关于分布自由的逐步回归集成预报法

继文本文提出在不同信度下,建立多个以秩和为因子的逐步回归方程,尔后应用集成最优法求出最优集成预报方程,它比文中的方法更充分地利用了大量因子的信息,从而提高了预报的精度和可靠性,其回报准确率和试报效果,均比普通逐步回归集成最优方程及文中以秩和为因子的单个逐步回归方程更为优越.     

模糊神经网络在短期电力负荷预报中的应用

提出了一种用于短期电力负荷预报的模糊神经网络方法,该方法可以直接由模糊信息预测出未来一天或一周的各小时负荷,文中通过实际算例验证了所提模型和方法的有效性。     

基于支持向量机和k近邻的太阳质子事件预报模型

应用支持向量机和k近邻相结合的方法,建立了太阳质子事件预报模型。预报因子包括黑子面积、磁分型、McIntosh分型、太阳射电流量、活动区位置和软X射线流量。太阳质子事件模型包括两个子模型：质子有无模型和质子峰值流量模型。质子有无模型能对未来24小时是否发生质子事件给出预报,质子峰值流量模型对已发生的质子事件预报峰值流量等级。用2002年和2004年的数据进行了模拟预报,结果显示模型具有较高的报准率,同时显示出活动区位置和软x射线通量是比较敏感的预报因子。     

太阳耀斑中期预报初步研究

本文在综合作者在太阳活动预报工作的基础上,提出了太阳耀斑中期预报的一种方案,它可以应用于第22太阳活动周的预报业务中. 文中介绍了多元逐步回归、多元判别分析、正交因子分解、多维时间序列分析谱分析,决策理论、风险函数等数学方法在该方案上的具体应用过程.     

组件增殖因子与组件参数的定量关系

为确定 NHR- 10钆组件增殖因子与组件参数之间的定量关系 ,采用 TRANP程序进行组件计算 ,并进行分段低阶拟合和不分段高阶拟合 ,给出了组件增殖因子随燃耗变化的拟合曲线。计算结果表明 :可燃毒物排列与组件增殖因子无关。组件增殖因子与富集度、钆毒物质量分数、可燃毒物根数的近似数量关系可以通过分段低阶拟合来表示。分段低阶拟合比不分段高阶拟合具有更高的精度。这些结果为组件设计和燃料循环研究中组件特性描述提供了一种近似的表示方法     

快速断面图象轮廓间插值

本文提出一种快速断面轮廓间插值方法。以给定分段点数轮廓多边形近似方法为基础,通过各对应多边形分段点间的线性插值,完成从一个断面轮廓到另一个断面轮廓的快速插值。文中给出了快速插值的结果,及使用该结果得到的一个人体器官三维显示的实例。     

面向船体曲面分段建造的空间调度方法

针对船体曲面分段生产调度复杂且具有时空耦合特性,提出船体曲面分段建造动态空间调度方法,建立动态空间调度流程.根据船舶建造分段搭载网络计划图,确定曲面分段建造开始时间和结束时间,并利用空域思想确定船体分段在工作平台上的空间位置;考虑到系统干扰和不确定因素的存在,提出了自适应时空调整策略.最后,以上海某造船厂曲面加工车间分段制造数据为例进行了验证.结果表明,所提出的调度方法能有效地提高船舶生产效率和空间利用率.     

基于曲率的轮廓精确分段技术

提出了一种基于轮廓曲率及曲率累加和曲线的轮廓精确分段方法。不仅吸收了曲率类方法所具有的旋转不变性及计算量少的优点，而且吸收了直接法对单纯直线类轮廓准确分段的优点，实现对复杂轮廓的精确分段。     

面向船体分段建造的二维不规则空间调度方法

针对船体分段建造计划的时空特性和分段投影不规则形状的特点,提出了综合时间和空间的多目标分段建造空间调度优化模型.该模型将船体分段投影抽象为更接近实际形状的不规则多边形,提出分段调度中的悬挂和重叠现象的检验方法和解决方案.设计了具有时空特性的改进粒子群算法,采用均值自适应加权法解决多目标权值分配问题,使目标函数值比例均衡.最后,以船厂实际数据为例进行实验验证.结果表明,所提出的调度方法能有效地提高船舶分段生产效率和空间利用率,并具有较强实用性.     

基于IP地址分段的DDoS路由追踪技术

DDoS攻击已经成为当今网络安全的最大隐患,文中提出了基于IP地址分段的DDoS路由追踪技术,分析了边界路由器IP地址重叠分段方法及在地址重构过程中误报的产生,阐述了降低误报率的方法; 最后,通过在模拟环境下,验证了该路由追踪技术具有误报率低、所需边界路由器少和地址重建复杂度小的优点.     

北京市生活用水年预报模型

采用偏最小二乘回归方法建立了用水量与影响因子之间的回归方程,利用AR模型对各影响因子进行外延预测,将预测的因子值分别代入3个回归模型,通过比较分析挑选出了预报精度最高的回归模型,并利用此回归模型对2003~2010年的北京市年生活用水量进行了预测.结果表明:北京市年生活用水量和前3 a的各项影响因子所组成的回归方程,能够很好地预报出预留年份的年生活用水量;2003~2010年北京市年生活用水量呈明显增长趋势.     

