基于小波变换和ANFIS模型的不规则海浪组合预报

利用小波变换对不规则海浪进行多尺度一维小波分解与重构,得到相对简单、规则的准周期分量信号,然后建立了各信号的多输入、单输出自适应神经模糊推理系统(ANFIS)预报模型,最后对预报结果进行集成。基于Matlab语言的仿真结果表明,该方法不仅降低了预报的难度,而且具有较高的预报精确度。此方法亦可用于船舶横摇、纵摇、艏摇运动的预报。     

一种基于组合RBF网络及混沌理论的弱目标检测算法

针对复杂背景中的弱目标检测问题，提出了一种基于组合RBF网络及混沌理论的检测算法。该算法具有结构简单的优点。文中对算法的可实现性及合理性进行了理论分析，建立了基于预测误差优化的非线性预测模型，并结合闽值化处理实现了对弱目标的检测。在理论分析的基础上，对所提出的算法进行了仿真，结果表明了检测算法的有效性。     

甘肃黄土地区地震动持续时间预测研究

在阐述地震动持时的含义及特征的基础上，分析研究了黄土地区与非黄土地区地震动衰减的差异，建立了甘肃省黄土地区地震动衰减规律，提出一种解决与给定超越概率水平相匹配的地震动持时的概率预测方法，给出了甘肃省黄土主要分布地区50年超越概率10％的地震动持时区划结果。     

织物透湿性能测试与MATLAR应用研究

对各种织物透湿性能进行测试与分析．利用MATLAB6．5建立神经网络模型，选择最佳网络参数并对网络进行训练．通过应用实例提出了如何处理实验数据的方法，并通过建立大量的BP网络进行比较，筛选出最具应用价值的网络对透湿性能进行预测．     

基于RBF神经网络的跳频信号频率预测的研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络．比较了BP神经网络和RBF神经网络在跳频信号频率预测中的性能差异．应用MATLAB针对一伴有随机噪声的信号进行了仿真实验，证明了该理论的可行性与优越性。     

任意形状工作面开采地表移动变形预计的算法实现

针对目前矿山生产的现状，对任意形状工作面开采地表移动变形的预计算法进行了研究。应用概率积分法的基本原理，结合生产实际，运用VC 语言，开发了地表移动变形预计系统。本系统采用面向对象的技术和方法进行数据组织，基于剖面线算法实现图形分割和网格的自动生成，实现了任意形状工作面开采的移动变形预计、预计结果的可视化输出。     

一种基于SVR的综合预测方法及应用

针对一类因变量具有复杂自变量、且不具备相同采样周期的预测问题，综合运用支持向量回归估计(SVR)、多元回归和主成分分析等多种数据分析技术，提出了一种综合预测方法，建立起了飞机故障率与其错综复杂的影响因素间的一种数学关系，并且采用航空装备质量控制的统计数据对所提出的方法进行了实验，预测结果显示了方法的有效性。在影响因素量化过程中，还引入了Pearson相关系数方法。     

油藏数值模拟在剩余油预测中的不确定性分析

油藏数值模拟作为一种定量的剩余油饱和度预测方法 ,在油田开发后期剩余油分布研究中起着越来越重要的作用 ,但其预测精度也不可避免地受到多种因素的影响。对剩余油预测中油藏数值模拟精度的影响因素进行了分析 ,结果表明 ,地层对比的多解性、储层物性参数求取的不确定性以及储层非均质描述的局限性是影响数值模拟精度的主要地质因素。此外 ,相对渗透率曲线的选取、动态数据的获取及数值模拟软件本身都存在较大的不确定性 ,这些都会影响到油藏数值模拟的精度。因此 ,在剩余油研究过程中 ,不能过分依赖油藏数值模拟。应该综合运用地质、地震、测井、油藏工程、油藏数值模拟等多学科知识进行研究 ,以提高剩余油饱和度的预测精度。     

多层非均质油藏双分支井产能影响因素分析

针对多层非均质油藏地层之间压力不平衡的特点,建立了多分支井半解析产能预测模型,分析了双分支井产能的影响因素。结果表明,由于分支之间存在干扰,分支夹角越小产能损失越大;两个分支所在地层的条件差别越大,产能高的分支越不易发挥最大潜力,从而影响总产量;井筒中摩擦压降和汇合点处的压力损失对分支井的产能的影响不大。因此,在设计双分支井时,应尽量增大分支之间的夹角,分支汇合点尽量远离油层;分支井的井底流压不大于任何一个分支处的地层压力;两个分支应尽量选取生产压差接近的油层,这样就可以使两个分支都能发挥产能潜力。     

当前气候情境下3种凤尾藓在中国亚热带东部地区的潜在分布格局

基于当前气候条件下11个生物气候变量,以及小凤尾藓乳突变种15个、拟粗肋凤尾藓12个、透明凤尾藓16个国内地理分布记录,应用Max Ent模型和Arc GIS软件,预测了当前气候背景下这3种凤尾藓属植物在从未报道具体分布数据中国亚热带东部的37个自然保护区的潜在分布格局.选择10%的遗漏错误对应的累积值作为分布预测阈值,计算了当前气候条件下3种凤尾藓属植物在中国亚热带东部这37个自然保护区的综合气候适应指数.