混凝土碳化深度的贝叶斯自回归预测分析

总结和分析了影响混凝土碳化的主要因素及碳化深度计算模型,讨论了参数随机性及不确定性对碳化深度预测计算结果的影响.根据贝叶斯分析的基本原理,研究了混凝土碳化深度预测的贝叶斯自回归方法.该方法根据马尔可夫链(Markov Chain)的概率密度演化,利用吉布斯(Gibbs)抽样及蒙特卡洛(Monte Carlo)数值模拟,建立了混凝土碳化深度的随时贝叶斯自回归模型.该模型形式简单,收敛性好,且具有较高的预测精度.利用该方法和实测的碳化深度结果,建立自回归模型,可以对混凝土碳化深度进行更新预测.     

时间序列与主成分分析的结构损伤识别

提出一种基于AR模型均方根误差主成分分析的结构损伤识别方法.首先利用检测数据建立AR模型,求得模型的均方根误差,然后,采用主成分分析的方法获得主成分载荷矩阵,将此矩阵经过数据标准化处理得到结构损伤特征指标.通过比较结构不同状态下传感器获得的损伤特性指标,进行损伤定位.最后,基于美国Los Alamos实验室三层框架结构模型的损伤实验数据,利用本文方法和基于AR模型系数损伤定位的方法对该结构各种损伤状况进行识别.2种方法的对比研究表明采用本文的方法,通过主成分分析排除外界干扰因素,减少运算量,具有更高的损伤识别精度.     

基于时间序列分析的动态变形预报

对变形体的变形趋势做出预报,是变形监测的主要任务之一.时间序列分析能顾及各期数据间的统计相关性,通过建模实现变形体的动态变形预报.鉴于AR模型估计参数时有递推公式,且工作量小,故在介绍时间序列模型的基础上,结合变形监测实例,讨论了AR模型的建模过程,并采用AR模型实现了变形的动态预报.     

AR模型功率谱估计常用算法的性能比较

功率谱估计是分析随机信号的一种重要方法．通过分析AR模型功率谱估计,介绍AR模型参数提取的L-D算法、Burg算法和Marple算法,并利用计算机仿真比较三者的性能．     

基于时间序列分析的滑坡位移预测-以尖山营古滑坡复活为例

为了深入研究滑坡位移的特点,以尖山营古滑坡复活为例,基于时间序列加法模型,结合尖山营古滑坡的复活背景,将古滑坡位移分解为趋势项与周期项。对趋势项位移使用等维新息灰色（1,1）（GM（1,1））模型进行分析,并提取周期项位移,建立一阶自回归（A R）模型对周期项进行预测。将两者预测结果相加,即可得到古滑坡预测总位移。结果表明：预测与实测值误差较小,模型精度较高,能够较好的描述尖山营古滑坡的位移特征,可用于古滑坡后续的监测预报预警中,具有一定的理论研究与工程价值。     

一种基于C-RAN架构下资源负载预测方法

在C-RAN构架下,虚拟基带池集中化资源管理要求对物理硬件资源进行实时监控,保证物理资源有效进行动态分配和负载均衡。提出将自回归AR(autoregressive)预测方法运用于C-RAN架构下的物理资源负载预测,并根据物理资源特点,构建预测模型。采用双阈值限定负载范围,对超过或低于阈值的后续时间节点的负载进行预测,避免瞬时负载峰值触发的虚拟基站迁移。仿真结果说明该方法可以减少迁移次数,达到整个系统中资源的负载均衡。     

基于改进Jerk模型的高超声速滑翔目标跟踪

临近空间高超声速滑翔目标具有高速、高机动的运动特性,为了提高其跟踪精度,对现有的Jerk跟踪模型提出改进。首先将一阶AR模型的思想运用到模型参数的实时估计中,在目标状态方程和量测方程中引入了相关参数,然后构建了基于改进Jerk模型的参数自适应Kalman滤波算法,在目标状态估计的同时能够对模型参数进行自适应调整。最后基于HGT仿真轨迹对所提模型与传统的Jerk模型进行比较,仿真结果证明了改进Jerk模型对HGT跟踪的有效和优势。     

基于模糊聚类-关联规则的气象条件对交通阻断影响评估分析

为减少因气象条件导致的交通阻断事件的发生,提高道路运行安全和效率,运用数据挖掘中的模糊C-均值聚类算法（fuzzy C-means,FCM ）和关联规则（association rules,AR）,构建了各气象因素对道路交通阻断影响的综合评估模型。基于华东地区2019年上报的公路交通阻断数据进行实证分析,结果显示：雾霾对华东地区道路交通阻断影响最为频繁且严重,第四季度尤为突出,夜间是雾霾阻断的高发时段;江苏和山东是受雾霾影响的主要省份,江苏省全年都要关注雾霾对道路阻断的影响;降雨（积水）引起的交通阻断主要发生在第二季度白天,且对浙江省影响最为严重,降雨（积水）产生的阻断时间也最长;降雪（积雪）对道路阻断影响集中在第一季度,地区分布上以山东省为主;此外,浙江省第三季度需重点关注台风对道路通行的影响。     

误差为AR(1)过程的半函数型偏线性回归模型参数估计的强收敛性

文章研究了基于半函数型偏线性回归模型Y=XTβ+m(T)+ε,(X,T)与误差ε相互独立,在一定假设条件下,当误差满足AR(1)过程时,建立了这种半函数型偏线性回归模型中未知参数β的估计量β^的强收敛性,推广了现有文献中的结果。     

高噪声背景下故障信号自适应检测

为尽早发现电厂锅炉潜在故障,以研究高噪音背景下故障自适应检测系统为途径,提出了高噪音背景下故障信号检测的算法。传统的倒谱分析是对信号基于FFT(Fast Fourier Transformation)变换,而该算法对其进行改进,基于CZT（Chirp Z\|Transform）变换进行求逆,得到的故障特征曲线更稳定、更可靠。通过实验证明,该计算方法快速有效,故障报出的正确率在99％以上。