基于变异粒子群优化与深度神经网络的航空弹药消耗预测模型

为了提高航空弹药的供应保障效率,将变异粒子群优化(MPSO)融入深度神经网络(DNN),研究航空弹药训练消耗预测问题。通过DNN确定网络各层的最优激活函数,基于MPSO参数寻优得到网络各层最优的权值和阈值,进而构建MPSO与DNN融合的航空弹药训练消耗预测模型。实验研究表明,该文组合预测模型在对5年数据的预测中均方误差为0.000 9,与粒子群优化-深度神经网络(PSO-DNN)模型、DNN模型以及反向传播神经网络(BPNN)模型相比具有更好的预测性能。     

基于支持向量机的办公建筑逐时能耗预测

针对建筑运行能耗非线性和不确定性强的特点,提出一种基于支持向量机的办公建筑逐时能耗预测方法.采用单变量模型检验法确定模型输入变量,引入网格搜索方法优化模型超参数.使用模型拟合误差的置信区间来描述建筑运行能耗的不确定性.采用实际办公楼案例对所提出的预测方法进行验证.结果表明:网格搜索优化后的模型平均绝对百分比误差(MAPE)降低31.3%,取得更高的模型精度;加入置信区间后不同季节中MAPE均低于1.5%,体现了建筑的运行波动.该方法可为建筑运行诊断及优化提供参考.     

考虑预测误差的模型内插与外推

对结构进行评估时,常需要利用模型的内插与外推结果,且模型的不确定性也是需要考虑的一个重要因素。针对模型参数空间的内插外推问题,本文基于确定性计算模型并联合多次试验结果,计算得到预测误差的不确定性,接着对预测误差的均值与标准差进行函数拟合,并且考虑函数拟合带来的不确定性,通过双层抽样分析得到预测误差的置信区间,再叠加上预测点确定性计算结果进而得到预测结果的置信区间。最后通过不同拧紧力矩下某根部柔性悬臂梁的内插与外推应用检验了该方法的有效性。     

基于遗传算法的SVM-AR改进模型与应用

为提升河流流量的预测精度,将支持向量机与AR进行耦合,并构造三核混合核函数的流量预测支持向量机模型。以渭河流域的月径流量为例,首先,通过时间序列分析,将渭河流域的径流序列划分为趋势序列、季节序列和随机波动序列,然后利用AR模型构造适用于支持向量机算法的数据集,并将数据集按4∶1划分为训练集和检验集;其次,利用线性组合构造由多项式核函数、径向基核函数与Sigmoid核函数构成的三核混合核函数,在训练集上,采用遗传算法确定相关参数,随后在检验集上进行预测。结果表明:遗传算法确定参数会带来较大的不确定性,导致结果差异较大,从而着重讨论遗传算法带来的参数不确定性;通过函数构造与统计分析,给出三核混合核函数参数选择的一般性方法与流程,并进行验证,该参数选取方法能够降低遗传算法的不确定性,得到精度较高的流量预测结果,预测流量与实际流量的均方误差从150左右降低到130左右。     

一种战时航空弹药需求预测方法

针对目前航空弹药作战需求仅从总量考虑,忽视需求结构的问题。研究从总量及结构两个角度对作战需求进行综合预测,分别构建了航空弹药的作战需求总量预测模型及需求结构模型,对航空弹药作战需求进行更精准的预测。通过对近两次局部战争中的航空弹药需求量变化规律进行分析,得出航空弹药需求总量预测的威布尔分布模型,在需求总量预测基础上,结合航空弹药作战的具体情况,构建了航空弹药需求结构模型,运用层次分析法求解,获得航空弹药需求的最优结构,并结合实例对方法的有效性进行验证分析。研究得出的最优结构模型能够在一定条件下精准地预测战时航空弹药的需求量,为决策者提供可靠的参考及依据。     

组合预测法在弹药消耗预测中的应用

提出了利用组合预测法预测弹药消耗的设想,建立了基于BP神经网络的弹药消耗组合预测模型,并对弹药消耗影响因素进行了初步探讨,为今后弹药消耗预测的研究工作提供了参考依据。     

基于核函数切换和支持向量回归的交通量短时预测模型

基于高速公路交通量短时变化的非线性、不确定性和复杂性,利用支持向量回归模型,提出一种核函数切换的预测方法.首先,通过历史数据构建不同核函数的支持向量回归模型并对历史数据进行拟合,根据拟合的误差确定不同时刻对应的最优核函数类别;然后根据历史数据及确定的不同时刻的核函数类别训练支持向量分类机;最后利用支持向量分类机确定预测时刻最优的核函数类别,选取相应的支持向量回归模型进行预测.实例分析表明,与传统的支持向量回归模型相比,含核函数切换的预测方法预测精度较高,且具有较好的鲁棒性.     