图像检测中自动对准方法及应用

视觉测量技术应用中经常需要测量目标的自动对准。以防伪瓶盖上芯片粘贴过程中的自动对准图像处理为例，采用目标区域的重心点坐标定位，并结合变分辨率的分段最小二乘拟合法来实现直线边缘拟合，分析在拟合过程中容易出现的问题并提出了解决方法。试验结果表明文中所讨论的对准方法适用且有效。     

sc 网络的一种计算机辅助分析方法

本文参照Y P.TSIVIDIS 提示的一种分析法[Ⅰ),讨论了SC(SwitchedCapacitor)网络的计算机辅助分析,其中包括提出算法和编制程序。文中所编的两个程序分别对应于任意输入和分段常数输入两种情况。然后用计算机分析了两个实际电路例子,计算结果是满意的。     

用分段线性化法分析受迫二阶非线性电路的混沌振荡

采用分段性线化方法，分析了一个由线性电感，线性电阻，非线性电容，以在正弦电压源所构成的串联电路，电容的库伏特性用５段折线特性逼近，计算机仿真结果表明，分段线性化方法能够揭示电路的非线性动态演变过程，只是在某些细节上有所偏差，文中还用Ｍｅｌｎｉｋｏｖ方法导出存在横截同宿轨道的条件。     

改进灰狼优化最小二乘支持向量机的锂电池剩余寿命预测

针对锂电池剩余寿命预测的直接健康因子难以测量以及预测精度不高等问题，提出一种改进灰狼优化最小二乘支持向量机（improved gray wolf optimization least-squares support vector machine, IGWO-LSSVM）的锂电池剩余寿命间接预测方法。该方法从电池放电特性曲线中获取3种表征电池性能退化的间接健康因子，通过引入tent混沌映射、收敛因子非线性递减与莱维飞行策略对灰狼算法加以改进，并结合LS-SVM模型，形成了具有全局优化的改进灰狼优化最小二乘支持向量机的锂电池寿命预测模型。最后利用NASA数据集对文中提出的方法进行了验证，并将实验结果与GWO-LSSVM、PSO-ELM和BP神经网络算法进行了对比分析，试验结果表明文中所提出的改进算法具有更好的预测性能。     

36kV电子束轰击炉高压直流开关电源设计

针对高压直流开关电源变压器绝缘易被击穿和输入并联输出串联电源拓扑输出电压纹波大、精度低的问题,提出了改变变压器绕组布局结构的分段式绕制方法和一种数字化错相控制策略。首先,详细给出了分段式变压器的绕制结构和设计方法;其次,基于所建立的占空比与输出电压的数学模型,给出了错相控制策略中最小纹波因数下的占空比设计原则,并对纹波因数进行了定量分析;最后,绕制了分段式高频高压变压器样品,研制了36kV/10A电子束轰击炉电源的样机。实验结果表明:变压器分段式绕制方法降低了副边绕组的层间电场强度,进而可降低变压器绝缘等级,防止变压器绝缘击穿;所提出的错相控制策略可把输出电压纹波由23.2%降低到3.5%。总体来说,所提出的方法和策略提高了36kV电子束轰击炉高压直流开关电源的功率密度和稳定性。     

待发表文章摘要的预报

待发表文章摘要的预报ＸＰＳ中原子灵敏度因子定标方法孙凤久，吴春俐，白质明提出通过ＸＰＳ谱仪探测效率的测定及光电截面和电子平均自由程的计算来推求原子灵敏度因子表的方法，该方法无需对全部元素的ＸＰＳ谱进行实测，是一种简便的用于定量分析的原子灵敏度因子定标...     

基于模态重构与多维评价的时间序列趋势提取

为了准确提取时间序列的趋势特征，提出一种基于模态重构与多维评价的时间序列趋势提取算法。定义重要点作为时间序列分段点的候选集，运用自适应噪声的完备经验模态分解方法对时间序列进行分解和模态重构得到全局因子，使用全局因子度量重要点在整体维度上的重要程度，给出特征因子和边界因子的定义并分别用来度量重要点在单点维度和局部维度上的重要程度，根据3个评价因子综合评价重要点来选取分段点。仿真实验结果表明，该方法具有良好的去噪能力，在相同压缩率情况下的拟合精度比现有方法高，在对心电图趋势提取的实验中也验证了方法的有效性。     

限制性酶切DNA片段的计算机辅助测量

文中对几种测量限制性内切酶解DNA片段大小方法的测量精度进行了比较。在所讨论的方法中有手工半对数作图法、线性回归、组合线性回归、拉格朗日插值法、Southern法及改进的分段函数法和其计算机计算程序。用以上方法检验了λDNA/HindⅢ+EcoRⅠ酶切片段的测量精度,并测量了pSaA基因限制性内切片段大小。结果表明改进的分段函数法给出最小标准方差(Sd)及最优测量一致性。     

含分段连续函数的常微分方程初值问题的求解

在文献启示下,对文献中含分段连续函数的线性常微分方程的初值问题作了推广,进一步提出分段连续函数的Bermoulli(伯努利)方程初值问题,以及含分段连续函数的二阶常系数线性微分方程的初值问题。文中获得了求解这几类初值问题的定理——即公式,直接运用此公式求解简捷明快。