基于喷泉码的防窃听编码设计

针对无线通信的安全性,提出一种与物理层喷泉码编码相结合的防窃听方法。利用增加人工噪声破坏窃听者喷泉码MP译码顺序,在保证主信道正常通信情况下,大幅度增加了窃听者的误码率,使其难以正常窃取信息,达到保证主信道通信安全的目的。实验结果表明,该方法在增加少量人工干扰噪声的情况下,使得窃听者的误码率达到30%~50%以上,达到防止窃听目的。     

基于BP神经网络方法的分层注水量计算

对静态地层系数法和动态方程法等分层注水量计算方法分析表明:现有方法考虑注水量影响因素较少,计算误差较大,适用性较差。应用BP神经网络方法计算分层注量,以砂岩厚度、有效厚度、渗透率和沉积相影响系数等16个影响因素作为模型输入参数,单层吸水量作为模型输出。实例计算结果表明:BP神经网络法计算分层注水量与实测值的最大误差为6.51%,平均误差为3.21%,准确性较好,说明BP神经网络方法在分层注水量计算方面具有较好的应用前景。     

基于产卵场生境变化的四大家鱼生态补偿模型研究

产卵场的生境条件是影响四大家鱼产卵、鱼卵孵化和鱼苗存活的关键因素﹒由产卵场生境变化导致的产卵场萎缩、鱼类资源锐减的生态补偿研究相对缺乏,因此本文以湘江干流常宁张河铺至衡阳云集河段的四大家鱼产卵场为研究区域,从影响家鱼产卵、鱼苗孵化及存活所需的水力、水环境、水温等生境条件入手,以湘江干流四大家鱼产卵期(4～7月)各项数据为基础,利用RVA法(变动范围法)计算刺激家鱼产卵关键水力条件(月均流速、极值流速出现时间、高低流速频率和历时)的改变度,采用均值综合污染指数法计算水环境改变度,并以1990年水温为基准计算月均水温改变度;将所得各指标改变度值作为输入因子,以鱼苗(卵)减少量作为输出因子,利用BP神经网络建立基于产卵场生境变化影响下的四大家鱼生态补偿模型,并对生态补偿过程中的主客体进行了初步探究﹒研究表明,因生境变化而影响家鱼产卵量的生态补偿量系数为0.941 1,需补偿的鱼苗(卵)产量为13.72亿颗(尾).     

基于BP神经网络的组合预测及在电力负荷的应用

分析了电力负荷预测的意义及预测原理,并以传统方法证明了组合预测的优越性．在经典预测方法线性回归和现代预测方法灰色模型的基础上,通过BP神经网络进行组合预测,分别应用单一模型和以计算机为工具的组合模型对上海市年电荷用量进行预测．通过分析和比较验证了该组合算法的有效性,     

基于机器学习的飞机起落架着陆载荷预测模型

随着物联网、大数据技术的深入发展,一型装备交付部队的同时,往往需同步提供数字孪生模型以优化视情维护过程。论文基于某型号飞机试飞数据,提出一种将机器学习技术用于飞机起落架着陆载荷预测模型构建的方法。以某型号飞机飞行参数为输入,以传感器实测的左起落架垂向载荷为输出,经数据清洗和特征降维后,分别建立极端梯度提升（extreme gradient boosting, XGBoost）、随机森林（Random Forest）和多层前馈（back propagation, BP）神经网络模型,并对所建模型进行调优。经对比和评估,XGBoost模型具有最高的预测精度,对起落架载荷绝大多数样本的预测误差均保持在6%以内,同时建模时间少,泛化能力强,为起落架载荷预测最优模型。     

石灰改良红黏土导热系数影响因素及模型预测

导热系数是研究温度场的重要参数,基于石灰与红黏土酸碱互损随时间的演化,利用瞬态热线法导热系数仪,研究含水率、干密度以及龄期对石灰改良红黏土导热系数的影响,并建立经 验函数和BP神经网络预测模型。结果表明：石灰改良红黏土的导热系数随含水率的增加呈指数增长,随干密度的增加呈线性增长;在15-27%含水率范围内,其导热系数平均增长53.87%;在1.25-1.65 g·cm?3干密度范围内,其导热系数平均增长87.06%;改良土导热系数随龄期的增加呈指数降低,降低速率逐渐减小,最终有趋于稳定的趋势,在龄期90 d范围内,导热系数平均降低16.6%。经验证分析,两种模型的整体误差均小于10%;可以很好的描述石灰改良红黏土的导热系数随影响因素的变化情况。该规律以及模型,可以为日后相同土样进行石灰改良提供参考。     