制导杀爆弹毁伤效能评估的应用研究

基于真实目标等效结构研究制导杀爆弹毁伤效能评估的应用.针对红外成像和GPS两种制导模式,分析末端弹道特征对于确定弹药研究毁伤效能与引信炸高、制导精度之间的联系.通过分析结果可见,采用红外成像制导模式,炸点随着炸高的提高离瞄准点的距离逐渐变远,破片群难以命中目标;采用GPS制导模式,炸点可通过弹载计算机计算调整炸点于目标上方,破片群向下可命中目标,对目标的毁伤效果较好;所以,弹药的毁伤效能除了与战斗部、引信有关,还与导引头的制导模式相关.通过仿真分析,制导模式对战斗部动爆威力场影响不大,因此在战斗部研制过程中可不考虑弹药的制导模式,而只采用动爆条件下的毁伤幅员对战斗部的毁伤效能进行考核,以优选出最佳战斗部结构和炸高.      

航空弹药毁伤狭长目标效果评估方法研究

拟订了一种毁伤狭长目标的毁伤判据,分析了航空弹药相应的散布特性,给出了利用非制导航空弹药毁伤狭长目标毁伤效果评估的一种方法和一种近似解法。     

考虑导引头视场角的仿生分段复合制导律研究

由于可带载荷重量尺寸限制,微小型弹药会采用捷联式导引头.弹药末段攻击时,小的需用视场角可以确保对目标的有效跟踪和打击.自然界中,蜻蜓捕食果蝇的追踪策略与轨迹可以提供参考.基于蜻蜓追捕目标的追踪策略,提出分段制导律,即在追踪目标时初始段会快速调整弹药姿态进入尾追模式,并在追踪后半段使用运动伪装的追踪策略捕捉目标.初制导段利用滑模控制律对视差角进行控制,使弹药调整至尾追姿态,末制导段运用焦点位于无限远的运动伪装制导律进行目标跟踪,初制导段与末制导段间采取二阶平滑交接律进行过渡.仿生分段复合制导律仿真结果表明,与传统比例导引律相比,在末制导段中弹药的需用过载小,目标更接近视场中心位置,能够减小弹药在末制导段受机体的可用过载和导引头的视场限制,有效提高攻击精度.      

基于Bootstrap的小样本可靠性评估方法

针对小样本情况下,采用极大似然估计Mle法求解分布参数会产生较大误差的问题,基于Bootstrap数据扩充的思想提出了B-mle法,减小了参数估计的误差.首先,利用Bootstrap法对小样本数据重抽样产生多组再生样本,达到扩充数据样本的目的;其次,对再生样本采用极大似然估计求解分布参数,得到多组参数的极大似然估计值,...     

复合地层小直径隧道掘进机掘进速度区间预测

合理准确预测隧道掘进机(tunnel boring machine,TBM)的掘进速度是实现TBM智能化控制的关键问题之一,复合地层小直径TBM施工的不确定性较常规地质条件更强,而传统预测方法对施工过程的不确定性考虑不足。在此通过引入区间预测方法,提出基于4种不同Bootstrap方法结合KELM-ANN模型的TBM掘进速度区间预测模型,并以南水北调安阳输水隧洞工程为例,选取142组工程实测数据验证区间预测模型的有效性。研究结果表明:基于Rademacher分布建立的模型预测结果优于其他3种方法,不仅可以得到较好的点预测结果,还可以构造出较为清晰可靠的区间将掘进速度实测值完全包络在内;随着置信水平的提高,区间可容纳的不确定性和风险也逐渐上升,通过变化区间宽度,能较好地量化和解释TBM施工过程中的不确定性因素对掘进速度的影响。研究结果可为TBM掘进性能预测和掘进参数优化提供参考。     

