基于改进多孔算法的时间序列预测

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。     

具有可变抽样区间的二维EWMA控制图

对二维EWMA控制图进行了可变抽样区间设计,利用Markov chain方法计算出了过程的平均报警时间,数据结果显示,所设计的控制图较常规的固定抽样区间控制图能更快更准确地发现过程的变化.     

应用支持向量机预测公交车运行时间

采用一种新颖的神经网络-支持向量机(SVM),来预测公交车的到站时间,其目的是要验证SVM在运行时间预测领域的可行性.该模型采用了时间段、天气、路段以及当前路段的运行时间和下一路段的最新运行时间5个输入变量.最后,应用大连市开发区4路公交线对该模型进行了校验,并得到若干结论.     

基于Bayes方法的飞机压力加油系统优化设计

针对某型飞机地面压力加油系统存在的常用加油量加油时间过长的问题,提出了一种新的系统优化设计方案。基于该型飞机的常用加油方式为有余油的小加油量加油,并充分考虑到机翼油箱组和机身油箱组的不同特点,提出按机翼油箱组和机身油箱组分别单独进行加油系统优化设计。机翼油箱组按照各油箱同时满油的目标设计,机身油箱组采用Bayes优化方法对节流孔径进行优化设计。系统性能的计算结果验证了该方法的有效性。     

一种磁悬浮系统的降阶方法

针对电压控制的磁悬浮系统设计了时间最优控制算法以获得电流最速响应,并推导了控制系统硬件对电流响应速度的约束关系;根据跟踪误差改变控制器参数以精确地跟踪设定电流;根据在线辨识得到的线圈参数计算最终控制电压以维持理想电流。这种算法能够使电压控制取得与电流控制同样的效果,简化了控制系统分析与设计并提高了对线圈参数时变的鲁棒性。磁悬浮小球电流响应实验与悬浮实验验证了算法的有效性,该算法还可扩展到其他电压控制电流的场合。     

基于神经网络的全局滑模变结构控制

针对一类非线性不确定离散时间系统,提出了一种基于神经网络趋近律的全局滑模变结构控制方法。分别用两个前馈神经网络（FNNs）自适应调整趋近律中的参数ε和δ,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。在用径向基神经网络（RBFNN）对系统进行模型估计的同时,基于平移滑平面的设计方案,实现了系统的全局鲁棒滑模控制。仿真结果表明控制系统具有良好的跟踪性能,该方案使系统一开始就处于滑平面上,消除了系统抖振,具有较强的鲁棒性。     

ARMA供应链模型研究

在基于ARMA时间序列的需求和目标库存最大策略的假定条件下,建立了供应链系统模型。利用时间序列分析方法推导了库存序列、订货序列和库存残差序列的方程表达式,证明库存序列、订货序列和库存残差序列同样为ARMA时间序列,自回归和移动平均的阶数依赖于需求时间序列的阶数和提前期的大小,且订货序列和库存残差序列的自回归部分与需求的自回归部分相同。     

含作业到达时间的同类机调度问题启发式算法

研究了目标函数是最小化完成时间和的同类机调度问题,其中作业到达时间可能不同.此问题被证明是强NP-hard问题.由于同类机调度是一种重要的平行机调度问题,而最小完成时间和目标是最常见的正则目标之一,因此完成时间和的同类机调度问题在相关研究领域具有非常重要的地位.为此问题建立数学模型,通过对单机和同型机的相应问题研究成果的推广,提出6个启发式算法,给出算例及其计算结果,并通过实验对算法的性能及算法适应的情形进行了分析.     

基于Lax-Wendroff型时间离散的高精度GDO方法

将传统的GDQ方法与Lax-Wendroff型时间离散相结合,构造出一种时空同步离散的高精度守恒型差分方法.数值试验证明该方法能够很好的模拟激波、压缩波、稀疏波和接触间断等流场特性,并具有精度高、计算量小、形式简单、边界条件易于处理等优点.     

在校大学生消费情况分析及科学理财模式的构筑

通过问卷调查对在校大学生的消费结构现状进行了分析,指出目前大学生消费结构中存在的问题,提出从社会、家庭、学校、学生个人四个方面全方位构筑大学生科学的理财模式,以期对大学生合理消费模式的形成提供指导.