EKF在多变量混沌序列辨识中的应用

运用扩维技术以及扩展卡尔曼滤波算法的跟踪辨识特性同步实现对多变量混沌序列的精确预测和混沌系统主动态方程的参数辨识。利用典型混沌方程与所观测时间序列的吸引子特性比较，较准确地确定系统初始状态。对理想Roessler三个变量的时间序列和大连市气温降雨二变量时间序列进行仿真并与递推最小二乘法进行比较，结果表明该方法的有效性。     

基于π型舵船舶减纵摇广义预测控制研究

针对π型舵船舶减纵摇问题,建立了船舶舵减纵摇状态空间数学模型,基于广义预测控制理论,经过适当简化,推导出一种用于π型舵船舶减纵摇状态空间模型的输出多步预测和广义预测控制律并进行仿真研究。对于白噪声干扰情况,利用线性Kalman滤波器估计系统状态,以水翼艇为研究对象进行了仿真。仿真结果表明:有效可行、简便实用并具有良好的参数鲁棒性,获得了良好的减纵摇控制效果。     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

大气污染预测的参数化组合算子方法

大气污染物浓度预报是一个多因素、复杂的非线性问题，以往多使用线性回归方法．根据Zimmermann提出的参数化二元组合算子方法，将其推广为多元的情形．在成因分析的基础上，建立了大气污染物浓度预测的参数化组合算子模型，适应非线性问题．实例分析比较表明，该方法是有效的．     

基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．     

一种改进的相空间近邻等距模式及其在短期气候预测中的试验

现有研究表明,气候要素系统可能存在混沌现象.通过应用混沌理论中的重建相空间技术,可在相空间中揭示出传统方法无法揭示的复杂气候动力特征,为气候预测研究开创一条新途径.现有相空间理论的研究多着重于对混沌系统的识别和应用混沌相空间理论建立不同的模式进行提前预测,这些预测多为对月时间尺度的;对于如何提高预报准确率和延长预报时效,从而实现对多个月份、季、年等更长时间尺度提前预报的研究还不多见.基于混沌理论的相空间近邻等距模式,对该理论中的提前预报时间T、延迟时间τ和相空间维数d等进行讨论.提出,实际应用中根据提前预报时间T来建立新的时间序列,满足T=τ=sδt,消除了相空间时滞τ的变化对提前预报时间尺度T的影响.应用改进前、后的预报模式,以不同相空间维数d对气温和降水气候要素做提前T=1~15个月的预报试验和检验.结果发现,改进后的模式提高了预报准确率,延长了预报时效.     

区域耕地-人口-粮食系统动态分析与耕地压力预测——以河北省邢台市为例

在分析河北省邢台市1990—2004年耕地、人口、粮食动态变化的基础上,分析了耕地压力指数的变化特点,并对未来15年耕地、人口、粮食进行了预测,进而预测了耕地压力指数的变化。结果显示:1990年以来,虽然邢台市耕地数量持续减少,人口不断增加,但由于耕地生产率不断提高,粮食产量和人均占有量却在增加,耕地压力指数呈现降低的趋势。未来15年耕地压力指数将进一步降低。可见,依靠增加投入和科技进步从而不断提高耕地生产率,是减轻耕地压力、保证粮食安全生产的根本途径。     

基于CARIMA模型的PFC与GPC的等价性

建立了新型的模型预测控制方法——预测函数控制(PFC)与传统的广义预测控制(GPC)的联系.首先推导了基于含有色噪声的自回归增量滑动平均(CARIMA)模型的预测函数控制的控制律,然后通过选取不同的基函数获取PFC控制律的形式并与GPC控制律进行比较.从而证明了在一定的基函数的选取方式下,基于CARIMA模型的PFC算法和GPC算法是等价的.揭示了PFC与GPC两者之间深刻的内在联系,为PFC的工程应用提供了理论保证.     

基于组合神经网络的雷达弱信号检测

本文提出了一种基于组合RBF神经网络与混沌理论的弱目标检测算法。运用RBF神经网络的特点,将非线性预测模型的建立归结为预测误差的最小化问题,再对误差的控制建立合适的非线性预测模型。经仿真研究表明了所提出算法的可行性和有效性。