基于神经网络的旋翼无人机空中原位风速反演

旋翼无人机空气动力学模型能够克服无人机旋翼下洗气流的影响,相比携带传感器直接测风具有一定优势。空气动力学模型利用无人机自身的姿态数据可以直接计算得到风向,但是风速的计算还需要开展大量的风洞实验以及复杂的实体建模获取相关参数。为简化流程、规避参数获取过程中存在的误差,采用BP(back propagation)神经网络替代风洞实验和实体建模,研究无人机姿态同自然风速的关系。通过确定风速影响因子,分别建立以两个欧拉角为输入和以两个欧拉角计算得到的倾角为输入的旋翼无人机空中原位风速反演模型EUL-BP(euler back propagation)和INC-BP(incline back propagation)。以无人机悬停等高度风塔上超声风速仪观测自然风速为真值,比较反演模型EUL-BP和INC-BP发现,INC-BP增强了BP神经网络寻优过程的约束,反演效果较EUL-BP更优,其均方根误差大致为0.65 m/s,相关系数为0.86左右;比较反演模型结果与无人机机载自动气象站观测结果发现,当风力条件为三级及以下时,反演风速远优于携带传感器观测的风速。     

基于互相关序列和BP网络的声源定位算法

在基于麦克风阵列的声源定位算法中,一种常用算法的基本思路是通过麦克风接收到信号的相关序列来计算信号之间的时延,进而再根据阵列的结构确定声源的位置。在分析传统的声源定位算法基础上,针对双五元十字阵模型,介绍传统的基于广义互相关相位变换加权(generalized cross correlation-phase transform, GCC-PHAT)时延估计的定位算法,并给出基于GCC-PHAT时延估计和反向传播(back propagation, BP)神经网络的定位算法、基于抛物线互相关时延估计和BP网络的定位算法,进而通过分析影响时延估计的主要因素,提出了基于互相关序列和BP网络的新定位算法,该算法将GCC-PHAT互相关序列最大值点的位置、最大值点及其左右各一点的相关值作为BP网络的输入,通过对BP网络进行训练来实现声源的三维定位。仿真实验表明：与传统的基于GCC-PHAT时延估计的定位算法相比,所提出的各个算法均具有较好的定位效果,后者均比前者的定位精度更高,而且提出的基于互相关序列和BP网络的新定位算法在低信噪比和高混响的条件下,也具有较好的定位效果。     

基于无人机影像与GA BP神经网络的生物量估算

快速、准确地监测冬小麦生物量,对于冬小麦田间管理、产量预测等具有重要意义.使用2015年开花期的冬小麦无人机数码影像及相应的生物量数据,将相关系数(|r|)、灰色关联分析(GRA)、投影变量重要性(VIP)与遗传算法(GA)-BP神经网络进行整合,构建了3种开花期冬小麦生物量估算模型,并对这3种模型进行可视化空间分析.结果表明：|r|-GA-BP,GRA-GA-BP,VIP-GA-BP模型的决定系数R²分别为0.753 9,0.689 8,0.704 4,RMSE分别为763.3,908.8,836.9 kg·hm^-2,MAPE分别为10.31%,15.65%和12.55%,|r|-GA-BP比GRA-GA-BP和VIP-GA-BP对冬小麦生物量有更好的预测能力.经可视化处理后能较为直观地反映冬小麦生物量的空间分布状况,为冬小麦的生长监测提供技术支持.     

基于BP网络的水泥强度预测

运用改进的BP算法,建立了水泥强度预测模型.模型1用于预测水泥抗压强度,网络输入为水泥3 d抗压强度,网络输出为水泥28 d抗压强度;模型2用于预测水泥抗折强度,网络输入为水泥3 d抗折强度,网络输出为水泥28 d抗折强度.网络的改进主要采用附加冲量和自适应学习率等方法,网络运行良好.模型1的相对误差平均值为1.665 5%;模型2的相对误差平均值为3.834 1%,预测结果较为理想.