多变量离散灰色模型及其性质

构建了多变量离散灰色模型,并将该模型与传统GM(n,h)模型对比研究,通过系数变换,该模型可以和GM(n,h)模型相互等价,从而架构了离散灰色模型与传统灰色模型的研究桥梁.在此基础上研究了数乘变换对其参数取值的影响,结果表明模型的模拟和预测值只与因变量的数乘变换有关,而与自变量的变换无关,模型的相对误差与所有变量的数乘变换都无关,这些结果对灰色模型系列性研究有重要意义.     

再论离散GM(1,1)模型的病态问题研究

针对离散GM(1,1)模型在参数辩识过程是否出现病态问题,利用矩阵条件数进行了研究,研究结果表明:直接用原始数据建模,模型会出现很大的病态问题,问题的严重性很大程度上与原始数据大小有关.解决问题的方法是通过数乘变换,使原始数据都变成为小于1的数,则离散灰色GM(1,1)模型中的病态问题就会得到有效解决.     

近似非齐次指数序列的离散灰色模型特性研究

针对近似非齐次指数增长规律的数据序列,构建了近似非齐次指数序列的离散灰色模型,给出了该模型的参数求解公式和模型的递推函数。以演绎推理的方法对模型的仿射特性进行研究,分别从数乘变换和平行变换的角度分析了模型中仿射变换前后模型参数、模型模拟预测值的变化特征,在仿射变换条件下可以对原始数据序列进行简化建模。通过仿射变换,可以缩小数据的量级,简化建模过程,而不会改变模型的模拟和预测效果。     

灰色系统GM(n,h)模型应用的一种拓广

从理论上分析了拓广灰色系统建模的方法，即分析了改变原始数据列｛ｘｉ｝光滑性的变换函数的构造条件。并给出了一类既改进原始数据列的光滑度，同时又缩小逆变换误差的变换函数，使灰色系统建模在文献［１］［２］的基础上作了很大的拓广。     

数乘变换下灰色幂模型的参数及误差变化规律

通过研究数乘变换对GM(1,1)幂模型的幂指数和参数特征以及其误差的影响程度,揭示了GM(1,1)幂模型的幂指数和其误差在原始特征序列经过数乘变换前后的变化规律。结果表明:GM(1,1)幂模型的幂指数及建模精度与原始特征序列进行数乘变换无关,同时利用数乘变换可以降低建模数据的量级,简化其建模过程的复杂性。     

灰色预测模型的进一步拓广

一、引言 文献[2]中提出了用对数函数对原始数据列{x~((0))(k)}进行变换,提高了离散数据的光滑度,从而拓宽了灰色预测模型的应用范围。文献[2]还给出了预测全国电视机产量的结果,并使这个预测结果的平均误差由不作变换进行预测的263.16％减少到23.6％。 提高灰色预测精度关键在于增加数据列的光滑性。为此,笔者提出用幂函数对原始数据{x~((0))(k)}进     

灰色微分动态多变量预测模型及其应用

针对数据驱动建模方法在表征系统特性时的不足,提出了灰色微分动态多变量预测模型.新模型将系统特性的行为序列与影响序列用于建模,增强了系统动态性和非线性性;同时运用最小二乘原理获得模型参数估计式,利用拉普拉斯变换推导模型的近似时间响应式.在此基础上,将新模型应用于欧洲货币联盟、中东与北非及撒哈拉以南非洲三个典型地区的碳排放量预测,应用实例表明:灰色微分动态多变量预测模型预测效果优于其它三种经典的灰色预测模型,能有效预测三个地区未来五年的碳排放量.与此同时说明新模型能够更好地描述多因素系统动态性问题,从而有效地提升传统灰色多变量模型的建模精度.     

近似非齐次指数数据的灰色建模方法与模型

传统GM(1,1)建模是用齐次的指数序列来拟合原始数据,对近似非齐次指数序列进行建模时会有较大的偏差,而现实中存在大量的近似非齐次指数的数据序列.根据传统灰色GM(1,1)建模机制,提出了一个用非齐次指数序列来拟合原始数据的灰色模型,给出了模型参数的最小二乘解,并给出了模型时间响应函数的表达式. 最后,通过实验验证了新模型的拟合和预测精度实验结果显示,新模型比传统GM(1,1)模型具有更好的拟合和预测精度.     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律,采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论. 研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义. 研究结论认为,灰色Verhulst模型并不存在严重病态性.     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律.采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论.研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义.研究结论认为,灰色Verhulst模型并不存在严重病态性.     

