基于云理论的径流不确定性推理模型研究

针对中长期径流预报中存在许多不确定性因素,本文引入云理论构建径流预报的不确定性推理模型（UR）.首先,该模型应用最大方差方法（MaxVar）对径流序列进行硬性分级,用级别概念表示径流分级区间,以期望（Ex）、熵（En）以及超熵（He）构成的云隶属函数描述径流级别概念的模糊性和随机性,实现分级区间软化,然后将径流量值进行属性转化,以此建立定性推理规则集,运用云算法进行径流不确定推理预报,成功实现径流序列不确定性传递;其次,对径流分级过程中超熵（He）参数确定进行了初探,对推理随机性输出结果进行统计分析,给出相应显著水平下的预报区间;最后,将该模型应用于南方某水库入库月径流预报中,并与广泛应用的最小二乘支持向量机（LSSVM）和ARMA模型进行比较分析,本文模型不仅具有较高的预报精度,而且能够进行区间预报,实例验证说明了模型的有效性和实用性.     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

用混合回归模型预测黄河三门峡站年径流变化的初步研究

年径流形成过程受到很多因素的影响,对其未来的精确描述十分困难,常用的成因预测法和统计预测法都有其一定局限性.以年径流作为自回归因子,降水、气温和用水做为回归因子,建立了年径流预测的混合回归模型,并以黄河三门峡站为例,对黄河三门峡站天然年径流未来变化进行了6种方案下的预测.研究表明,混合回归模型既能较好地模拟气温、降水及耗水变化对年径流量的影响,也能体现年径流自身的演变规律.     

基于水热耦合平衡方程的黄河流域径流变化归因分析

选择黄河流域38个典型子流域为研究对象,基于流域水热耦合平衡模型,计算了各流域径流对气候和下垫面变化的弹性系数;进一步针对各流域在1961~2010年间的径流变化,定量区分了气候变化和下垫面变化对各典型子流域天然径流减少的影响程度.结果表明:径流的气候弹性和下垫面弹性具有一致性,黄土高原地区的水文过程对气候和下垫面变化更加敏感.下垫面变化对绝大多数子流域的径流量减少起主导作用,特别是黄土高原地区水土保持对径流的影响不可忽视.本研究表明,基于流域水分-能量耦合平衡方程的径流弹性分析方法,对定量区分气候和下垫面变化对流域径流的影响具有广阔的应用前景.     

日径流预报贝叶斯回声状态网络方法

回声状态网络（ESN）相比传统递归神经网络,具有模型简单、参数训练速度快的特点．针对标准ESN因常采用线性回归率定模型参数容易出现过拟合问题,提出了基于贝叶斯回声状态网络（BESN）的日径流预报模型．该模型将贝叶斯理论与ESN模型相结合,通过权重后验概率密度最大化而获得最优输出权重,提高了模型的泛化能力．通过安砂和新丰江两座水库日径流预测实例表明,BESN模型是一种有效、可行的预测方法,与传统BP神经网络和ESN模型对比,进一步表明BESN模型具有更好的预测精度．     

基于PLS及时间序列法的卷烟销量组合预测方法

以A省及17个地市约七年间的销售面板数据为研究对象,首先建立三个单项预测模型,即Hoher—Winter季节乘积模型、时间序列分解法模型和偏最小二乘回归模型。在得到三个单项模型预测值之后,再运用组合模型方法,对三种模型的预测结果进行优化。实证结果显示,本组合预测方法更进一步的提高了预测精度,同时对卷烟销量预测实际工作具有借鉴意义。     

顾及大坝位移残差序列混沌效应的GA-BP预测模型

针对大坝观测数据常规模型训练后的残差混沌效应及模型回归方法的拟合度等问题,文中融合遗传算法与神经网络的数据训练优势,通过构建的遗传神经网络(GA-BP)算法对大坝变形观测序列资料进行回归提取残差序列.基于位移回归残差序列的混沌特性,利用混沌理论对其残差序列进行数值分析,并将残差预测结果与GA-BP预测模型进行叠加.据此,提出了考虑大坝变形残差序列混沌效应的GA-BP监控预测模型.实例表明,文中建立的预测模型的计算精度及收敛速度均得到提高,且考虑残差影响的大坝监控模型的预测效果得到了有效的提升.该模型的建模方法亦可推广应用于边坡及其他水工建筑物的安全预警.     

