基于模糊分类-灰色马尔可夫的陀螺仪漂移预测

针对标准灰色马尔可夫预测模型抗干扰能力差的局限性,提出了一种基于模糊理论和灰色马尔可夫模型的预测方法。将模糊理论引入预测模型中,从分类方法上对标准灰色马尔可夫模型进行改进,该算法可以有效提高灰色马尔可夫预测模型的预测精度。将这种方法用于某型导弹陀螺仪的漂移预测中,实验证明了这种方法的有效性和可行性。     

一种混合建模方法在陀螺漂移预测中的应用研究

陀螺仪作为惯性导航系统的核心惯性器件,其漂移性能直接影响导航的精确性,分析陀螺漂移的变化趋势并预测由漂移所引发的陀螺故障具有重要的意义。提出一种基于灰色理论和平稳时间序列分析的混合建模方法,并将其用于预测陀螺漂移。实验结果表明该混合建模预测方法能够精确地预测陀螺的漂移,从而为陀螺的性能分析和故障预报提供依据。同时与单一预测方法相比,该混合方法具有较强的预测能力。     

小波分析在股市数据分析中的应用

小波分析由于具有良好的时空频率变换特征而在许多领域得到广泛应用。本文通过对沪市、深市股指数据小波分析,说明了股市涨跌存在自身的规律性,股市尖长期和短期都具有一定的可预测性。     

正交小波网络及其在经济预测中的应用

依据多分辨分析和正交小波分解理论,建立由正交小波函数和正交尺度函数共同作为神经网络的激励函数的正交小波网络,并充分利用二者互补的特性,给出正交小波网络的分层、递阶学习算法,这使得正交小波网络在逼近函数的过程中不存在局部最小的问题,而且可以建立网络结构与逼近精度之间的明确关系;建立了我国人口预测的正交小波网络模型并验证了模型的实际有效性.     

随机过程在灾变预测中的应用

利用随机过程中马尔可夫链的原理预测灾变，对某个地区降雨的预测作为例子，介绍了使用这种原理的方法与步骤，文后例子表明本文提出这种方法具有明显的优点.     

加权马尔可夫SCGM(1,1)c模型在农作物干旱受灾面积预测中的应用

灰色模型拟合时序数据的总体趋势,所得拟合精度指标是随机波动的,而马尔科夫链原理适合处理波动性大的系统过程,选用能更好解决随机波动性的加权马尔可夫链预测方法,提出一种用于农作物干旱受灾面积预测的加权马尔可夫SCGM(1,1)_c模型,适用时间短、数据量少且随机波动大的动态过程预测.以我国农作物干旱受灾面积预测为例,表明加权马尔可夫SCGM(1,1)_c模型对于农业旱灾预测具有较高的精度.     

灰色正交化方法在用电量预测中的仿真研究

根据灰色正交化方法和马尔可夫链原理,应用Gauss-Chebyshev正交化思想预测时序数据的总体趋势。预测的精度是时变的,而马尔可夫链原理在处理时变的系统过程时具有较好的优势,选用该方法能更好的解决预测结果的不稳定性。基于此,提出一种用于用电量数据预测的灰色马尔可夫正交化模型,适用于中短期、数据需求量少且数据振幅较大的动态过程预测。最后用提出的方法对江苏省2007年工业用电量进行预测,其结果表明了所提方法的有效性。

Abstract：

The general trend of time series data was predicted with Gauss-Chebyshev orthogonalization theory according to the grey orthogonalization method and the Markov Chain theory.The prediction accuracy is time-varying.However,this approach will better solve the problem of unstable prediction result since Markov chain theory has greater advantages in handling time-varying system process.Based on this,the Markov grey orthogonalization model prediction was proposed for electricity consumption.It is suitable for dynamic process prediction in medium and short term with less data demand and large data fluctuations.Finally,the proposed approach was used to forecast the industrial electricity consumption of Jiangsu Province in 2007,and the results show the effectiveness of this approach.     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.     

正交尺度小波网络在我国税收预测中的应用

提出一种用正交尺度函数代替RBF网络中的激活函数的小波网络,给出相应小波网络学习算法;并以我国1978~2001年的税收数据为样本进行税收模拟预测,预测结果表明,该模型预测误差低于普通BP网络。     

基于多分辨率技术及奇异值理论的故障检测方法

提出了以小波多分辨率技术与矩阵奇异值理论相结合的故障检测方法。根据小波变换的多分辨率分解特性 ,提出了系统状态观测信号的二初始特征向量矩阵———粗分辨逼近矩阵和边缘细节信息矩阵。利用矩阵奇异值分解理论得到初始特征向量矩阵的奇异值 ,将其作为状态信号的特征向量。针对提取出的系统状态信号奇异值特征 ,设计出相应的故障检测算法 ,并将该方法用于某武器平台上精密弹簧阻尼器的故障检测。仿真结果证实了该方法的正确性和有效性。     

