瓦斯涌出量灰色预测法

通过对回采工作面瓦斯涌出量原始数据取自然对数为基础,建立改进的GM(1,1)模型.然后将其与马尔柯夫模型相结合,建立了改进的灰色马尔柯夫模型.利用现场实测数据比较改进的GM(1,1)、灰色马尔柯夫和改进的灰色马尔柯夫模型各自的拟合精度,结果表明,改进的灰色马尔柯夫模型是3个模型中预测精度最好的模型,结果正确可靠,有一定的普遍适用性.     

变参数非等间距灰色-马尔柯夫建模及其应用

将变参数非等间距灰色建模与马尔柯夫链结合,得到了变参数非等间距灰色-马尔柯夫预测模型,应用实例表明了模型具有较高精度。     

矢量量化技术和隐马尔柯夫模型方法在韵母识别中的应用

本文应用矢量量化技术(Vector Quantization)和隐马尔柯夫模型方法(Hidden Markov Model)为一个全字汇量的孤立字普通话语音识别系统设计了韵母识别子系统.该系统由韵母信号析取器、滤波器阵列特征分析器、矢量量化器、预识别器、隐马尔柯夫模型匹配器和决策器组成.根据对汉语中1172个不同音节的语音信号测试结果,决策器输出的准确率(即系统的最后识别准确率)为89.5%,而前两个估计的识别准确率则达到97.2%.系统的训练包括生成矢量量化器的码字和为每一个韵母建立隐马尔柯夫模型,改进了Linde 等人提出的码字生成算法,提出了一个得到隐马尔柯夫模型参数的系统化方法.     

采用非线性Galerkin方法的柔性梁模型降阶研究

针对采用Galerkin方法获取的结构动力学降阶模型精度不高的问题,以考虑几何非线性的两端固支柔性梁作为研究对象,建立了两端固支柔性梁非线性动力学模型。首先采用Galerkin方法将原系统降阶,得到单自由度、三自由度和五自由度系统,再采用非线性Galerkin方法将二自由度和三自由度系统降阶为单自由度系统。通过分析降阶模型的非线性动力学行为,得到系统响应随外荷载幅值变化的分岔图,给出系统做周期运动、倍周期运动和混沌时的时程曲线、相图与庞加莱映射图。在特定频率下,通过改变外荷载幅值来控制系统进出混沌状态。与Galerkin方法得到的降阶模型进行了对比,通过比较进出混沌状态时的外荷载幅值,分析了两种方法的降阶效果。结果表明:非线性Galerkin方法能够有效提高降阶模型的精度,更接近真实模型;采用非线性Galerkin方法降阶得到相同自由度的低阶系统时,原模型阶数越高,得到的低阶模型越精确。     

短时交通量时间序列的小波分析-模糊马尔柯夫预测方法

基于短时交通量时间序列的随机波动特征,提出一种小波分析和模糊马尔柯夫结合的预测方法．首先对交通量时间序列进行多分辨率小波分解,然后对低频部分和高频部分分别进行重构,对重构后的基本信号和干扰信号建立模糊马尔柯夫模型,最后对多个预测结果进行合成,从而得到交通量的预测结果．此外,根据灰色系统理论的新息优先原理,实时更新马尔柯夫预测模型中的状态转移矩阵,进一步提高预测精度．通过对苏州某交叉口短时交通量预测,表明小波分析和模糊马尔柯夫结合的预测方法具有良好的抗干扰能力和容错能力．     

Prony算法在大规模线性系统中的应用──动态模型的辨识与降阶

运用Ｐｒｏｎｙ算法对大规模线性系统动态模型进行辨识，给出了该算法所需要的Ｐｒｏｎｙ模型，并提出了在任意输入信号下的改进Ｐｒｏｎｙ算法，同时运用Ｒｏｕｔｈ算法对模型进行了降阶．数值算例结果表明，运用本文所提出的方法可以精确地获得线性系统动态模型的阶数与系统特征值，且降阶后模型对系统动态特性曲线具有很高的拟合精度．     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