基于Bayes估计的民航维修人为差错评估技术研究

研究了基于Bayes估计的民航维修人为差错评估技术。首先,将维修人为差错概率视为随机变量,利用航空公司积累的历史信息作为先验数据,以THERP手册提供的5%分位点作为维修人为差错概率中值,运用点估计法确定维修人为差错的先验分布模型。其次,给出了Bayes先验分布参数的求解方法。最后,选取验后Beta分布的中值作为θ的贝叶斯估计,构建了民航人为维修差错概率计算方法。通过实例分析,可以看出随着维修次数的增多,维修人为差错概率就越接近于极大似然法估计的失效概率。现场数据的检验反映了该评估方法的有效性、精确性和实用性。     

基于预测误差的用水预测模型选择方法研究

时间序列法是用水量预测的常用方法,其中预测模型的选择是提高预测精度的关键.针对目前以拟合精度作为模型选择标准的方法,提出了以预测值的置信区间最小为标准选择预测模型的方法.以山西省运城市工业用水量资料为例,分析给出了幂函数、S函数、直线、指数函数、二次和三次抛物线等6个模型95%置信水平下5年和10年两种预测期的预测区间,均以幂函数预测精度最高;对该系列近5年的用水量进行了预测,预测误差也以幂函数最小.表明以预测区间最小选择用水预测模型的方法是合理的、可靠的.     

基于极点对称模态分解-分散熵和改进乌鸦搜索算法-核极限学习机的短期负荷区间预测

针对确定性负荷点预测存在不同程度误差及难以反映电力需求不确定性的问题,提出一种基于极点对称模态分解(extreme-point symmetric mode decomposition, ESMD)-分散熵(dispersion entropy, DE)和改进乌鸦搜索算法(improved crow search algorithm, ICSA)优化核极限学习机的短期负荷区间预测模型。首先用ESMD将原始负荷时间序列分解为多个特征互异的子序列,降低了原始非平稳负荷序列对预测结果的影响,并计算各子序列的分散熵,将熵值相近的子序列重组为新序列以降低计算规模;其次,基于上下限估计法,利用ICSA算法对核极限学习机(kernel extreme learning machine, KELM)输出权值进行优化,得到最优预测区间上下限,并以此分别对各新序列进行区间预测;最后将预测结果叠加得到最终的预测区间。仿真结果表明,所提模型有效提高了负荷预测区间的质量,为电力系统决策工作提供有力支持。     

基于非规则分布样本的航段油耗区间估计

飞机航段油耗估计是航空公司进行节能减排的重要基础。多因素影响下的航段油耗样本的非规则分布特征会导致一般的区间估计方法得到的估计区间质量较低,针对以上问题,提出了基于支持向量分位数回归(support vector quantile regression, SVQR)和Bootstrap相结合的航段油耗区间估计方法。利用SVQR非对称形式的绝对值残差最小化的思想估计航段油耗的条件分位数,并将其作为Bootstrap的输入来估计航段油耗总体的统计量,由于相同机型、航段的油耗样本总体满足正态分布,最后构建一定置信度的估计区间。实验结果表明：该方法的估计区间可信度更高、平均带宽更窄、提高了估计区间的质量。该方法能为航空公司合理的估计油耗及制定碳排放监测计划时提供参考。     

关于非参数回归模型的误差密度估计

运用泰勒展式讨论了非参数回归模型中未知误差分布函数f（e）的核密度估计fn（e）的渐进性质,以及估计量fn（e）中光滑参数的选择,并给出了f（e）的置信区间．     

基于支持向量机的机械零件剩余寿命区间估计

为提高机械零件剩余寿命估计精度,提出了一种基于支持向量机(support vector machine,SVM)的剩余寿命区间估计模型.简要介绍SVM的线性及非线性理论,分析SVM输入变量与输出变量间的统计关系,将机械零件性能退化指标和剩余寿命分别作为SVM输入变量及输出变量.假设输入变量与残差相互独立且残差分布类型已知,采用极大似然法估计残差的分布参数,在此基础上推导一定置信水平下SVM输出变量置信区间.将均方误差作为SVM预测误差的衡量指标,应用变步长网格搜索法确定SVM参数.通过实例说明所提模型能够准确对机械零件剩余寿命进行区间估计,具有较强的工程应用价值及通用性.