一种并行设计过程中耦合活动识别算法的研究

分析了组成并行设计过程的活动之间的关系 ,将活动间的结构特征转化为代数矩阵的形式加以表示 ,提出用图论的方法来解决耦合活动识别的问题 ,即通过求图的强连通分支的方法来识别耦合活动 ,并给出了具体的算法及实例。     

移动机器人在线路径规划算法研究

主要讨论了不确定环境下移动机器人运动路径的在线规划算法。在此方法中 ,预定目标被定为吸引子 ,而障碍物被定为排斥子。这样 ,路径规划就转换为应用牛顿定理进行迭代计算。该算法简便 ,实时性强 ,能自动地适应工作环境中障碍物的位置变化和随机出现 ,使机器人准确避开障碍 ,安全到达目的地。实验结果表明 ,此算法效果良好。     

用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题 ,提出了一种神经控制器的设计方法。通过对连续空间遗传算法的编码和遗传算子进行适当改进 ,采用保留精英的线性排序选择 ,避免成熟前收敛 ,并给出算术交叉算子和乘法变异算子 ,使算法同时具有好的搜索精度和搜索效率 ;然后采用这种改进的遗传算法对非线性动态系统的控制进行优化 ,获得了基于一定性能指标的期望的状态轨迹及相应的最优控制序列 ,并以此训练神经网络控制器。最后给出了以同步机为控制对象的仿真结果。     

HLA对象模型与面向对象模型概念的比较

对象模型是实现ＨＬＡ邦联成员间互操作性的基本方法和手段。ＨＬＡ对象模型支持邦联的规划,邦联执行过程中数据交换需求的定义,以及完成ＲＴＩ的初始化。ＨＬＡ对象模型模板为描述ＨＬＡ对象模型提供了标准化的方法。在ＨＬＡ中许多对象建模的基本概念与传统的面向对象的软件开发方法有相同之处,但相同的术语在意义上却有着显著的区别。这篇文章的目标是强调和明确二者在语义和概念上的不同之处,便于更好地理解ＨＬＡ对象模型     

重建二维轴对称电导率剖面分布的快速有效方法

用变形玻昂迭代法 ( DBIM)来重建二维轴对称电导率剖面分布 ,着重讨论了提高反演计算效率的方法。首先是利用数值模式匹配 ( NMM)解的 z向解析性 ,导出了 z向积分的解析结果 ,而径向数值本征模用线性插值 ,从而避免了二重数值积分 ;其次用双共轭梯度法 ( BCG)求解矩阵方程。数值模拟结果表明 ,采用上述方法后可以大大提高计算效率和改善成像质量。     

高速光纤数字传输系统中误码率的一种并行测试方法

介绍了误码率的基本概念 ,并着重论述了有码间串扰误码率的计算方法。提出了一种新的在多路复用光纤传输系统中 ,利用低速的图形发生器和误码测试仪测试高速串行有码间串扰误码率的方案 ,给出实测结果 ,实验结果与理论分析相符合。     

用迭加法分析非线性网络的稳定性

非线性网络 N 建立周期振荡的充分必要条件是存在一个满足功率平衡 P =0 ,Q=0 的等效模型 ,这个模型是无限多个线性微变模型Njk的迭加 ,其中起码必须有一个成份满足Pjk≤ 0和Qjk≤ 0 。如果对于任意的微变成份都是Pjk >0和Qjk >0 ,迭加的结果必然有P >0或Q >0 ,则网络N无法寄生任何形式的周期振荡。这个含非线性放大器的网络是稳定的     

分布交互仿真的时空一致性

时空一致性是分布交互仿真中的一个基本问题，严重的时空不一致会对仿真的效果造成很大的影响，甚至导致仿真失败。作者建立了时空一致性的基本概念框架，提出了其度量指标，然后提出了分布交互仿真系统的一个设计准则，利用分布交互仿真的时空一致性进行了定量分析。     

神经元的集聚原理与智能子波神经网络

在对神经元机能空间分布结构和状态转换深入研究的基础上，提出了神经元的集聚原理，并通过构造一种基于广义子波基函数的神经元积聚模型，讨论了由此实现的智能子波神经网络所具有的广义结构可调和广义信息记忆等智能化特性。最后，通过两个仿真实验验证了新网络模型在有关实际问题解决上的可行性和高效性。     

超宽带雷达频带分割滤波器设计

在分析超宽带雷达频带分割滤波器对于系统性能影响的基础上，提出了基于最小频域方差准则的数字滤波器设计新方法，与经典的Daubechies滤波器相比，采用这种方法设计的滤波器具有较小的频域方差和过渡带，更适合于频带分割滤波器的设计，设计结果证明了该设计方法的有效性。