基于小波分析的随机交通流组合预测方法研究

针对单一交通流预测方法对短时随机交通流预测适用性不强的问题,为适应交通诱导和信号控制的需要,提出了基于小波分析的短时交通流RBF神经网络及Markov链组合预测方法。在充分分析短时交通流随机特性的基础上,建立了短时交通流组合预测模型,并进行了实例仿真分析,结果表明组合预测较单纯神经网络预测方法预测精度显著提高,在交叉口实时交通控制中具有较好的适应性。     

基于小波分解与重构的交通流短时预测法

交通流短时预测是交通控制与交通诱导系统的关键问题之一 .随着预测时间跨度的缩短 ,交通流量的变化显示出越来越强的不确定性 ,使得一般的预测方法难以奏效 .本文探讨了小波分析在交通流短时预测中应用的可行性 ,提出了一种基于多分辨率小波分解与重构的交通流短时预测方法 ,介绍了该方法的原理 ,讨论了模型参数的确定 ,给出了仿真实验研究结果.     

基于小波包的电泳芯片非接触电导检测仿真研究

由于毛细管电泳芯片电容耦合非接触微电导检测器具有电极不接触溶液,不存在电极的钝化和玷污,不受电泳分离电压影响等优点,被认为是生化分析领域最具发展潜力的一种技术.根据四电极电容耦合非接触电导检测器检测特点,采用小波消噪方法对信号进行滤波处理;依据芯片检测池内仅背景缓冲液与加入待测物质后所呈现的电导率不同致使信号电压会突变的特性,采用小波奇异性检测确定信号变化发生和恢复时刻,从而实现毛细管电泳芯片系统的微电导检测.仿真结果表明,利用小波分析方法能有效地消除噪声,能有效地检测到微电导的波动,并能精确地确定电导率溶液波动的发生,恢复时刻.     

基于小波变换和GPU加速的地形绘制技术研究

研究基于GPU和小波变换的海量地形数据实时绘制技术,通过小波变换构造地形网格的动态多分辨率模型,利用小波完备的数据重建功能,实现不同分辨率数据间的实时转换,减少从慢速外存向内存读数据的时间开销,提高绘制效率。通过小波渐近绘制算法解决不同分辨率模型间的平滑过渡问题,通过扩大了小波变换的采样范围解决块间小波变换的边界问题,通过顶点数据拟合算法解决相邻地形块间的裂缝问题,优化GPU的地形遮挡剔除算法,挖掘GPU的通用计算能力,在加速几何绘制的同时加速小波变换,进一步提高算法的效率。     

基于离散小波变换的滤波方法研究

推导出了经过多次离散小波变换后，白噪声在不同尺度上方差的另外一种表达式，应用到小波域硬阈值滤波中，通过数字仿真发现，二进小波的计算量较大，滤波效果较好，离散小波的计算量较小，滤波效果稍差，并对原因进行了说明。     

基于小波域马尔可夫先验模型的图像去噪方法

提出了一种基于各向异性马尔可夫随机场(Markovrandomfield,MRF)先验概率模型的图像去噪方法。该方法利用图像小波子带的方向性特点以及小波系数尺度内和尺度间的相关性,将小波系数的分布特征建模为一种各向异性MRF先验概率模型。通过在贝叶斯框架中采用这种先验概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节。     

基于斩波及数字信号处理技术的无零漂积分器

论述了基于斩波及数字信号处理(DigitalSignalProcessing,DSP)技术的长时间无零漂积分器的设计和实现.通过对传统模拟积分器及数字信号处理等方面的深入调研,给出了实际积分电路的误差分析,并据此采用了斩波技术和数字信号处理技术,以解决零点漂移、非线性误差和泄漏等传统模拟积分器存在的问题,设计并制做了一个适合于等离子体物理的托卡马克装置放电实验中诊断信号测量的长时间无零漂积分器.     

基于小波变换的图像bit纠错数据并行实现研究

针对图像传输的比特纠错去噪处理高效实现,本文提出了一种基于小波分解的比特纠错SIMD PE阵列数据并行计算方法.该方法,针对不同的小波子带,采用不同的并行计算策略;针对数据并行计算中的PE选择问题,采用PE标识预置的解决方法,即确保去噪效果,又使得数据并行操作更为规则、简洁,大幅度地提高了处理的速度.     

基于小波变换和行扫描的车牌定位方法

介绍了车牌从预处理到定位的整个过程,车牌预处理部分包括采用运用不等权方法对图像进行灰度化;运用高低帽变换来增强图像的对比度,有利于增强算法的鲁棒性;运用一种新的小波阈值方法来进行图像去噪,有利于去除干扰,突出车牌区域。在车牌定位部分根据车牌自身的特征采用行扫描来对车牌进行定位。实验表明此方法具有较高的准确性,有较高的实用价值。