谐波增强与频率估计的自适应方法

基于递归预测误差原理，研究了用来估计谐波中基波频率和增强谐波的方法，并由此设计了一种具有任意的窄带性能和预期形状的均匀切口的自适应谐波增强或陷波滤波器．由于算法非线性部分只涉及基波频率一个参数，使算法很易用于具有高次谐波的过程．而且由于利用了可变极点半径和忘却因子（ｆｏｒ－ｇｅｔｔｉｎｇｆａｃｔｏｒ）因而算法对谐波频率的敏感性强，收敛速度快，并能跟踪频率时变的信号．     

利用“球壳失稳”理论确定煤与瓦斯突出瓦斯压力临界值

通过实验分析得出了马家沟矿9—12、12煤层初始释放瓦斯膨胀能与瓦斯压力的线性关系，从而确定了马家沟矿深部水平9—12、12煤层煤与瓦斯突出瓦斯压力临界值，为深部水平煤与瓦斯突出预测提供了依据。     

薄差储层预测技术在葡南油田的应用

葡南油田葡一组油层属薄差储层,用普通波阻抗反演方法难以解决薄砂体识别精度低的问题。在忠实于原始地震反射的波胆抗反演数据体基础上,针对本区自然电位曲线对砂泥岩识别明显、深侧向电阻率曲线对含油性判别较好的特点,结合构造建模、小层精细划分和对比,利用地质统计和建模技术,采用序贯高斯模拟方法并同位协同波阻杭反演结果进行自然电位和深侧向电阻率体的岩性模拟,建立储层岩性预测模型。模拟结果的地质统计特征与原始数据的统计特征相符,用新完钻的18口井对预测结果进行验证,砂体预测厚度符合率达78%,能够较好地解决油田薄砂体储层横向预测难题。     

基于误差分级迭代法的基坑变形预测

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用...     

轻型车悬挂系统动态研究方法

对轻型悬挂系统进行了较全面的研究,给出了各种条件下的理论计算方法和公式,为轻型车悬挂系统的减振研究,疲劳强度和寿命的预测以及预测以及设计阶段的计算仿真系统的建立奠定了理论基础。     

基于RBF神经网络的建筑逐时空调负荷预测模型

分别用径向基函数（RBF）神经网络模型和BP神经网络模型对广州市一栋办公楼和一栋图书馆在夏季不同月份的逐时冷负荷进行训练和预测,发现RBF神经网络模型预测的均方根误差和平均相对误差都仅是BP神经网络方法的64％左右．仿真结果表明,RBF神经网络具有更高的预测精度及更好的泛化能力,是建筑空调负荷预测的一种有效方法．在此基础上,构建了基于RBF神经网络的建筑逐时空调负荷智能预测软件系统．     

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法。通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理。通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好。     

小波神经网络在绝缘子漏电量预测中的应用

为了实现对绝缘子漏电量的准确预测，提出了基于小波神经网络的预测模型，分析了网络的拓扑结构，给出了网络学习方法．通过对绝缘子漏电量样本数据进行预处理，生成学习样本和测试样本，进而对预测模型进行测试，实现了对绝缘子漏电量的准确预测．将其应用于电业局的绝缘子漏电量预测中，达到了实际应用的精度要求．实验和实际应用表明，该预测模型的误差小，精确度高，能有效地预测绝缘子漏电量。     

餐饮业的管理信息系统

根据餐饮业的现状，指出建立餐饮业管理信息系统的必要性，提出餐饮业管理信息系统的总体模型并给出一实例。     

隧道地表沉降预测的时变参数灰序模型TGM-AR

在趋势项提取法中,针对逐步回归法比较烦琐及灰色模型预测精度低的缺点,结合灰色预报系统的灰色性和时变性,根据变形体的实际变形规律,将时变参数a(t),b(t)及灰色理论应用于时序模型建模中,提出并建立时变参数灰序模型TGM-AR.时变参数灰色模型用于提取趋势项部分,时序模型用于提取随机部分.将模型应用于隧道地表的沉降分析和预测,结果表明模型预报精度高,且趋势项的物理意义明确.