一种新的暴雨灾害预报非线性建模方法

针对一般模块化模糊神经网络(MFNN)的门网络普遍采用模糊C均值聚类算法(FCM),没有对样本特征进行优化的问题,提出了在门网络中采用模糊核聚类算法(FKCA)替代模糊C均值聚类算法,构建了一种新的模糊核聚类模块化模糊神经网络预报模型.进一步采用动力消空算法、切比雪夫多项式展开方法和自然正交展开方法对预报量和预报因子进行计算处理后,分别建立了普通模块化模糊神经网络和模糊核聚类模块化模糊神经网络暴雨预报模型.利用这两种预报模型进行的暴雨预报试验表明,在相同的条件下,改进模型具有更高的暴雨预报TS评分.     

一种基于MDE的形式化组合建模仿真方法

大规模的联合建模与仿真迫切需要提高模型及仿真的可组合性.针对实现可组合仿真的主要问题,分析并提出了基于不同抽象程度的组合仿真的层次化功能结构模型.结合MDE模型驱动工程的设计思想,应用形式化建模的相关方法和π语言,提出了覆盖可组合仿真系统设计整个生命周期的一整套开发方法.同时,建立了基于MDE的模型映射机制,实现了基于一系列工具支持的不同模型之间的相互关联和转换,并在某大型分布式仿真系统开发中得到了应用.     

医学仿真中一种高效的生物组织几何建模方法

在生物医学仿真系统的应用背景下,以医学体数据为数据来源,提出一种高效的生物组织几何建模方法。该方法包括等值面提取、等值面预处理、Delaunay表面重建和四面体填充四个部分。引入基于二义性检测索引表的Marching cubes算法,保证生成等值面拓扑的正确性;提出三角形顶点射线法去除等值面简化后内部遗留的冗余网格;引入顶点控制球策略,克服限定Delaunay细分算法无法收敛的缺陷,有效生成Delaunay表面模型;提出自适应的内部节点添加技术进行Delaunay四面体填充。实验表明,提出的方法在有效保证网格拓扑的基础上,可根据需求生成满足Delaunay准则的目标组织几何模型。生成的模型已应用于生物医学仿真系统。     

数据驱动与模块化控制模型相结合的生产系统快速建模方法

为了快速建立面向离散型生产系统的仿真模型以及提高模型的可维护性、可扩展性,提出了数据驱动与模块化控制模型相结合的仿真建模方法.该方法将仿真建模过程划分为设计阶段和开发阶段,在设计阶段,利用IDEF0和IDEF1X建模方法构建模型的底层数据结构;在开发阶段,建立各种模块化模型模板,并构建模型生成器,模型生成器利用底层数据结构提供的属性信息,自动对模型化模型模板进行实例化,快速构建面向具体应用对象的仿真模型.最后以某研究所的机加车间为例,验证了该方法的有效性.     

基于神经网络方法的大型电网短期负荷预报

电力系统负荷预报研究现状,介绍了神经网络方法应用于电力系统短期负荷预报的可行性及存在的问题。详细讨论了应用BP神经网络、共轭梯度算法改进BP神经网络方法进行电力系统短期负荷预报的算法,及在预报过程中对电网负荷数据进行预处理方法。分别应用二种方法对东北电力系统进行了72小时短期负荷预报仿真。仿真结果表明,BP神经网络训练时间长,预报精度低;而共轭梯度算法改进BP神经网络算法训练步数大大减小,缩短了网络训练时间,而且提高了预报精度。该方法可行,可用于电力系统短期负荷在线预报。     

一种基于网格的数据集成服务系统分析

网格技术越来越多的应用于仿真领域中。仿真程序包含很多数据密集型应用,它们需要使用大量分布的数据库资源。如何访问和操作这些异构的数据库资源是应用程序的关键问题。在利用现有的访问网格中异构数据源方法的基础上,提出了基于网格服务的异构数据源集成体系结构,可以在应用过程中动态绑定数据源;同时在选择数据服务的时候采用基于Qos的选择模型,可以有效的避免服务失效的现象。     

