确定性多变量非线性系统的在线修正参数预测滤波PID控制

针对确定性多变量NARMAX模型,分析了其可采用PID控制的约束条件。提出一种增量型预测滤波解耦PID控制算法,基于递推参数估计算法对系统模型进行参数估计,采用逐步迭代预报算法进行预测,结合一种可克服算法病态的直接极小化指标函数的自适应控制算法和Robbins-Monro算法,给出了确定性多变量NARMAX模型的具有在线修正参数的预测滤波PID控制算法,因指标函数中含有输出的预测值,故算法具有加快PID控制参数收敛到有效值速度的性能。仿真研究表明,因为所提出的PID算法具有在线修正参数和预测控制的性能,故系统具有较好的控制品质。     

中波台电磁辐射环境影响预测模式比较研究

为更好地预测中波台对周围环境的电磁辐射影响,该文结合某中波台类比监测结果,对现有常用的两种中波台电磁辐射环境影响预测模式进行比较,探讨两种预测模式的适用性。研究表明,环评导则的预测模式未考虑天线感应场及辐射近场的影响,计算方法简便,预测数值相对保守、偏安全;广电规范的预测模式考虑了天线辐射近场的影响,但未考虑天线感应场的影响,其预测数值与环评导则的预测数值相比更接近于实测值,对项目的环境管理更具有实际意义。     

结构混凝土抗压强度预测RBF-ANN模型

为了达到对C20~C40范围内的结构混凝土抗压强度快速准确预测的目的,基于RBF-ANN模型基本原理及应用特点,在钻芯法、回弹法、超声波法及回弹-超声波综合法等大量室内和现场无损检测试验基础上,进一步应用Matlab2012b神经网络工具箱,建立了混凝土抗压强度RBF-ANN预测模型。该模型经充分训练后,应用于山西省重点建设工程项目的结构混凝土质量控制。工程实践表明,构建的RBF-ANN模型预测精度为4.4%,满足工程实际需要,具有较好的便捷性、经济性和准确性。     

回归分析在具有蠕变特点滑坡变形预测中的应用

应用一维回归分析预测新滩滑坡变形的发展趋势,求得各阶段的累积位移一时间函数,并进一步求得变形加速度和变形速度随时间变化的函数关系。通过具体分析,认为变形加速度可作为蠕变滑坡的一个临滑预警指标,并将新滩滑坡临滑预警指标定为7.5 mm/月²。     

基于高阶图卷积自编码器的网络流量预测

网络流量预测是有效保障用户QoS措施之一。当前深度学习为基础的网络算法预测中没有充分利用网络拓扑信息。为此,提出了基于高阶图卷积自编码器的网络流量预测模型。该流量预测模型基于软件定义网络（SDN）架构,利用高阶图卷积网络（GCN）获取网络拓扑中的多跳邻域之间的流量相互影响关系,采用门控递归单元（GRU）获取网络的时间相关性信息,利用自编码模型来实现无监督学习和预测。在Abilene网络上采用真实数据进行了仿真对比分析试验,结果表明,提出的方法在网络流量检测方面的MAPE值为41.56%,低于其它深度学习的方法,同时预测准确率方面也达到最优。     

考虑注意力和时空特征深度学习的网约车行程时间预测

行程时间预测做为智能交通领域中重要的组成部分,在道路导航、乘客出行过程中起着重要的作用。现有方法很少考虑到交通拥堵变化所产生的影响。本文提出了一种基于注意力机制的时空特征深度学习模型,模型通过卷积神经网络去学习行程过程中所花费的时间和距离以及交通拥堵状态信息,通过注意力机制从通道和空间上两个角度去捕获影响行程中路段通行时间的异常信息,采用双层的长短时记忆网络去学习行程中的路段序列信息,最后通过多任务的学习机制从路径和路段两个角度出发去预测路径通行时间。本文提出的方法与DEEPTRAVEL模型相比,预测精度在平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别提升了8.23%和20.79%。     

基于模态测试的挡土墙土压力计算方法

对考虑位移的土压力计算方法进行研究,提出了一种基于模态测试和参数识别的土压力计算方法。首先,将土体等效成一系列弹簧来模拟,土压力统一表示为静止土压力和土压力增量之和,并假定土压力增量等于土体的地基反力系数和墙体位移的乘积;其次,建立了墙土系统简化动测模型,根据墙土系统的动力特性,提出采用改进多种群遗传算法识别土体的地基反力系数;最后,结合共同变形理论,进行迭代计算得到土压力分布形式,并通过与库伦土压力理论、实验结果进行比较,表明计算结果和实验结果吻合得较好。为未预先埋设土压力盒的在役挡墙的土压力确定提供了一种行之有效的方法。     

基于改进特征选择法的光纤网络流量异常监测研究

采用当前方法进行光纤网络流量异常监测过程中,特征选择法无法全面描述流量异常特征监测的不足,存在监测效果较差的问题。为此,提出一种基于改进特征选择法的异常流量监测方法。首先采用分光方式对光纤网络流量进行分析,获取光纤网络流量时间序列,并描述用于流量异常监测的多时间序列之间的相互关系,然后利用改进特征选择法对网络出口流量进行特征提取。利用聚类算法选择网络流量异常最优类数和聚类中心,来对网络流量异常现象进行过滤,从而实现网络异常流量特征抽取、特征选择改进算法和网络流量异常监测的研发,从而提高光纤网络流量异常现象监测的准确度。仿真实验结果证明,通过这种方法,能有效地对网络流量异常现象进行监测,且算法简单,能够满足网络流量异常监测的应用需求,实用价值较高。     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

业务协同驱动的高校数据质量管理模型及应用

从高校业务协同场景出发,结合高校业务数据特点,提出一种数据质量管理框架和评价模型;建立协同业务数据质量的评价指标体系,包括数据源质量、数据关联质量、数据效用质量三个维度7项一级指标;采用比较标度的改进层次分析法设计评估权重,简化构造矩阵的一致性校验的问题。实际应用表明,提出的评价模型可以有效量化评价业务协同场景下各系统和数据集数据质量,发现问题原因,具备可操作性和实用性,为提高数据质量提供参考。