基于并行粒子群优化算法的变分资料同化

为了提升粒子群优化算法(PSO)应用到实际大气和海洋模式的资料同化时的计算时效性,针对一种最新提出的基于方向的粒子群优化算法(PSOBD),使用消息传递接口(MPI)和整体同步并行(BSP)计算模型,设计PSOBD的并行算法,较好地实现了BSP结构下PSOBD的全局通信操作。为检验并行化后的PSOBD的计算时效,将其用于潜水方程的资料同化并与基于串行的PSOBD的同化数值试验结果比较。大量的孪生同化试验结果的统计分析显示,并行化后的PSOBD与串行PSOBD一样能产生高质量的同化结果,且计算时效相对串行PSOBD提高了13倍以上。这一结果为PSOBD算法用于实际模式的四维变分资料同化(4D-Var)提供了依据。     

非线性扰动方程方法在具有“on-off”振荡的变分资料同化中的可行性

针对一个含有“on-off”振荡的概念模式,研究了非线性扰动方程的伴随方法（NPE方法）在含有“on-off”振荡的变分资料同化中的可行性与有效性。对解析情形,通过非线性扰动分析给出代价函数关于控制方程初值的梯度表达式并将结果用于同化。比较同化数值实验结果表明：当“on-off”振荡出现在控制方程中时,用传统的伴随方法很难捕捉到目标函数的全局最小值点,而用NPE方法,资料同化基本都能给出全局极小值点。     

利用改进的并行粒子群算法对变分资料同化的研究

近年来,为了提高同化精度和减少同化时间,粒子群算法(PSO)被引入到数值天气预报资料同化中来.粒子群算法虽然令同化精度有所提高,但同化时间仍然存在较大缺陷.基于此,首先设计了一种改进的并行粒子群算法(P2PSO),然后应用于含不连续"开关"过程的变分资料同化中,与时变双重压缩因子粒子群算法(PSOTVCF)和动态权重粒...     

应用粒子群优化的高斯粒子滤波

针对高斯粒子滤波(GPF)在多峰高斯假设条件下不能满足贝叶斯估计精度的问题,提出一种基于粒子群优化的高斯粒子滤波算法(PSO-GPF).该算法用粒子群优化算法更新高斯建议分布的参数,解决粒子退化和多峰高斯下的粒子精度问题.同时,带压缩因子的粒子群优化算法能有效平衡粒子的全局探测与局部开采.实验结果表明,新算法的滤波精度比高斯粒子滤波精度平均可提高93.9%,具有更高的稳定性.     

基于粒子群优化粒子滤波的SC-FDE系统信道估计方法

信道估计是SC-FDE系统中接收机对信道进行补偿的前提,针对该系统经典估计算法PF算法存在的粒子权值退化问题,结合粒子群算法,提出了基于粒子群寻优的改进PF算法的SC-FDE系统时变信道估计方法。在分析SC-FDE系统通信原理和建立信道估计动态空间模型的基础上,分析粒子滤波原理,引入粒子群寻优的思想,通过Logistic映射获得随机粒子序列,并利用PSO算法改善粒子分布区域。利用MATLAB软件将PSO PF算法与LS算法、EKF算法、DFT算法进行仿真对比,仿真结果表明,与其他传统信道估计算法相比,PSO PF算法在高斯噪声与非高斯噪声信道环境中均能有较低的误码率与归一化均方误差,并且在慢时变信道环境中性能更好。     

改进的粒子群算法在太阳能光伏发电资料同化中的应用研究

资料同化是目前太阳能光伏发电预测研究的一个关键和难点.近年来,遗传算法和粒子群算法等智能优化算法被引入到四维变分同化中.针对基于分子运动论的粒子群算法(MPSO)在处理大量数据时速度慢的不足,该文提出了并行分子运动论粒子群算法(PMPSO),并行计算的基本思想是将粒子群分成N个子集,每个子集交给一个线程控制,同时进行粒...     