基于组件的一体化建模仿真环境(CISE)研究

从分析HLA仿真的不足出发,介绍了基于组件、MDA等先进技术开发的集中/分布/并行一体化建模仿真环境(CISE),并阐述了CISE的主要设计目标:实现模型资源可重用和一体化建模仿真,以同时支撑分析评估类仿真和过程演示类仿真,同时对CISE的主要概念、功能结构、关键技术和应用流程等作了详细描述。     

基于智能空间环境的群体行为建模研究

为了能够逼真模拟复杂虚拟环境中大规模群体行为,在国内外相关研究成果基础上提出一种基于分层智能空间环境的群体行为模型建模方法.基本思想是把传统的三维连续地理空间环境分解为一组局部智能空间环境对象,对象中不但存储有约束个体行为模型的基本约束信息,同时还储存有不同个体在环境不同区域可执行的行为信息.这样,虚拟环境中的个体可以在其所处的具体环境提供的信息的约束和指导下进行实时行为合成与决策.仿真实验表明,该方法不仅能够逼真的模拟大规模群体在复杂虚拟环境中的各种规范化行为,而且可以有效减少个体决策模型的计算量,提高模型运行效率.     

基于时态数据库的分布仿真数据收集方法

提出一种基于时态数据库的分布仿真数据收集方法：先给出分布仿真数据收集体系结构；参考历史关系数据库模型，对传统关系数据库进行扩展，提出适用于分布仿真数据收集的时态数据库模型；然后基于该模型详细设计并实现仿真时态数据库原型系境用于数据收集，包括数据的索引机制、存储实现以及查询优化。通过大量实验与基于纯文件的数据收集和基于一般商用关系数据库的数据收集进行性能比较，论证该方法在分布仿真数据收集方面的优势。该方法收集速度快、查询效率高，特别适用于面向回放和实时查询的分布仿真数据收集系境。     

基于DEVS的通用数据驱动实时仿真环境

良好的适应性是仿真系统生命力的重要保证之一。提高仿真的适应性需要规定良好的模型和系统描述规范，并借助于规范的仿真系统开发模型，建立集成的仿真应用环境。基于实时网络的分布式硬实时仿真在很多领域有着广泛的应用，为适合硬实时仿真的需求，将离散事件系统形式化规范进行了适当扩展，并以面向对象模型和数据驱动的仿真系统开发方法为基础，建立了一集设计、试验与分析于一体的适应性集成实时仿真环境。文章详细介绍了硬实时仿真运行支撑件及其辅助工具的具体设计，并以其在“柔性数字化航天器设计”项目中的应用举例验证了该仿真环境的合理性。     

基于极大连通子图边界的复杂网络恢复研究

网络恢复是应对不可避免的故障或失效的重要途径,合理的恢复策略有助于降低资源损耗且提高网络鲁棒性能。为研究复杂网络恢复动力学行为及其与网络鲁棒性之间关系,构建了基于极大连通子图边界的复杂网络恢复模型(Recovery Model of Boundary Nodes,RMBN),设计了网络平均恢复(Average Recovery of Boundary Nodes,ARBN)和择优恢复(Priority Recovery of Boundary Nodes,PRBN)策略。不同恢复策略在3种网络模型上的仿真结果表明,随着恢复比例的增大,网络鲁棒性逐渐增强且恢复作用时间更早、恢复能力更强,为复杂网络拓扑结构设计与鲁棒性优化提供借鉴。     

基于数据噪音约束的受限最优建模方法

基于经验模型可能最优效果受数据质量限制的事实,提出了"受限最优模型"的概念,定量分析了噪音强度、样本规模时受限最优模型效果的影响.提出了利用受限最优模型期望效果进行优化建模思想,基于该思想,提出了一种基于噪音信息指导的神经网络优化建模方法,仿真试验表明,该建模方法切实可行,效果明显优于传统方法.为了客观地评价模型效果,还提出了一种新的模型评估指标--误差平均功率,分析了它和常用的模型评估指标--误差均方之间的关系,指出了其应用意义.     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

基于Agent和CPN的Web信息传播系统建模研究

Web信息传播问题的复杂性是系统宏观结构和微观个体行为两方面因素共同作用的结果。在分析Web信息传播建模难点及解决思路的基础上,研究了将基于Agent的仿真方法和Petri网的描述机制相结合,利用Petri网擅长描述系统的整体逻辑结构和动态特性的优长,将Agent对系统个体特性和交互规则的仿真溶入到着色Petri网(CPN)描述的系统动态行为之中,使仿真分析和逻辑结构分析结合起来,对解决类似的复杂社会系统仿真提供一种新的思路。     

