机枪系统建模与动态特性仿真研究

介绍了实体有限元模型建立的一般过程，以某型机枪为例建立了其发射状态下人-抢-土壤耦合系统有限元模型，分析了其固有特性，并求解其在连发状态下的动力响应，所得结论与实验结果相吻合，验证了有限元模型的正确性。同时，通过模态分析，找出了对武器射击精度影响比较大的结构单元，为结构动力修改、提高武器射击精度奠定了理论基础。     

一种提高灰色预测模型精度的方法

根据文献［１］提出的科技文献增长和老化的灰色模型，本文适当改变原始数据，可以使模型精度提高。     

基于最优信用特征组合的违约判别模型——以中国A股上市公司为例

违约判别是信用风险评估的一种方式，提高违约判别精度一直是学界和业界重点关注的问题.本文从最优信用特征组合而不是最优指标组合的角度建立违约判别模型，提高违约判别精度.本文的创新有三个方面：一是以信息值最大为目标建立优化模型，将指标数据划分成能最大区分违约状态的多个信用特征.二是采用弹性网回归对信用特征进行遴选，反推违约判别误差最小的最优信用特征组合.三是以组间离散度与组内离散度之比最大为目标，构建数学规划，反推一组权重，得到线性判别方程.本文基于2000-2017年共2169家中国A股上市公司的数据进行实证，研究表明经过特征划分的线性判别分析、K近邻、支持向量机等模型的精度整体高于没有经过特征划分的模型精度.     

基于多支持向量机的软测量模型

在许多工业过程控制系统中，软测量技术由于解决了输出变量难以测量的问题而被广泛应用。软测量技术的核心问题是建立优良的软测量数学模型，支持向量机（SVM）以其优良的泛化特性而被应用到建立软测量模型中。基于多个模型的组合可以提高模型精度和鲁棒性的思想，提出多支持向量机（MSVM）组合模型的软测量建模方法．该建模方法通过减聚类方法将输入空间划分为一些小的局部空间．在每个局部空间中用最小二乘支持向量机（LS-SVM）建立子模型．为解决子模型相互之间的严重相关问题，提高模型的精度和鲁棒性，各个子模型的预测输出通过主元递归（PCR）方法连接．仿真研究表明，采用该建模方法能够达到较好的建模效果。     

基于数据库的神经网络轧制力建模

冷连轧过程控制的轧制力模型对于提高轧制精度和降低生产成本具有重要的意义，而传统的轧制力模型结构简单，精度较低，即使在实际生产中采用自适应技术，也无法满足高精度轧制的需要。为此针对5机架冷连轧机，提出并联结构的BP神经网络模型；采用Levenberg-Marquardt算法进行训练，确定网络的结构和参数；在数据库中建立钢种与神经网络的结构和参数一一对应的关系表，保存网络训练结果。对神经网络模型的仿真测试表明该神经网络轧制力模型有较强的泛化能力，收敛速度快，不易陷入局部最优，精度明显高于传统的轧制力模型。     

城市日用水量预测模型及其应用

提出成分数据赋权指数平滑模型,将该模型应用到城市日用水量预测中,用平均绝对百分比误差来表征其预测精度,结果显示,其平均绝对百分比误差MAPE为2.2%,表明该模型的预测精度较高。并将其与直接应用赋权指数平滑模型进行比较,结果显示,成分数据方法的引用使预测精度提高了0.18%,分析可知成分数据的转化与数据的重新排列使数据变化趋势趋于平稳,有利于提高预测精度。     

基于遗传算法估计灰色模型中的参数

研究表明，GM（1，1）模型中的背景值参数λ和边值对模型的预测精度均有影响，进而分别以平均相对误差达到最小或最大相对误差达到最小为极小化准则，提出了基于遗传算法求解最佳背景值参数λ和最佳边值修正项ε的方法，并且可以确保在相应的模型检验准则下预测的误差达到最小．数值结果表明，采用遗传算法确定最佳的λ、ε可大大地提高模型的预测精度．     

基于遗传算法优化模糊对模型参数的算法设计及仿真

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法，提出基于GA的一套完整，系统的优化模糊对模型参数的算法，其关键是选择确定祖先节点a的方式和选择哪些变量作为染色体基因，对国际标准例题的仿真表明，该方法对算法初始值的选择不敏感，能显著提高模糊树模型的建模精度，在相同模型精度条件下，则可简化样本空间的划分，降低模型的计算量。     

基于扩展量测的球坐标系中水下目标跟踪算法的研究

基于自适应高斯模型，提出了球坐标系中扩展量测的水下目标跟踪，导出了目标模型和目标运动状态的坐标转换公式，推导了基于扩展量测的球坐标系目标跟踪算法，给出了Monte carlo仿真结果。结果表明：本文提出的跟踪算法不但能够提高目标距离的稳态跟踪精度，而且能够提高目标方位角和俯仰角的稳态跟踪精度，改善系统的动态收敛特性。     

利用神经网络实现企业柔性评价

本文利用神经网络实现企业柔性评价，以提高模型求解的速度和精度，实路结果表明，该方法是可行的。     

基于振幅压缩的随机振荡序列预测模型

以提高灰色系统预测模型对随机振荡序列的预测精度为目的, 提出了一种通过平滑性算子压缩随机振荡序列振幅, 提高序列光滑度的算法, 并在此基础上推导及建立随机振荡序列的灰色预测模型; 将该模型应用于多组随机振荡序列的模拟, 并与其他模型的模拟精度进行了比较, 结果表明, 新模型能显著提高随机振荡序列的模拟精度.     

