一种静态和动态分支预测的组合方法研究

随着指令发射宽度和流水线深度的增加,分支预测成为影响现代微处理器性能的重要因素.传统分支预测策略的静态和动态分法并未充分利用二者各自的优点.提出了一种将静态分支预测和动态分支预测策略相组合的分支预测方法,然后用SPECint95基准程序对其性能进行了评估,仿真实验结果表明,提出的分支预测方法比传统的gshare预测器具有更高的预测准确率,并且与许多其它动态预测器相比,其硬件开销要小得多.     

一种基于动态更新神经网络的无监督雷达退化故障预测方法

为了克服传统雷达故障检测方法对专家经验依赖性强、耗费大量人力物力、容易造成过度检修、无法对退化故障进行提前告警等缺点,提出了一种基于动态更新神经网络的无监督雷达退化故障预测方法。首先通过微波测量设备采集峰值功率和工作频率历史数据,其次利用动态更新神经网络对历史数据进行动态更新并预测后续数据,最后采用孤立森林方法对预测数据进行无监督故障检测,以此实现雷达退化故障预测并提前告警。结果表明,本文提出的方法可至少提前10个时间步(100 min)预测退化故障并实时告警,能够在小样本、无故障样本、无特征提取、无人工阈值的情况下实现雷达退化故障预测。     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

一种分段集群异常作业预测方法

针对现有集群异常作业预测方法预测效率低、预测时间长的问题,提出一种分段集群异常作业预测(SCAJP)方法．该方法分为离线预测和在线预测两个阶段：离线预测阶段,依据作业子任务的静态特征对子任务终止状态进行预测,并仅在线预测此阶段的正常子任务所属作业;在线预测阶段,在计算作业子任务动态特征的同时,采用改进门控递归单元(IGRU)神经网络根据动态特征实时预测任务终止状态是否异常．两个阶段的最后均根据作业与其子任务的相关性检索异常作业,实现对异常作业的预测．实验结果表明,该方法在灵敏度、精确度和预测时间方面明显优于其他方法．     

一种二十四脉波可控整流电路的故障在线诊断方法

研究了一种易于在实时诊断系统中实现的多脉波可控整流电路故障诊断方法。针对一类不带平衡电抗器的二十四脉波可控整流电路,分析了故障电压波形的产生与变化,将3个以内的晶闸管故障按整流波形的畸变规律分为121类,共计2904种故障状态。利用二值逻辑符号建立相应的24维故障模式向量,构造逻辑故障树,总结故障诊断定位算法,实现了从故障特征向量到定位向量的直接变换。仿真结果表明,该方法能快速准确地诊断出二十四脉波可控整流电路的各种故障。     

在线短期负荷预测方法的研究与应用

根据电力系统负荷的特性，提出了一种在线短期负荷预测方法：用“周期模型”来描述并预测负荷的周期变化分量，再用ＡＲＭＡ模型对周期模型的残差进行建模并用Ｂｏｘ—Ｊｅｎｋｉｎｓ方法进行预测．模型参数的辨识采用在线辨识算法，因而对负荷的变化特性具有较强的适应性．实践结果表明，该方法具有很好的预测效果．     

一种基于自然通风的室内空气悬浮颗粒浓度的动态预测方法

在一个现有多区流动自然通风预测模型的基础上，建立了室内空气悬浮颗粒浓度的动态模型。所采用多区流动自然通风模型和悬浮颗粒浓度模型都基于简单的宏观流动、传热传质方程。对所建立模型的验证表明，该模型适合对自然通风建筑物做长期预测计算。     

一种在线检测与预测传感器故障的方法研究

分析了人工神经网络和模糊逻辑，并结合二者各自的优势，针对传感器故障检测的特点，提出一种对传感器故障在线检测与预测的方法。该方法采用在线学习训练网络，并给出传感器的预测信号，对传感器是否发生故障做出检测，仿真实验证明，该方法对传感器的故障能在线做出准确的检测，同时隔离故障传感器并为系统和设备提供临时的预测信号。     

基于油色谱分析的变压器故障在线预测方法

电力变压器是电力系统中的关键设备之一,变压器故障可能会造成长时间的供电中断.因此,尽早发现变压器故障具有重要的意义.介绍了能够在线监测变压器油中H2, CO, CH4, C2H4, C2H2, C2H6等6种气体在线监测装置的基本结构.根据油中各溶解气体的在线监测数据,采用灰色预测技术建立了灰色预测模型,并利用BPNN进行变压器的故障预测.该方法能够有效地预测未来时刻变压器油中溶解气体的浓度、诊断变压器在未来时刻的绝缘状况.现场运行结果表明,该方法能够满足工程实际的需要.     