基于UML和XML的数据建模方法及应用

随着仿真技术的发展,建模方式趋向规范化、标准化。在舰载作战系统仿真中,将数据模型划分为概念模型、逻辑模型和物理模型三个层次,使用UML与XML相结合的方法进行数据建模。UML类图用来建立概念模型;XML模式用来建立逻辑模型,针对信息的内容实现数据类型的定义;XML文档是信息的载体,XML模式为最终的XML文档内容提供解释和约束。以仿真系统中的部分数据为例描述了建模的过程和方法。

Abstract：

The modeling method becomes more standardization now as simulation technology is developing. In simulation of shipborne combat system,the data model has three levels including conceptual,logical,and physical. UML and XML is used to do data modeling as UML class diagram for conceptual model,XML Schema for logical model,and XML documents for the final data which is described and restricted by XML Schemas. To describe the process and method of data modeling,an example is given.     

基于加权超网络模型的知识网络鲁棒性分析及应用

对知识网络的鲁棒性分析方法进行了研究.与一般的复杂网络相比,知识网络涉及两种不同类型的节点:知识和知识主体.在进行鲁棒性研究时,必须对二者进行综合考虑.为此提出基于加权超网络模型的知识网络鲁棒性分析方法,该模型可根据组织中知识与知识主体之间的映射关系将二者集成在一起.在此基础上,提出了一种关联节点删除的方法来研究知识网络的鲁棒性,并提出了度量知识网络鲁棒性的专有知识率、专有知识加权比率、知识网络抗毁性、核心领域知识网络抗毁性等指标及其分析方法,解决了知识网络的鲁棒性分析及度量的问题,并可应用于组织知识资源的安全性评估、发现易流失知识以及评价组织成员的知识重要性等方面.     

改进的Elman网络与机理模型的互补建模方法

利用一种改进的Ｅｌｍａｎ动态神经网络,并结合系统的机理模型,给出了一种适用于在线仿真的互补建模方法。 本方法的实现复杂大系统的在线仿真提供了一个理想的建模途径。     

基于负载最近邻偏好分配的复杂网络连锁效应

为深入研究复杂网络抵制连锁故障的鲁棒性,围绕影响连锁故障传播的最重要物理量负荷,基于负荷最近邻偏好分配的原则对节点崩溃后的动力学过程进行建模。基于该模型对ER随机网络和BA无标度网络模型的连锁故障条件进行解析分析,推导了网络免疫连锁故障的临界值公式,数值模拟获得了复杂网络抵制连锁故障的鲁棒性与网络模型拓扑参数的关系以及负荷初始强度参数和负荷分配系数对网络连锁故障的影响,并对解析分析的结果进行了验证。     

基于混沌神经网络模型的模糊预测控制及应用

由于混沌时间序列内部确定的规律性，其重构出混沌吸引子的相空间具有高精度短期预测性，为此，本文根据非线性，大时滞系统的时间序列及所得的Lyapunov指数规律，计算出系统的饱和嵌入维数和可预报尺度，并以此为指导，采用混沌神经网络重构混沌时间序列相空间，该混沌神经网络即便在网络输入不完整或发生变异的情况下，仍能对系统作高精度预测，在此基础上，又将预测模型与模糊控制相结合，提出了一种新型的模糊预测控制决策，实现了非线性，大时滞系统高精度的自适应控制，将该控制应用在单元机组负荷控制中，仿真表明该控制具有实时性，容错性和鲁棒性。     

基于复杂网络视角的航空通信网络鲁棒性分析

针对军事航空通信网络会遭敌攻击的实际情况,引入了一种不完全信息条件下的复杂网络攻击模型,分析了该模型在航空通信网络上的级联失效原理,并给出了航空通信网络的鲁棒性度量方法。最后,通过设置不同的不完全信息攻击模型参数和级联失效参数,对航空通信网络鲁棒性进行了仿真分析,验证了所提方法的可行性和有效性。