可实现的DSA态势感知和决策的因果推理

【目的】针对系统能否准确确定原位策略一致性的运行状态这一问题,当前研究主要基于先验模型的全局运行约束以降低系统性能为代价来达到低的风险性。为弥补其中缺陷,提出一种可实现动态频谱接入(DSA)态势感知和决策的随机推理方法。【方法】在DSA系统的环境感知和决策制定中应用概率结构因果模型以及多属性决策理论来获得概念界定、灵活性和潜在功效上的优势,并利用一阶逻辑和DSA内在的不确定性对感知和决策进行管理。【结果】构建了推理结构的数学表达,并实现一种基于多实体贝叶斯网络(MEBN)的DSA-SCM概率建模方法。【结论】提出的原位概率随机推理方法性能更高,灵活性更强。     

基于知识影响图的多Agent集成诊断与决策

建造一种包括应用Agent和系统Agent的2层多Agent诊断系统结构，提出应用Agent诊断与决策及系统Agent全局决策的集成方案；设计基于知识的诊断与决策影响图及推理方法，分别用于应用Agent内部的诊断与操作决策、局部的运行决策、以及系统Agent的全局运行决策；实例证明了方法的可行性。     

联合结构和随机相关性的风电机组机会维护策略

【目的】针对风电机组系统内部结构复杂，子系统间相互耦合、维护费用高的特点，提出了联合考虑结构相关性和随机相关性影响下的风电机组的机会维护策略。【方法】首先，用Weibull分布描述风机组子系统的劣化趋势，并根据子系统间的随机相关性表达子系统的综合故障率和综合可靠度。其次，通过经济相关计算维护准备费，用不同维护方式下的维护概率计算维护调整费，用结构相关计算停机损失费，以总维护费用为目标函数建立模型。【结果】算例分析表明：考虑随机相关性时，受随机相关性影响的子系统的预防维护周期变短，系统的维护费用有所增加；而联合考虑随机相关性和结构相关性后，可分摊的停机损失费用增加，总维护费用降低。【结论】提出的机会维护策略更符合风电机组实际运行情况，在保证风电机组子系统高可靠性的同时，维护费用也大大降低。     

带不耐烦顾客和工作故障的多重休假排队系统

【目的】为了拓展随机排队理论,在M/M/1多重休假排队模型的基础上,引入不耐烦顾客和工作故障策略,建立了一个新的排队模型。【方法】构建系统稳态下的平衡方程,运用母函数法求解,推导出服务台处于不同状态时系统中顾客数的概率母函数,进而得到系统稳态下平均队长等性能指标的表达式,通过数值举例分析系统参数与系统性能指标的关系。基于博弈论知识,构建效用函数优化模型,分析顾客的均衡策略以及社会最优策略。【结果】建立并分析了带有不耐烦顾客和工作故障的多重休假排队系统。【结论】为现实排队中服务商和顾客提供风险预测和决策评估。     

基于安全域的输电系统概率安全评估系统框架

针对输电系统概率安全评估问题,提出了一种基于安全域的输电系统概率安全分析系统的模型.介绍了该模型的构成、实用动态安全域和割集电压稳定域在概率安全评估中的应用,以及概率安全评估的计算步骤.该系统应用最新的安全域的研究成果,在能量管理系统数据的基础上,通过对安全域、随机潮流的计算,实现了输电系统在线概率安全评估.给出的动态和静态不安全概率指标,可用于指导运行人员进行预防性控制决策.     

一种D-S证据推理的BPA获取方法

针对多传感器数据融合中D-S证据推理方法的基本概率赋值获取存在主观性的问题,结合粗糙集理论,通过定义规则强度和决策扩充规则,提出一种基于决策表的证据获取和基本概率赋值客观确定方法,并以具体算例验证了方法的正确性和有效性。     

基于BDD的新因果图算法及在银行外部欺诈风险中的应用

【目的】针对因果图传统推理方法中不交化割集的推理过程太过繁琐的问题,提出利用二元决策图(BDD)的推理方法。【方法】首先将因果图转化为标准化因果树,再转化为BDD结构,然后 通 过 搜 索 路 径 直 接 得 到 简 化 的 不 交 化 割 集。【结果】理论分析表明,该方法避开了求解最终割集的过程以及去除冗余的不交化割集的过程,从而降低了因果图推理中的计算复杂度。【结论】将新方法应用于银行外部欺诈风险实例中进行分析,通过与传统推理过程相比较,新方法更高效。
     

基于信令分析的移动数据网络业务投诉系统的实现

【目的】针对中国移动运营商面临的客户投诉难定位、投诉现象难复现、投诉发生时信令难回溯等难点问题,研发一个基于信令分析的移动数据网络业务投诉系统。【方法】系统通过设计包括网络质量监控、投诉处理等功能的关键性能指标(Key Performance Indicators,KPI)系统及投诉分析和处理机制,从业务数据中挖掘网络隐患,深入分析数据业务网络性能,快速准确定位影响用户感知和网络性能的异常原因,帮助工作人员有针对性地对不同区域进行网络优化工作。【结果】性能测试结果表明,系统可以快速地感知客户上网的情况,通过优化网络的性能来提升客户的满意度。【结论】从系统运行的结果来看,本研究设计和实现的系统基本达到了预定的效果。     

基于深度压缩感知的脑电情感识别

【目的】传统压缩感知中存在观测矩阵对信号适应性和重构算法对字典依赖性的问题，深度压缩感知则利用深度学习的方法解决传统压缩感知中存在的问题。【方法】利用深度信念网络(DBN)能够在不破坏观测矩阵随机性的前提下对信号进行自适应压缩，同时利用栈式自编码器(SAE)可以端到端地训练重构网络来摆脱重构算法对稀疏字典的依赖性，根据信号的稀疏表示中所具有的判别性，提出基于DBN和SAE的压缩感知识别模型(CS-DBN-SAE)。【结果】在DEAP情感脑电数据库上的四分类实验结果表明，CS-DBN-SAE模型的识别率达到83.29%,相比于传统压缩感知识别模型均取得了4.3%以上的提升。     

具有范数结构多目标优化问题的近似方法及应用

【目的】研究了一类特殊的具有范数结构的多目标优化问题,并应用于解决实际问题。【方法】针对这类多目标优化问题的求解,基于标量化思想,在适当假设条件下提出了一种近似方法。【结果】可以通过调整几类参数的取值范围获得多目标优化问题的Pareto解。【结论】利用具有范数结构的多目标优化模型和本文提出的近似求解方法于绩效管理中基础工作量的设置和电厂发电机的分配问题。