一种结合各类同化算法的一般方法

提出了一个将不同滤波方法的估计结果相结合的一般框架,进而得到一个更加稳健的估计结果.首先,将不同方法的预报集合(粒子)结合,并通过相应的统计方法去掉集合中对状态估计贡献非常小的粒子.然后,我们使用处理过的集合样本,利用核密度估计(KDE)得到相应的试验密度(proposal distribution),并从该密度中重新抽样,最后利用贝叶斯滤波方法得到新的估计值.由于不同数据同化方法都有相应的适用范围,新方法的估计结果可以结合各类方法的优点,进而得到一个更加稳健的估计结果。在模拟试验中,我们用集合Kalman滤波(EnKF)与粒子滤波(PF)的集合样本来估计试验分布,从模拟结果可以看出,新方法可以较大的提高原有方法的估计精度,并有效的预防了滤波发散.     

论系综理论的统一性

从系综理论的建立、涨落理论的分析以及计算体系三个方面，论证了其理论体系的高度统一性和逻辑上的高度严密性。     

基于集成学习的信号控制交叉口排队长度估计

基于电子警察(LPR)数据和网联车辆轨迹数据，提出了一种基于集成学习的信号控制交叉口排队长度估计方法。通过分析不同数据条件下估计方法的适用条件和精度水平，运用随机森林方法设计集成学习器，并构建电子警察和网联车辆轨迹感知信息及不同方法估计结果和真实排队长度之间的非线性映射关系。仿真结果表明：本方法的平均绝对误差为1.3 m·周期^-1·车道^-1，平均绝对百分比误差为1.4%。     

GOS下集合预报网格工作流程系统设计

为解决集合预报因扰动产生的多样本模式预报计算量巨大问题,充分利用分布异地的网络高性能资源,基于国家网格操作系统(GOS),在门户中间件Gridshpere之上设计并实现了一种适合于集合预报应用系统的网格工作流系统.该系统实现了包括应用程序的服务封装功能,应用服务执行的节点资源动态绑定功能,应用服务之间的数据/控制相关管理功能、重启容错功能、流程监控功能等,已成功应用到集合预报应用网格门户系统,实践证明系统切实可行.     

Application of varentropy as a measure of probabilistic uncertainty for complex networks

Varentropy is used as a general measure of probabilistic uncertainty for a complex network, inspired by the first and second laws of thermodynamics, but not limited to the equilibrium system. By exploring the relationship between the varentropy of the scale free distribution and the exponent of power laws as well as network size, we get the optimal design of a scale-free network against random failures. The behaviors of varentropy and the Shannon entropy of double Pareto law degree distribution are analyzed to compare their usefulness. Our conclusion is that varentropy is suitable and reliable.     

基于深度置信网络和信息融合技术的轴承故障诊断

提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决策层信息融合,从而得到轴承故障的最终诊断结果。通过对单负载和多负载下不同类型和不同损伤程度的滚动轴承故障诊断进行实例分析,验证了本文方法的有效性和精确性。     

基于CEEMD-GRU组合模型的快速路短时交通流预测

为了提高短时交通流预测精度,提出了基于互补集成经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)和门控循环单元(Gated Recurrent Unit, GRU)组合模型的快速路短时交通流预测方法。首先,运用互补集成经验模态分解算法,将非稳定的原始交通流时间序列数据分解为相对平稳的多个模态分量;然后,将分解后的模态分量分别建立GRU模型进行单步预测;最后,叠加每个分量的预测值,获取最终预测结果,并采用上海市南北高架快速路实测交通流数据进行实例验证。结果表明:CEEMD-GRU组合模型的预测效果明显优于GRU神经网络模型、EMD-GRU组合模型以及EEMD-GRU组合模型,平均预测精度分别提升了33.4%,25.6%和18.3%。CEEMD-GRU组合模型能够有效提取交通流数据特征分量,提高预测精度,为交通管控提供科学决策依据。     

由广义系综分布导出七种系综分布

根据系统与外界进行热的、物质的交换，以及力的作用，三类外界条件的作用，导出各种不同系综分布．     

互为热平衡的系统是否一定有相同的温度：如何正确理解热平衡定律

本文用微正则系统理论研究了处于热平衡不系统温度的涨落，得到了一切互为热平衡的系统只有在热力学极限情况下，才有相同的温度，为热平衡定律的成立加上了统一性约束－系统包含大量的微观粒子或大量的自由度。     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.