不确定概率分布下的重要性测度及其稀疏网格解

针对基本输入变量概率分布信息不可准确预知的情况，对基本变量基于方差的重要性测度进行分析，建立了随机不确定性分布参数，区间不确定性分布参数以及随机和区间混合不确定性参数条件下的3种重要性测度指标．该指标体系能够反映3种不确定性分布参数条件下，输入变量对结构系统输出性能的影响．由于基于方差的重要性测度计算量大，文中采用稀疏网格方法在每一分布参数实现值处进行计算．针对3种不确定性分布参数情况，分别利用稀疏网格方法和稀疏网格方法结合遗传算法对所提的重要性测度指标进行计算．通过数值算例和工程算例说明所提指标的合理性和所采用方法的高效性．     

参数不确定情况下结构系统重要性分析

为分析随机变量分布参数的主观不确定性对结构系统安全性能的贡献,建立了分布参数主观不确定性对结构系统功能函数和可靠度指标基于方差的重要性测度模型.通过对功能函数的各阶矩进行一阶泰勒展开,将局部参数灵敏度的计算和重要性测度的计算联系起来,并利用功能函数的各阶矩来近似结构系统的可靠度指标,从而建立主观不确定性参数对功能函数和可靠度指标影响的重要性测度求解方法.通过对数值算例和工程算例的分析,对比说明了文中方法在保证计算精度的条件下具有高效性,同时计算结果也提供了减小结构系统输出响应变异性和提高结构系统可靠性的途径.     

基于Boosting梯度下降理论的时间序列建模方法

在预测问题中有很多实际问题具有时间序列特性,如何分析并建立合理的时间序列预测模型具有重要的理论价值与广泛的应用前景.随着对时间序列研究的逐步深入,时间序列预测模型变得越来越复杂,建模过程对设计技巧依赖性越来越强.如何设计一种不依赖于操作者的能力和经验,并且具有良好效果的建模方法呢？本文在集成学习理论的基础上,提出了基于Boosting梯度下降理论的自回归模型集成（AREnsembleLearning,AREL）建模法,从理论上分析并论证了该建模法的有效性.为了避免AREL精确拟合每一个训练样本点,在建模过程中引入了？-不敏感损失函,从而降低随机噪声对时间序列预测模型的影响.进而为了提高AREL对非平稳时间序列的处理能力,提高算法的鲁棒性,防止发生过拟合,降低算法对模型阶次设置的敏感性,提出了基于AREL的加权k近邻（weightedkNN）预报法.通过实例测试,并对结果进行了讨论,验证了所提出的建模法与预报方法的有效性.     

三维紊流悬沙数学模型及应用

根据紊流随机理论, 导出了各向异性紊流的Reynolds应力的数值格式. 将精细壁函数应用于边壁处理. 将传统的悬沙运动、床沙级配控制方程推广到三维模型. 给出了床面附近含沙量表达式. 建立了三维紊流悬沙数学模型. 用葛洲坝水利枢纽建库前后水沙资料对该模型进行了检验, 结果基本一致. 将该模型应用于三峡工程坝区泥沙冲淤问题的研究, 预测了三峡工程建成后坝区上游河段泥沙冲淤发展过程及其分布、河床淤积物级配组成及不同时期、不同高程的流场、含沙量场等, 计算结果与物理模型试验值比较接近.     

电力系统能量与备用联合优化与精确调度

随着能源与环境危机日益严重,如何建立精确调度模型成为电力市场逐步完善过程中的一个迫切需要研究的课题．目前广泛采用的建模方式是将时间离散化,建立离散时间调度模型,本文首先举例说明离散时间调度模型中所定义的备用容量上、下限存在不可达的情况,即离散时间调度模型中的备用容量上、下限约束条件不严格,从而造成实际调度时存在旋转备用容量无法满足实际需求的情况．通过对机组出力方式与爬坡率关系的详细分析,证明了任意调度时段内机组精确可达的备用容量上、下限与该时段首末时刻机组输出功率相关,并给出了精确可达备用上、下限的计算方法．基于上面的分析结果,建立了能量与备用联合优化与精确调度模型,该模型将能量与备用联合精确调度这样一个连续时间最优控制问题建模成一个非线性规划问题,从而极大地降低了问题的复杂性,避免连续时间最优控制问题所存在的求解困难．应用序列二次规划法对模型进行了数值求解,并对结果进行了讨论,进而验证了模型的有效性．     

基于证据理论的结构非概率可靠性拓扑优化设计

考虑数据信息较少以及认知水平有限情况下的不确定性对于结构拓扑优化具有重要意义.本文引入证据理论处理不精确的数据信息,采用证据理论的不确定测度克服精确概率约束模型建立的困难,并结合拓扑优化策略,形成了基于证据理论的可靠性拓扑优化设计模型.为了提高不确定测度的计算效率,提出了仿生智能优化算法和不精确极值思想相结合的改进优化算法来降低焦元数目和极限状态函数极值求解所导致的计算量.通过两个桁架算例对所提方法进行验证,结果表明,确定性优化结果可能是不确定情况下的失效解,虽然基于证据理论的最优设计在重量和拓扑形式上相对于确定性优化结果偏保守,但具备抵抗不确定波动的能力.     

商用车ABS预测控制方法研究

针对商用车制动过程中存在的强烈非线性和模型不确定性问题,建立了整车七自由度转向制动状态空间模型,提出了一种非线性连续预测控制方法,设计了基于滑移率的ABS非线性预测控制器.在控制器设计中,利用泰勒级数展开对系统状态进行适当的截尾处理,获得了系统预测模型,并将ABS路面识别算法引入参考轨迹设计,提出了多路面下的参考轨迹模型.当路况发生变化时,参考轨迹也发生相应的变化,而且在系统中引入了积分反馈,以增强系统的鲁棒性.仿真研究表明,当ABS存在建模误差、载荷变化和干扰时,该非线性预测控制器仍能够获得良好的动态响应和鲁棒性.     