基于粒子群优化的粒子滤波算法应用研究

粒子群优化算法是一种基于群体智能理论的全局寻优算法。文中首先对粒子群优化算法的原理和实现过程进行了研究,然后比较了粒子群优化算法与粒子滤波算法的异同,并将粒子群优化算法引入到粒子滤波算法中,解决了粒子贫乏的问题,提高了每个粒子的作用效果,同时给出了PSO-PF算法的基本步骤。最后将PSO-PF算法应用于自航耙吸挖泥船的泥舱溢流损失估计中,采用实测工程数据进行了仿真,仿真结果表明该PSO-PF算法基本达到了预期的效果,为自航耙吸挖泥船操作人员的施工提供了决策支持。     

改进的粒子滤波算法在目标跟踪中的应用

粒子滤波算法中通常采用先验转移概率代替重要性函数,由此重要性密度函数对后验函数的偏差将增大。将小波去噪应用到粒子滤波过程中,降低了偏差,提高了粒子算法的滤波精度,并将该算法应用到目标跟踪的过程中,通过仿真证实该方法能够提高粒子滤波精度。     

一种新型的简化群优化粒子滤波算法

针对粒子滤波的粒子退化和贫化问题,将新兴的简化群优化(SSO)算法引入到粒子滤波的重采样阶段.SSO算法结构简单,在保留优良粒子的基础上,增加一项粒子随机运动过程,以提供粒子多样性.实验结果表明,新算法不仅有效提高了对非线性系统状态的估计精度,而且具有更高的运算速度.     

粒子滤波在复杂工业过程中的应用

复杂工业过程往往具有不确定性、非线性、大滞后、强耦合等特点,难以建立在线控制模型.为了克服复杂工业过程中的非高斯、强非线性等因素对系统建模的影响,利用粒子滤波算法对非线性、非高斯系统进行全局优化的优势,对系统模型进行优化,使系统模型能够更加准确地反映系统的真实状态,提出一种基于粒子滤波的径向基函数(RBF)神经网络控制...     

结合PSO的PF用于雷达海杂波反演大气波导

在利用粒子滤波(PF)进行雷达海杂波反演大气折射率廓线(refractivity from clutter, RFC)时,PF的重要性采样过程中采用的是次优的重要性函数。为了优化采样过程,尝试将粒子群优化算法(PSO)融入PF中(称为PSOPF方法),并将其用于RFC。PSOPF方法是在PF的每一个预测步骤后,把由预测步骤得到的所有粒子作为PSO的初始种群,并把粒子的重要性权重作为其对应的适应度函数值。为了检验PSOPF的可行性和有效性,对PF方法和PSOPF方法分别进行了大量的RFC理想数值试验,并对每次反演的精度进行了方差估计,对所有数值试验结果的方差进行了统计分析。结果显示,基于PSOPF的RFC质量和稳定性总体上明显好于基于PF方法的RFC。     

具有“on-off”过程的变分资料同化

为了验证伴随方法的有效性,利用一个含有"on-off"振荡的概念模式,研究了含物理参数化不连续性的变分资料同化中,代价函数关于初值梯度的存在性及伴随方法的可行性.结果表明:在解析情形中,尽管控制方程中出现"on-off" 振荡,代价函数关于初值的梯度除个别情形外总是存在的,且可由伴随模式的反向积分来表示.     

基于聚类分析的改进微粒群算法

聚类分析是依据样本间关联的量度标准将其自动分成几个群组,使同一群组内的样本相似,而属于不同群组的样本相异的一种方法．在微粒群算法中由数量不等的粒子根据规则组合成不同的群体,所有的群体最终将会向着一个全局最优的位置运动．本文将通过改进微粒群算法的局部更新规则来改善算法的性能,根据由聚类半径确定初始聚类中心的方法将粒子群进行分类,然后运用该方法对所有粒子进行分类,初始化得到不同的粒子群体,最后对整个粒子群体进行优化得到全局最优解．     

桥梁极值应力的改进高斯混合粒子滤波器动态预测

为合理地动态预测在役桥梁的极值应力信息,应用桥梁健康监测(BHM)系统的长期日常监测极值应力数据,建立非线性动态模型,引入扩展卡尔曼滤波器(EKF)与高斯混合粒子滤波器(GMPF)相结合的改进高斯混合粒子滤波器(IGMPF)预测算法,对监测极值应力的一步向前预测分布参数及其状态变量的后验分布参数进行预测分析,并进行了实例验证.IGMPF不仅可以得到实测极值应力状态的合理重要性函数,还可以解决传统预测方法的短期性和精度不高的问题,为实际BHM系统的动力响应预测提供了理论基础.     