一种支持Web服务QoS动态预测的方法

为了在高度动态环境下准确地预测Web服务的服务质量(Quality of service,QoS),该文提出了一种基于半马尔可夫过程(Semi-Markov processes,SMP)和事例推理(Case-based reasoning,CBR)的QoS动态预测方法。该方法首先使用SMP预测Web服务在未来被调用时刻的忙闲状态,在此基础上,利用CBR技术预测Web服务处理具体任务时的QoS。实验结果表明:该预测方法能够大幅度提高Web服务QoS的准确度。研究结果为客观评价和成功选择Web服务提供了可靠的依据。     

径流中长期预报的灰色预测方法

基于时间序列的扩维原理和灰色系统理论的关联分析，提出一种较适合于水文实测资料缺乏情况下的中长期预报方法，利用玛纳斯河水文的实测资料序列对该方法进行验证。     

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。     

用时序在线建模法进行加工尺寸的预报控制

本文基于AR模型参数的Livenson-Durbin算法提出了一种AR模型的在线建模算法,与已有的递推最小二乘法相比,具有相同的精度,而计算量要少得多.通过对精镗孔加工尺寸预报控制的模拟计算表明,应用本文提出的在线建模方法进行加工尺寸的预报控制是完全可行的.     

线性组合预测研究

对传统的两个线性组合预测模型进行了研究,对模型I提出了改进算法,并且提出了一个新的线性组合预测模型Ⅲ。以美国加州电力日均价为例,与单一预测方法、线性组合预测I和线性组合预测II进行对比,线性组合预测模型III预测方法比较精确。     

最大误差绝对值达到最小的区间组合预测模型

针对实际值序列和预测值序列均为区间数的情形,给出最大中心误差和最大长度误差绝对值达到最小的多目标模型,转化为单目标线性规划问题进行求解．最后,通过具体算例对文中方法的可行性和有效性进行了验证．     

未来水环境预测评价方法探究

本文以福建青州造纸厂扩建工程对未来沙溪口水电站库区影响的预测为例,就未来水环境预测中,关于水质模型的选择,模式参数的识别以及数值模拟的方法等主要问题作了若干探讨和研究,阐明了作者关于未来水环境影响评价方法的一些初步设想和做法。     

汽车燃料经济性的实用预测方法

提出了一种用于汽车设计与改进设计中汽车燃料经济性的实用预测方法．该方法不需要知道发动机负荷特性试验数据，只要已知几个特征参数，如发动机最低比油耗，发动机标定功率和转速．     

情报信息预测中定性方法与定量方法的结合

通过阐述定性预测方法和定量预测方法的优点和缺陷，探讨了在情报信息预测中两种方法之间的内在联系和有机结合，指出只有两种方法相结合，才能使预测对象的各方面因素融合在预测结果之中，从而提高情报信息预测的精确度。     

一种模糊组合预测方法

针对预测问题的不确定性,提出一种将组合预测结果扩展到置信集合的模糊组合预测方法.该方法利用概率中置信区间原理并结合模糊数概念,对观测值和各单项预测值进行模糊描述;以组合预测值对观测值的拟合度最高为目标,建立模糊规划模型,求解权重系数.该组合预测方法与单项预测方法相比,预测精度有所提高,具有一般组合预测方法的优点,并以模糊数的形式将预测结果确定在一置信集合内.最后以实例证明了该方法的有效性.     

Towards Disaggregate Dynamic Travel Forecasting Models

The authors argue that travel forecasting models should be dynamic and disaggregate in their representation of demand, supply, and supply-demand interactions, and propose a framework for such models. The proposed framework consists of disaggregate activity-based representation of travel choices of individual motorists on the demand side integrated with disaggregate dynamic modeling of network performance, through vehicle-based traffic simulation models on the supply side. The demand model generates individual members of the population and assigns to them socioeconomic characteristics. The generated motorists maintain these characteristics when they are loaded on the network by the supply model. In an equilibrium setting, the framework lends itself to a fixed-point formulation to represent and resolve demand-supply interactions. The paper discusses some of the remaining development challenges and presents an example of an existing travel forecasting model system that incorporates many of the proposed elements.