降水预测的模糊权马尔可夫模型及应用

中长期降水量的预测是气象科学的一个难点问题，论文首先基于降水过程存在大量不确定性、不精确性的特点，应用模糊有序聚类的方法建立降水丰桔状况的分级标准；然后针对降水量为相依随机变量的特点，采取以规范化的各阶自相关系数为权重，用加权的马尔可夫链来预测未来降水的丰桔变化状况；在此基础上，根据模糊集理论中的级别特征值，计算出具体的降水量；最后以山西省河曲水文站近50年的降水资料为实例，对该方法进行了具体的应用，收到了较为满意的结果，从而为提高中长期降水量预报的精度提供了一条值得探索的途径。     

可持续消费测度中的熵权法及其实证研究

从可持续发展的角度,构建了消费系统的可持续性评价指标体系,并讨论了消费的可持续性测度制定的思路,从系统理论出发,把系统熵理论应用在制定消费系统的可持续测度中,通过熵权赋值来制定消费系统的可持续性测度,在此基础上,分别从横向和纵向研究了消费的可持续性测度制定的方法,并进行了实证研究,得到了较好的结论.     

人工神经网络D最优设计的一种方法

利用初始的少数实例求初步的权值矩阵，根据该矩阵的人工神经网络模型找出偏导数向量的模最大时对应的设计矩阵，又根据该设计矩阵的实例求出新的权值矩阵，寻找新一轮设计矩阵。通过用泰勒级数展开的神经网络输出公式，求该输出函数的方差，证明了偏导数的向量的模最大是相关矩阵行列式最小(D最优)的充分条件。     

多目标决策中的目标可变权法

多目标决策分析中，最常用的方法是目标加权法，目标权系数通常是由决策者主观确定的。但事实上，目标的权系数还应包含反映目标值所传递的反馈信息量的客观权。本文把两部分权值结合起来形成可变目标权，从而使决策更符合实际决策过程。并用实例说明，该方法实用、可行、有效。     

SUMPLE算法的合成权值相位性能分析与仿真

SUMPLE算法是深空网天线组阵中信号合成的最重要方法之一。研究了合成权值的补偿相位估计性能,从参数估计角度分析了该算法具有较好的合成性能原因。同时,进一步利用SUMPLE算法合成权值之间相位差实现多天线信号间的相位差估计,并推导了估计算法的理论性能以及分析了天线数对算法性能的影响。理论分析与仿真结果表明,天线数越多,相位差估计性能越接近估计下界,较适合于低信噪比下多天线信号间的相位差估计。     

状态变权的公理化体系和均衡函数的构造

改造了原始的状态变权向量公理化定义,给出了若干变权实例,构造了两种常用的均衡函数     

权马尔可夫链在河流丰枯状况预测中的应用

针对河川径流量为相依随机变量的特点,提出了以规范化的各阶自相关系数为权, 用加权的马尔可夫链来预测河流未来丰枯状况的方法, 并通过实例对该方法进行了具体的应用     

局部变权的公理体系

提出了局部变权的公理化定义,研究了与之相应的局部状态变权,得到了两类基本均衡函数.最后,作为原理的应用,给出了一个例子.     

确定事例特征权值的方法研究

针对事例特征权值的确定问题 ,提出了 Delphi和 AHP相结合的权值确定方法 ,以及二次规划模型权值确定法和信用统计权值确定法 .这些方法在事例特征权值的确定中 ,有助于减少主观性 ,增加客观性 .     

改进微粒群算法及其在生料浆调配多目标优化中的应用

微粒群算法是一种简单易行、收敛快速的演化计算方法，但也存在早熟收敛的缺陷。鉴于惯性权值对控制算法收敛所起的作用，本文提出一种改进的微粒群算法，让惯性权值按类S型曲线形式随迭代次数非线性变化，并根据微粒当前的搜索状态自适应调节该曲线的曲率，有效保证算法收敛速度和全局寻优能力。改进的微粒群算法用于求解氧化铝生料浆调配过程0-1组合优化问题，与传统微粒群算法及遗传算法比较的结果表明，改进的微粒群算法具有较强的全局搜索能力且能有效避免早熟收敛问题。