基于核和测度的连续区间灰数Verhulst预测模型构建与应用

针对现有区间灰数Verhulst对整体呈现"S"形变化特性的连续区间灰数序列模拟误差较大的问题,通过分析构造序列的特征,提出一种改进的连续区间灰数Verhulst动态预测模型,即先分别构建连续区间的核序列和测度序列,继而建立核序列的灰色Verhulst预测模型和测度序列的灰色Verhulst预测模型,最后构建区间上下界预测模型。将此模型应用于青海玉树地震伤病员人数的预测,并与多种典型Verhulst预测模型进行对比,结果表明该模型预测精度更高,模拟效果更好。     

基于随机时间自动机和统计模型检验技术的无线传感网络协议建模与分析

近年来,传感器技术得到了长足而有效的提升,无线传感网络（WSN）以其开放、动态的特征获得了极大的关注,并成为了互联网计算的一个重要组成．WSN系统行为复杂,经常面临信息丢失、节点动态变化等不确定因素,且网络中的节点一旦部署将很难更改、维护．因此,为了保证相关应用的正常工作,在系统设计阶段对WSN中的底层协议进行质量保障就成为了一项非常重要的研究问题．系统设计人员不仅需要保证协议功能上的正确性,还应该评估协议在目标工作环境下的性能,以保证其可以胜任相应的工作需求．针对以上问题,本文提出了一种基于随机时间自动机和统计模型检验技术的WSN协议建模、分析和评估途径．在建模阶段,首先将采用时间自动机对协议在理想环境下的基本业务流程进行建模．考虑到WSN系统实际工作中会遇到的各种不确定性因素,将用带权分枝来对模型进行扩展,生成协议的随机时间自动机．在验证阶段,首先采用经典模型检验技术,在理想时间自动机上检验相关功能性质,保证协议工作逻辑的正确性．为评估协议在不同条件下的具体性能,则在随机时间自动机上用统计模型检验技术对其进行数值分析,以进行参数配置、性能预测、协议比较等工作．为展示该途径的可用性及其技术细节,本文对两种著名的WSN时间同步协议,TPSN和FTSP分别进行了完整的建模与评估．     

基于模糊时间序列的国内旅游需求预测

在分析了大量经典模糊时问序列模型的基础上,将其引入国内旅游需求预测,指出了其在区间划分上存在的问题。结合聚类算法的优点对区间划分进行处理,提出了基于改进聚类算法的模糊时间序列模型对国内旅游需求人数加以预测。研究结果表明,该模型在保证较高预测精度的前提下,简化了计算,且易于理解,具有较好的应用价值。     

二元年径流演化模式及其在无定河流域的应用

由于受人类社会活动影响的不断加强,流域水循环过程变得越来越复杂.探索流域年径流量的演变规律对定量分析变化环境中的水资源状况和预测流域未来水资源的演变规律具有特别重要的意义,因为以年为时间尺度能最好地反映天然和人类活动驱动下的流域水资源变化规律.在水资源的二元演化模式下提出了年径流的天然-人工二元演化理论,并在黄河中游的无定河流域进行了应用.应用实例中着重对无定河流域下垫面动态变化情况下的降水径流关系进行了深入的对比分析,并提出了代表流域水保措施的水保指标面积的概念,利用水保指标面积来反映流域下垫面条件,并建立了反映流域下垫面动态变化的降水径流经验模型.     

外商直接投资对内蒙古经济影响的实证分析

本文运用计量分析的方法对内蒙古1988-2007年间外商直接投资和国内生产总值之间的关系进行研究,通过线性回归模型检验、协整检验和因果关系检验,得出结论：外商直接投资对内蒙古经济的增长具有显著影响、二者呈长期均衡关系并存在因果关系.最后提出了吸引外资的建议.     

基于ConvJANET的航空发动机剩余寿命预测及其不确定性量化

航空发动机技术是衡量一个国家科技水平和工业实力的重要标志,健康状态监测和剩余使用寿命(remaining useful life, RUL)预测技术是航空发动机安全服役、经济运行的重要保障.针对航空发动机RUL预测精度较低、不确定性难以量化的问题,本文提出了一种数据驱动的航空发动机RUL区间预测方法.首先,在ConvJANET框架下构建新的卷积-卷积循环-全连接结构的深度学习模型,逐层提取航空发动机监测数据中的退化特征;其次,利用极大似然思想指导神经网络模型的优化求解,并基于损失函数形式变化的策略训练模型,实现对航空发动机RUL的高精度预测与不确定性量化.将所提出的方法用于分析航空发动机退化数据集,结果表明,对比传统基于蒙特卡洛的方法,本文提出的方法具有更高的RUL预测准确率和更好的置信区间预测性能.