城市污水排放的灰色马尔柯夫预测模型

应用数据加载法提出了ＧＭ（１,１）的修正模型,通过灰色预测法和马尔柯夫链预测法的耦合,建立了城市污水排放量的灰色马尔柯夫预测模型。灰色马尔柯夫预测模型具有灰色系统应用少量数据即可建模,以及马尔柯夫链预测可以预测数据值波动较大的序列的特点。计算结果表明,城市污水排放量的预测值很好地吻合了实际值。     

液压位置系统的时间序列分析

本文讨论了用CAR时间序列模型来辨识液压系统的阶和参数。文中提出了AIC定阶准则和辅助变量法结合,来确定模型阶和参数的方法,进一步根据估计参数的渐近正态性确定模型的子阶和时滞。文中应用该方法辨识了液压位置系统的阶和参数。仿真和实测阶跃响应比较,证明得到的辨识模型是有效的。     

对偶系统的对偶包含问题

提出对偶系统的对偶包含问题,给出其包含条件及与原系统包含条件之间的对偶关系.对偶系统的约束条件是原系统模型降阶聚集条件的补充.     

移动信道三状态Markov模型建立及其差错序列的计算机软件产生

提出了一个建立在简单分群的 Markov 模型基础上表示移动信道的三状态Markov 模型,利用非线性最小二乘拟合法求得了此模型的解析表达式,并计算出描述模型的概率转移矩降 P。根据此模型给出的参数,用计算机软件实现方法产生出描述移动信道长突发错误特性的信道差错序列{e_(?)}。模拟结果表明,用三状态 Markov 模型表示移动信道比用 GEC 模型表示移动信道具有更高的精度,而且比一般分群的 Markov 模型更简单、实用。     

基于规划理论的最小二乘法改进及其在Markov跳变系统参数估计中的应用

分析了高斯最小二乘法在Markov跳变系统参数估计中的局限性,即不能够直接解决带有约束条件的拟合问题。而Markov跳变系统的转移概率矩阵要满足列和为1的约束,同时在多次观测值中有部分数据是未知的。根据规划问题为带有约束条件的极值问题,且约束条件中决策变量的个数可以多于目标函数中决策变量个数的特点,将Markov跳变系统参数估计问题转化为非线性规划问题。从求解的角度出发,将非线性规划问题转化为凸规划,同时给出了具体的转化方法。从理论上说明了转化后的凸规划问题在满足库恩-塔克条件的前提下,库恩-塔克点一定为全局最优解。最后给出仿真算例,说明结论的合理性。     

离散GM(1,1)参数估计的三种方法比较

针对离散灰色模型GM(1,1)中参数估计方法及模型稳定性问题,选取3种估计参数的方法进行讨论——最小二乘法、最小一乘法和累积法;为了更好地比较不同估计方法的差异,统一赋以相同的初值,并以拟合误差、关联度和条件数作为评价指标,借助MATLAB软件对两类实例数据进行分析——递增序列和递减序列;实验结果表明:在误差方面,累积法优于最小一乘和最小二乘,在模型稳定性方面,累积法优于最小二乘法,总之,对于递增和递减序列数据,累积法估计GM(1,1)中参数最优。     

面向缩聚模型的结构损伤识别研究

为了减少结构健康监测系统中传感器的数量,创新性地结合缩聚原理和自适应二次乘方和误差法提出了一种面向缩聚模型的结构损伤识别方法.根据模型缩聚原理对结构有限元模型进行了缩聚,依据缩聚后有限元模型、利用自适应二次乘方和误差法对结构参数进行了识别和追踪,从而实现了结构损伤的识别.对某一大型平面桁架结构进行了仿真,期间考虑了白噪声和地震波的影响;对某一悬臂梁结构进行了实验,以研究白噪声、正弦、拟El-Centro 3种激励下的6种情况.结果表明:所提方法只需使用少量的传感器便可精确地识别出结构中损伤的发生时刻和损伤的程度及位置,仿真结果的最大误差小于3%,实验结果的最大误差小于5%.     

