基于马尔可夫链和模糊聚类的电力系统短期负荷预测

提出一种马尔可夫链和模糊聚类相结合的预测方法,针对时间序列中出现的各种随机现象,分别建立数学模型.对样本所属状态采用模糊划分,使分类更符合实际情况;利用马尔可夫链对研究对象做状态分析,根据状态转移进行预测.该方法在电力系统负荷预测中使用,提高了算法的全局最优性能.在时间序列呈现较强的随机性时,本算法具有明显的优越性.仿真结果表明,对于各种扰动因素,预测误差可控制在3.5%以内.     

基于物联网的食品安全社会共治体系数据架构设计

近年来,随着食品产业规模逐步扩大,食品供应链中存在的安全风险给监管工作带来了新挑战,为了实现多元主体共同参与食品安全监管,形成食品安全社会共治模式,探索研究食品安全社会共治体系,就食品生产、加工、流通、销售、监管等环节产生的数据进行深入分析,提出了基于物联网的食品安全社会共治体系数据架构。该架构提供了各社会共治主体相关数据的采集与整合功能,包括政府监管部门、企业、社会公众、第三方机构、新闻媒体等。通过建立统一的标准接口、数据调用模式和编码方式,将数据存储地址、编码规则进行目录化管理,根据目录中的地址采用监管信息和追溯信息采集接口实现数据汇集与协同。并以商品唯一标识编码(即商品追溯码)作为主要检索依据,进行数据目录调取与信息关联,最终实现多环节、跨部门、跨层级的食品安全数据共享及全链条的信息追溯。同时,采用区块链技术提高数据的安全性,防止关键信息被篡改。基于物联网的食品安全社会共治体系数据架构旨在有效助力食品安全生产、检验检测、风险管控、舆情监测,提升食品安全智慧监管效能。     

马氏环境中马氏链于小柱集上之概率的指数估计

本文给出了马氏随机环境中马氏链于小柱集上之概率的一个指数估计式，其估计指数即为熵，这一结果拓广了平稳遍历马氏链的相应结果。     

模糊随机需求条件下供应链定期库存订货策略研究

在提前期内需求为模糊随机变量且提前期为可变情形下,建立由制造商和购买商所组成的供应链优化决策模型,其中购买商订货周期、目标订货点和进货提前期、制造商目标库存点为决策变量。首先推导出模糊随机需求条件下购买商、制造商和供应链的成本函数,然后进一步考虑总需求为三角模糊数,推导出购买商、制造商和供应链的模糊成本函数。在此基础上从供应链成本最小角度对模型设计求解,并运用具体算例验证模型的有效性。     

风险链视角下建设项目进度风险评估

归纳出风险链的概念,并提出以风险链为评估对象的进度风险评估方法:利用去主观化的方法,分析由专家小组给出的进度风险因素间关联关系的评价信息,确定项目进度风险因素间的关联关系;根据关联关系建立风险关联网络,并阐述将风险关联网络分割为独立风险链的方法;将项目进度计划、风险链属性等信息纳入到蒙特卡洛仿真过程进行模拟,并提出以仿真输出结果为计算依据的风险链评估公式.在算例中,阐述并分析该方法的可行性和有效性.     

条件概率与刚性近似下高分子链非格子模型的Monte Carlo模拟

探讨了采用高分子链的实际键长、键角、旋转异构态和无扰链时的条件概率逐个链段地生成样本高分子链进行真实链和受限链分子构象统计研究的可能性.并就无扰链、尾形链、真实链的情况与完全计算法、Flory矩阵方法进行了比较.结果表明:在刚性近似下,使用无扰态时的条件概率生成样本高分子链的Monte Carlo模拟,其样本库能真实地重现平衡态时受限链和真实链的构象分布,适用于受限链和真实链的构象统计研究.     

广义严格对角占优矩阵的判定及其在神经网络系统中的应用

利用非零元素链理论以及方法,给出了判定广义严格对角占优矩阵的几个充分条件,拓广了广义严格对角占优矩阵的判定方法,并给出其在神经网络系统中的应用,结果表明该法不仅有效而且简单实用.     

基于AHP-BP算法的供应链合作伙伴选择建模及其应用

将AHP法与改进的BP神经网络相结合建立了供应链合作伙伴选择模型,并使用L-M算法对神经网络权值进行训练,实现了对供应商的多标准评价;所用的评价指标体系选取全面,适用于多种类型的供应链合作伙伴选择。用实例对模型进行了验证,并取得了较好的评价效果。该模型应用简单,且减少了供应链合作伙伴选择过程中人为因素的影响,具有一定的实用价值。     

基于单调链的平面型腔行切加工轨迹生成算法

针对平面型腔行切加工刀具轨迹生成中如何合理而最大程度地减少在加工刀具轨迹中产生的跳刀动作的次数，提出了一种基于单调链技术的行切刀具轨迹生成算法，从而使对给定平面型腔而产生的行切刀具轨迹最大程度地减少了跳刀动作的次数，而且针对给定的复杂平面型腔，该算法可以预先分析出可能产生的最大跳刀次数，这一算法已在实际开发的CAM系统中成功实现。     

一种基于HMM的雷达目标识别方法

根据雷达目标散射点的一般模型和特定条件的简化模型；提出用RELAX方法从高分辨雷达回波提取目标散射点分布的位置信息作为目标HRRR的特征向量；利用HRRR对雷达视角敏感这一特点，用隐马尔可夫过程表征多视角雷达回波序列，获得目标距离-方位两维信息，用若干HMM子过程构成的模式链表征一个飞行目标的飞行姿态变化，从而采用基于隐马尔可夫模型的分类器实现目标类属和方位的自动识别和分类，实测数据的计算机仿真结果表明，这一方法的平均识率为99.80%和81.2%。