一种针对多峰随机分布的不确定性传播分析方法

在实际工程应用中随机变量可能会服从多峰随机分布,如火车减振器在长期使用后的阻尼特性和安全切割试件修复后的疲劳寿命等.传统的不确定性传播方法主要用于处理单峰随机分布问题,而在处理多峰随机分布问题时容易产生较大误差.本研究提出了一种针对多峰随机分布的不确定性传播分析方法.首先,使用高斯混合模型建立多峰随机变量的概率密度函数;其次,发展了一种高效三元降维法计算响应函数的高阶统计矩,该方法可以有效提高不确定传播的计算效率;再次,使用最大熵方法来计算响应的概率密度函数并且通过基于熵值的自适应方法来确定统计矩的最优阶数;最后,使用四个算例验证了提出方法在多峰不确定性传播中的计算精度和效率.     

基于激光扫描的细观混凝土模型

将激光扫描技术与发展的状态点阵骨料投放算法相结合,实现了三维、二维细观混凝土几何建模.三维模型的构建通过激光扫描仪对骨料进行信息采集进而构建骨料库,结合骨料投放算法,构建出反映真实骨料形态、分布和级配等特征的三维混凝土细观模型.二维模型的构建仅需对三维模型进行剖切.激光扫描技术能给出骨料的空间真实形态,骨料库的构建保证了骨料的随机多样性,骨料投放算法则将整个建模过程程序化.为了验证该方法,选取典型切面构造二维模型,结合室内实验,利用内聚力模型研究了骨料空间分布对混凝土单轴压缩破坏的影响规律.     

神经网络BP算法的改进方法探究

针对BP算法存在的问题或缺点,提出从提高训练速度的方法、选择激活函教类型、初始权重的影响及设置、隐含层数和隐含层节点数的选择等方面进行改进。从而使BP算法得到优化。     

用于时敏目标打击链快速构建的智能方法

为提高战斗中时敏打击链的构建效率,优化资源分配,实现一种快速构建时敏打击链的智能方法,提出将模拟退火算法与遗传算法运用于快速构建时敏打击链.仿真实验表明,可以在短时间内完成时敏目标打击优先级排序、传感器平台-目标配对和武器平台-目标配对,并在目标的时间窗口内摧毁目标.优化了传感器和武器的使用,弥补了构建时敏打击链的局限...     

基于非泊松点过程的异构蜂窝网络能效优化

泊松点过程(Poisson Point Process,PPP)为异构蜂窝网络(Heterogeneous Cellular Networks,HetNets)的分析提供易于处理的结果,因此在无线网络建模和性能分析中得到了广泛的应用.然而,它不能准确反映实际基站的空间分布特征.考虑到宏基站(Macro Base Sta...     

基于改进的K-means聚类的学校恐怖袭击风险评估方法

基于改进的K-means聚类算法采用已有的恐怖袭击事件,构建不同袭击手段对不同袭击目标的风险进行评估分级的模型。首先,根据评估需求以及事件特点统计恐怖袭击事件样本数据;其次,针对K-means算法的恐怖袭击风险评估模型的缺陷采取改进方法,对聚类初始点的选择方法进行改良;再次,基于上述改进构建恐怖袭击风险评估模型;最后,选取1970～2019年全球发生的4 606起学校恐怖袭击事件进行风险评估,同时使用轮廓系数进行效果评价,以检验改进模型的有效性。结果提出改进的K-means聚类恐怖主义风险评估模型通过计算轮廓系数评价其聚类效果优于改进之前的恐怖主义风险评估模型,所构建的恐怖主义风险评估模型可以在不依赖于专家打分、确定权重的情况下基于已发生的事件得出较为客观的风险评估结果。     

区域转换下郑州天气衍生品定价研究

针对不同地区气温数据进行具体统计分析,以构建符合该地区气温特征的随机动力学模型,从而为天气衍生品进行更准确的定价,为有效地管理天气风险提供依据。对比了3种区域转换模型和单区域均值回复模型,以准确描述郑州市气温数据。实证分析说明,具有一个均值回复和一个布朗运动的区域转换模型预测的日平均气温更接近真实数据。     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性.针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit,GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将...     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中,随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差.针对上述的问题,结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model,NLMM)提出了一种可靠性改进的分析方法.首先,需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数.其次...     

基于GNSS信号的随机子空间模态参数识别方法

为了从全球卫星定位系统(GNSS)监测信号中获得桥梁结构模态特性信息,提出了一种基于GNSS信号的随机子空间模态参数识别方法.通过小波分解将GNSS信号分频,对各频段信号采用小波阈值降噪方法进行处理,并采用数据驱动的随机子空间模态参数识别方法对处理后的信号进行结构模态参数识别.以灌河大桥健康监测为例,对比研究了基于GNSS信号和基于加速度信号的随机子空间模态参数识别方法的模态频率识别效果.结果表明:通过分频段小波阈值降噪可有效滤除GNSS信号噪声,所提方法可以识别出灌河大桥多阶模态频率,与基于加速度信号的随机子空间模态参数识别方法识别结果吻合良好,最大误差在3.44%以内.