灰色Verhulst模型的背景值的改进及应用

基于灰色Verhulst模型的建模机理，分析了该模型的模型误差产生的原因，针对该原因构造了改进的背景值公式，使得模型的精度得到了有效的提高，扩大了模型的适用范围.实例证明，优化模型具有较高的理论意义和实际应用价值.     

星际链路天线的建模与仿真

理论结合工程实践，介绍了卫星通信网络中的星际链路的特点及各种关键因素，重点讨论了星际链路天线的仿真模型，分别建立了天线方向图模型和天线增益模型，并给出了NS下的仿真分析方法，提高了NS下卫星通信网络的仿真精度。     

基于变量双重检验的Fisher信用风险度量模型

为提高模型入选样本变量的准确性与稳定性，本文采用附加信息检验和多重共线性检验选择自变量，并应用Fisher判别原理建立信用风险度量函数。实证结果显示，所建立的模型对全部246个样本的误判率仅为6．91％，准确率为93．09％；而对风险样本的误判率为4．55％，正确辨别精度高达95．45％。     

基于HLA的鱼雷武器作战性能仿真技术研究

研究了系统总体结构、通用RTI接口组件和多线程等关键技术，将基于六自由度的鱼雷动力学模型和基于声学特性的水声对抗模型引入基于HLA的鱼雷武器作战仿真系统中，提高了模型的精度，分析了系统的时间性能，并给出了典型鱼雷武器系统性能评估统计的结果。本项研究为分布交互仿真技术用于武器系统研制仿真提供了新的途径。     

具有残差校正的n次累加灰色模型

提出一种具有残差校正的ｎ次累加灰色模型，给出了这种模型的建模机理和建模步骤，这种模型提高了ＧＭ（１，１）模型的精度，拓宽了ＧＭ（１，１）的应用范围，特别适用于数据波动“无序”，随机性强的系统的建模。文中仿真实例说明了该模型的有效性。     

一种基于最优化的极值分布建模方法

为提高极值分布中样本数据序列分布拟合精度,对改进的综合模型采用遗传算法实现分布参数的寻优。建立了灾难性事件的样本极值分布数学模型。采用非线性回归方法导出样本极值与累积概率之间的映射关系,考虑样本极值的上限和拟合的误差,建立了极值分布的综合模型。采用改进遗传算法,将模拟退火算法应用到遗传算法中,以模型误差为目标函数进行优化,从而确定函数模型中的分布参数,实现了拟合精度的提高。     

基于MCMC稳态模拟的Weibull回归模型及其可靠性应用

讨论了贝叶斯加速失效模型族中应用最为广泛的Weibull回归模型，提出针对寿命服从weibull分布的产品，运用基于Gibbs抽样的MCMC方法动态模拟出参数后验分布的马尔可夫链，在失效率的先验分布为Gamma分布时，给出随机截尾条件下参数在Weibuil回归模型中的贝叶斯估计，提高了计算的精度。借助数据仿真说明了利用BUGS软件包进行建模分析的过程，证明了该模型在可靠性应用中的直观性与有效性。     

短期负荷预报模型库的研究及应用

本文针对电力负荷变化的非平稳性和周期性，采用灰色模型，可调灰色模型分析用电负荷的趋势项并与历史负荷比较得一系列残差，然后应用自回归模型，傅氏模型，人工神经网络模型进行修正以提高精度。用一系列组合模型分别用于不同场合和要求下的负荷预测，并在微机上开发软件，通过实例计算，效果良好，具有一定的应用价值.     

基于“回归+马尔可夫”组合模型的民用航空事故症候数预测

民航事故症候数预测对于民航安全具有重要的意义。准确的预测民航事故症候数的发展趋势可以指导采取合适的事故预防措施，从而尽可能地减少民航事故数。本文在回归模型的基础上，发展了“回归+马尔可夫”组合模型来进行民用航空事故症候数的预测。其中回归模型用于发展趋势项的预测，马尔可夫模型用于随机干扰项的预测。通过中国民航局以及国家统计局发布的2006～2020年的历史统计数据，计算了回归模型、GM(1,1)灰色模型和“回归+马尔可夫”组合模型的拟合及测试误差。结果表明，“回归+马尔可夫”组合模型的拟合精度以及测试精度相比单一模型均得到了有效提高。