利用蜂群算法优化的区域高程拟合精度分析

针对最小二乘支持向量机拟合法的拟合参数难以选取的问题,提出将人工蜂群算法引入最小二乘支持向量机建立高精度区域拟合模型的方法。人工蜂群算法可对最小二乘支持向量机中的参数进行全局性追踪搜索,模仿蜜蜂的采蜜过程,将参数的初选值作为蜜源,最小二乘支持向量机预测的平均平方误差作为目标函数,在一定范围内经过迭代更新确定最佳参数,最终建立精度较高的全球定位系统(GPS)高程拟合模型。实验结果表明,相比常规最小二乘支持向量机拟合法,ABC-LSSVM组合方法构建的拟合模型精度提高了28%,在此同时,该组合方法比BP神经网络拟合法的收敛效果更高、稳定性更佳,证明了ABC-LSSVM组合方法在GPS高程拟合模型构建中的有效可行性,为GPS高程拟合模型的建立提供一定的参考价值。     

电涡流传感器及求特性曲线拟合方程的新方法

介绍了用途广泛的电涡流传感器的工作原理,输出特征以及建立特性曲线拟合方程式的新方法——在最小二乘法的基础上结合０．６１８优选法进一步使拟合方程式中常数更加合理．用这种方法可以求得最佳拟合直线方程和最小的非线性误差,其值比最小二乘法求得的非线性误差更小．此法适用于各种类型的线性传感器或可以通过适当的变量代换把变量之间的非线性关系化为线性关系的传感器或测量系统．     

电力系统可靠性原始参数的优化GM(1,1)预测

考虑到可靠性原始参数的缺乏对电力系统可靠性评估结果的真实性和有效性影响很大,用优化的GM(1,1)模型预测可靠性原始参数,开发小样本系统。优化的GM(1,1)模型在以最小二乘法优化初值的基础上,分别求取不同时间段的原始参数序列的拟合数列,再以各拟合数列与原始数列之间的模糊贴近度为权重系数对预测值进行优化加权组合。此模型既能体现数据的最新变化态势,又能体现总体发展趋势,充分挖掘原始参数包含的信息量,克服传统GM(1,1)模型预测可靠性参数随预测点推移预测精度下降较快的缺点,尤其适用于新投入元件可靠性原始参数的多点预测。     

共轭斜量法在BP2模式Dirichlet级数参数辨识中应用

研究一种大型结构混凝土徐变函数指数形式表达式参数辨识与拟合方法. 选用混凝土徐变国际标准BP2模式,构建了最普遍的退化核Dirichlet级数形式作为基函数,针对拟合过程中实际变量多于方程未知变量情况,应用最小二乘法原理将矛盾方程转化为相应的法方程,引入共轭斜量法求解法方程,克服了求解过程中的数值不稳定性.在此基础上编制的程序,可将BP2模式的Dirichlet级数形式的所有参数辨识出来.拟合公式和原公式结果吻合良好,验证了该方法的有效性和正确性. 文中给出的BP2模式Dirichlet级数形式的拟合公式,能适应跟踪分析大型结构长期徐变效应,为较为准确和高效地进行服役结构状态评定,提供了必要的准备和依据.     

线性系统的随机参数辨识和收敛性分析

本文讨论了参数估计和输出误差的收敛性,并给出了系统持续激励的一个充分条件。在此条件下,证明了参数估计和它与时变参数间的估计误差的均方值收敛于随机参数的期望值和均方差值。     

GIS的非线性测量数据的误差处理及其应用

针对GIS数据应用中所存在的随机误差处理这一重要问题,本文提出了一种非线性最小二乘条件平差方法,给出了顾及泰勒二阶展开的基于空间数据随机误差的非线性条件平差模型,并结合算例将该方法与线性最小二乘平差方法加以比较,结果表明,当观测值与其平差值相近时,应用非线性最小二乘条件平差可明显提高平差结果的精度,这对于解决数字化处理过程中,因源文件中图形间的相互作用而引入大量误差,从而导致不能将非线性条件方程直接线性化问题提供了一种新的方法.