集合Kalman滤波同化方法在福建沿岸潮汐数值模拟和预报中的应用研究

为了提高潮汐数值模拟和预报的准确度,利用《2009潮汐表》,建立了含集合Kalman滤波同化模块的潮汐数值预报模型,对集合Kalman滤波同化模块中的参数进行确定,并对同化效果进行了检验.为了确定集合Kalman滤波同化模块中的参数(主要是集合数和截断半径),考虑了42种参数组合,在这些组合中,以模拟准确度和计算相同时段的潮汐值所需时间为标准,存在最优的参数组合:其中,东山、厦门、娘宫、崇武4个站最优的截断半径为35 km,三沙站最优截断半径为30 km,5个站的最优集合数均为20.实验结果表明:将集合Kalman滤波同化方法用于潮汐数值预报模拟中是可行的,同化验潮站的潮汐表上的潮位数据对验潮站本身及其邻近网格点的潮汐模拟改进最大;当5个站不同化调和数据进去的时候,东山、厦门、娘宫、崇武4个站的模拟准确度,在未来12 h仍然有所提高.     

融合背景信息的改进粒子滤波跟踪算法

为消除传统粒子滤波算法在跟踪目标受到相似背景干扰和遮挡时,容易造成跟踪误差增大或跟踪失效的影响,提出融合背景信息的改进粒子滤波跟踪算法.利用对数似然函数将背景信息融入目标模型,并将目标分为多个子区域增强目标模型的可靠性,有效克服了相似背景对目标的干扰;然后存储一定时间的历史轨迹信息,通过最小二乘法进行拟合并预测下一帧目标出现的位置,有效克服了遮挡对跟踪的影响.实验结果表明,该算法比传统的粒子滤波算法具有更强的抗背景干扰能力,在遮挡情况下也有更好的跟踪精度.     

基于改进粒子滤波的锂离子电池RUL 预测

在基于粒子滤波算法的锂离子电池剩余使用寿命预测过程中, 由于基本粒子滤波算法存在粒子退化问题, 难以保证电池寿命预测的精度。为此, 提出一种基于MCMC(Monte Carlo Markov Chain)的无迹粒子滤波改进算法, 从选取适当的重要性密度函数和重采样过程两方面入手, 更全面地克服基本粒子滤波算法中的粒子退化问题, 进而提高锂离子电池剩余使用寿命预测的精度。实验仿真结果表明, 改进后的粒子滤波算法能更好地跟踪电池容量衰退趋势, 预测精度也明显优于基本粒子滤波算法, 为锂离子电池剩余使用寿命的预测提供了新思路。     

利用单站电离层测高仪与GPS数据的同化反演试验

利用测高仪和GPS观测数据进行了单站电离层电子密度廓线的同化反演实验,实验中设计了一套基于Kalman滤波的电离层数据同化系统,采用了水平和垂直方向可分离的高斯型误差协方差矩阵,利用IRI2000模式作为同化反演的背景场,分别使用了测高仪数据和GPS数据进行了单独同化反演和联合同化反演实验,结果显示：在各类同化参数不改变的情况下,单独利用GPS数据反演结果较好,不仅可以得到较为准确的TEC,电子密度廓线结果也有较好的提升;单独使用测高仪反演的结果较差,在峰高以下电子密度廓线和观测较一致,但峰高以上电子密度廓线和观测比较的结果较差,并且TEC结果和观测也有一定误差;而利用GPS和测高仪数据联合反演的结果最好,无论是反演的电子密度廓线还是TEC值都和观测最为接近.     

粒子滤波在船体大角度变形测量中的应用

研究了粒子滤波在测量船体变形时的应用情况.推导了船体大角度变形时的非线性模型,具体进行了粒子滤波算法的设计,以及小角度和大角度变形情况下粒子滤波的仿真.仿真结果表明,粒子滤波无论在小角度变形情况下还是在大角度变形情况下都得到了满意的测量精度,证明了采用粒子滤波测量船体变形的有效性,讨论了粒子数目对滤波效果的影响以及粒子滤波算法的实时性,指出了粒子滤波算法存在的不足.