基于RS与LS-SVR的储层参数预测

该文提出结合粗糙集(RS)和最小二乘支持向量回归(LS-SVR)的方法.该方法利用RS对原始数据进行约简,更好地减少了支持向量的维数;同时采用LS-SVR解决了常规SVM计算速度慢、抗噪能力差的缺点.实例证明该方法应用在复杂地层储层参数预测中具有优越性.     

一种并联机构结构误差识别与修正的新算法

为了提高并联机床的运动精度,针对简化误差源模型（含42个误差量）,基于并联机构位置正解的快速算法提出了一种结构误差识别的新算法．首先按理论并联机构设计参数,将一球杆仪的两个球铰分别固定在保持平行的动、静平台上,令球杆仪在动平台上的球铰中心相对于静平台上的球铰中心做球面螺旋线运动．然后在此前提下根据球杆仪球杆理论计算长度与实际长度之差构造m维矢量空间,依次让每一个待识别的结构参数有一个单位增量,重点修正与实测误差相关程度最高的结构参数．并通过从测量误差向量中分离出主修正向量后的残余误差向量方法提高修正效率．经过若干轮修正,直到使修正后球杆理论计算长度与实际长度基本一致,即可认为各项误差已修正完毕．该算法只需测量球杆的长度值,大大减少了测量工作量及由此而引入的误差源．     

基于邻域粗糙集的不完整决策系统特征选择算法

针对不完整决策系统属性约简算法时间复杂度较高问题,基于正域不变条件下,决策系统分类能力保持不变原则,提出不完整决策系统前向顺序特征选择算法.该算法从约简集为空集开始,根据在约简集合中加入各属性后对正域影响程度大小将属性降序排列,采用顺序前向搜索,选择当前最佳特征加入特征约简集合,确定最佳特征子集.将该算法扩展到基于邻域...     

融合粗糙集和证据理论的车地无线通信设备故障诊断

针对车地无线通信设备故障诊断信息不一致的情况进行故障推理和诊断,提出了一种融合粗糙集与证据理论综合集成的车地无线通信设备故障诊断方法.该方法首先利用粗糙集剔除故障特征数据的冗余成分,提取互不相关的必需特征,将车地无线通信设备故障诊断问题用一个不同简化层次的故障决策网络表示,由网络节点根据定义出的规则置信度和覆盖度可推导出对应有效的故障诊断规则集合.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制,便可方便得出车地无线通信单元故障诊断结果,实例分析表明该方法能有效提高模型故障诊断能力,具有较强实用性.     

对A=11同质异位素核的奇异性质研究

在单粒子势模型的框架下,通过在核中心势中引入l2修正项(l表示核子的轨道角动量),计算了A=11同质异位素核的均方根半径值、能级值和密度分布.理论计算得到的半径值和能级结构与实验结果一致.特别是,理论计算能够同时实现镜像核11Be和11N中251/2-1p1/2能级间的反转,从而解释了11Be和11N的反常的自旋宇称值...     

耦合Schrdinger-KdV方程组的行波解

利用齐次平衡原则及修正的双曲函数展开方法,求出了耦合Schrdinger-KdV方程组的一些行波解.     

精度与程度的逻辑差近似算子及其性质

首先研究了程度近似与变精度近似的关系与转化,再利用变精度近似算子与程度近似算子定义了精度与程度的逻辑差近似算子,其具有与精度与程度2个量化指标相关的逻辑含义,最后研究并得到了精度与程度的逻辑差近似算子的一般性质与幂作用性质.精度与程度的逻辑差近似算子部分拓展了程度近似算子与经典近似算子,进而得到了这些已有近似算子幂作用...     

基于深度学习和IHPO的桥梁结构模型修正方法

针对桥梁结构模型修正中实测振型不完备的问题,基于简支梁动力试验,利用卷积神经网络强化实测非完备振型,联合强化后的完备振型和实测频率构建目标函数,采用改进的猎食者优化算法修正结构有限元模型,并与用实测非完备振型和频率构建目标函数进行模型修正的方法进行对比。结果表明：基于深度学习和改进猎食者优化算法修正的简支梁结构有限元模型的前4阶频率与实测值误差均小于0.5%,振型的模态置信准则值均大于0.99,且模型修正的平均消耗时间比使用实测非完备振型进行模型修正时少45%;所提出的方法具有更高的精度和效率,且传感器数量仅为4个时12单元简支梁也能获得精确的模型修正结果。     

神经网络定位中多点多映射概率样本增强方法研究

神经网络室内定位算法的定位精度取决于训练样本的数量和样本对数据特征的表征性,针对样本采集工作量大的问题,本文提出了一种多点多映射概率样本的增强方法.该方法首先根据无线信号的传播特性以及空间相关性,利用少量实测点数据,快速构建多点反应环境影响的特征,然后利用概率法生成表征无线信号波动的多映射正态分布样本数据.实验结果表明...     

基于启发式信息熵的粗集数值属性离散化算法

在一致性假设前提下,以数据集的统计性质作为启发式知识,从候选离散点集中选择离散点,根据数据集的期望值和方差来确定搜索最优离散点的区域,提出一种新的基于信息熵粗集数值属性离散化算法,并采用UCI国际标准数据集来验证新算法.新算法与已报道的算法所得到的离散断点集完全一致,决策表的离散化结果也相同,但时间代价不同,新算法比其计算效率提高40%～50%.