基于 GM(1,N)-Prophet组合模型的电商行业销售预测研究

[目的/意义]电商平台行业预测受到诸多因素的影响,预测结果的准确性对其促销策略的制定具有重要意义.[方法/过程]以京东电商平台办公行业成交金额作为预测对象,通过灰色关联分析找出关键影响因素,采用GM(1,N)进行销售预测,并对结果误差进行分析;再引入Prophet时间序列模型进行优化,最后对优化结果进行对比分析.[结果...     

改进遗传算法求解有时间窗车辆路由问题

为了有效求解带有时间窗的车辆路由问题,在标准遗传算法的基础上,引入两代竞争近距淘汰选择算子,用欧氏距离来判断个体之间的距离作为个体的相似程度,相似程度高且适应度差的个体被淘汰,并辅以循环交叉算子和插入变异算子,构造出了一种改进的遗传算法.仿真实验表明,改进的算法在迭代过程中能有效保持群体的多样性,避免出现早熟现象而陷入局部极值点,提高遗传算法的内在并行性.同时通过竞争淘汰,使局部搜索能力得到加强,加快了搜索速度.改进算法所计算出的结果优于用轮盘赌和自适应选择作为选择算子的遗传算法的结果.     

不确定奇异系统的有限时间容错控制器设计

讨论了不确定线性奇异系统的有限时间容错控制问题.针对一类含有时变、范数有界参数不确定奇异系统,运用线性矩阵不等式方法(LMI),设计了鲁棒容错状态反馈控制律,使得当奇异系统执行器发生故障时,故障闭环系统仍然是正则、无脉冲,且保持有限时间状态稳定,给出了有限时间容错控制器存在的充分条件和设计方法,该方法通过解线性矩阵不等式即可得到容错控制器的设计结果.数值算例验证了该容错控制设计方法的有效性.     

铂扩散工艺对硅快恢复二极管特性的影响

采用直拉单晶硅片代替成本较高的外延硅片,采取铂扩散的方法引入复合中心,从而控制少子寿命以减少快恢复二极管的反向恢复时间.通过大量实验研究了铂扩散二极管的特性,表明在扩散时间一定的条件下,随着铂扩散温度的升高,反向恢复时间TRR呈线性下降趋势;并且相同扩散温度条件下,电阻率越小的样品TRR值越小.随着铂扩散时间的增加,TRR值逐渐减小.分析了TRR以及正向压降VF的温度特性,表明随着工作温度的升高,TRR呈上升趋势,而VF随温度的升高而下降.     

多段线缆驱动连续型空间机械臂建模与控制

该文针对一类带有弹性杆的新型多段线缆驱动连续型空间机械臂的建模与控制问题开展研究,基于刚体等效建模思想建立了机械臂的几何模型。对每节机械臂进行单元划分,将各单元上的弹性杆等效为轻质连杆。在此基础上,应用欧拉-拉格朗日建模方法,建立了多段线缆驱动连续型空间机械臂动力学模型。针对系统中存在的参数不确定性与外部时变干扰,基于Lyapunov稳定性理论,提出了一种基于非奇异终端滑模有限时间控制(NTSMFC)的连续型机械臂控制方法。仿真结果表明：与比例-微分(PD)控制器相比,NTSMFC能在有限时间内快速跟踪期望姿态角,PD控制器的姿态跟踪快速性较低;NTSMFC姿态角稳态误差为±0.002 rad, PD控制器姿态角稳态误差为±0.01 rad。     

溧阳市沙河水库东副坝溃坝生命损失估算

应用溃坝洪水软件BREACH和FLDWAV分析溧阳市沙河水库东副坝在100年一遇设计洪水位23．17m时下游坡高程点8．40m处管涌诱发溃坝的洪水状况,确定大致的淹没范围,计算了溃坝洪水的严重性,估算了风险人口,应用Graham法定量地估算了生命损失,重点研究了生命损失与警报时间的关系,提出了确保2h警报时间的建议,加强非工程措施,避免生命损失。     

基于动态贝叶斯网络的动态故障树分析

针对传统的动态故障树Markov链分析方法的不足,研究了优先或门、顺序相关门、功能相关门、存在公共备件的备件门和层叠功能相关门向动态贝叶斯网络的转化方法以及基于动态贝叶斯网络的顶事件概率、重要度等计算方法.用该方法对心脏辅助装置进行了分析,通过与Markov链、离散时间贝叶斯网络分析的结果比较表明,基于动态贝叶斯网络的建模分析方法可以有效地避免组合爆炸,而且能够保证较高的求解精度.     

分布式虚拟环境中时间一致性研究

在分布式虚拟环境中,为了给用户造成逼真的和符合真实世界的时空感受,需要解决时空不一致的问题。要做到时空一致,时间一致是关键,本文主要对分布式虚拟环境中时间一致性进行了研究,介绍了几种时间同步的方案,并结合实际应用,给出了实验的结论。     

多维非线性时间序列的投影寻踪学习逼近

建立了多维非线性时间序列投影踪学习网络结构及算法,证明了投影寻踪学习网络可以以任意精度逼近多维非线性时间序列。解决了基于投影寻学习的多维非线性时间序列的建模和预测问题,实际应用例子表明该算法可行。     

Flow Shop排序问题F2|prmu|∑wj(1-e-rCj) 的一个启发式算法

给出了Flow Shop排序问题F2|prmu|∑w