方法。为了解决该问题,首先明晰了知识供需主体的语言满意度评价指标会在不同程度上存在关联的问题特征,并进行了形式化的描述;然后,考虑供需匹配主体语言满意度评价信息的关联性特征,定义了语言Choquet积分算子,给出了一种基于语言Choquet积分算子的多属性决策方法来获得匹配主体的匹配满意度;最后,根据匹配的目标要求构建了多目标优化模型,通过模型求解来获得知识服务中的双边匹配结果;最后,通过实例分析说明了本文给出方法的可行性和实用性。     

基于距离熵的应急决策层信息融合方法

通过分析决策层信息融合和应急决策的特点,并考虑到应急决策对客观性、科学性的要求,提出了基于距离熵的应急决策层信息融合方法.首先基于知识元模型进行融合集的获取,并实例化知识元形成信息单元,为融合提供基础信息对象;然后在传统熵权法的基础上,添加对信息间欧式距离的测度,提出"距离熵"的概念,并据此实现局部融合权重和全局融合权重的获取,利用线性加权分别计算局部融合结果和全局融合结果.最后,通过算例验证了方法的优越性和在应急领域的适用性.同其他方法相比,本文提出的方法能有效解决决策层信息融合中融合知识库巨量性和融合结果的客观性、科学性不足等问题.