基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

Constructing and evaluating core inflation measures from component‐level inflation data

This paper undertakes a comprehensive examination of 10 measures of core inflation and evaluates which measure produces the best forecast of headline inflation out‐of‐sample. We use the Personal Consumption Expenditure Price Index as our measure of inflation. We use two sets of components (17 and 50) of the Personal Consumption Expenditure Price Index to construct these core inflation measures and evaluate these measures at the three time horizons (6, 12 and 24 months) most relevant for monetary policy decisions. The best measure of core inflation for both sets of components and over all time horizons uses weights based on the first principal component of the disaggregated (component‐level) prices. Interestingly, the results vary by the number of components used; when more components are used the weights based on the persistence of each component is statistically equivalent to the weights generated by the first principal component. However, those forecasts using the persistence of 50 components are statistically worse than those generated using the first principal component of 17 components. The statistical superiority of the principal component method is due to the fact that it extracts (in the first principal component) the common source of variation in the component level prices that accurately describes trend inflation over the next 6–24 months.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

Forecasting in long horizons using smoothed direct forecast

This paper constructs a forecast method that obtains long‐horizon forecasts with improved performance through modification of the direct forecast approach. Direct forecasts are more robust to model misspecification compared to iterated forecasts, which makes them preferable in long horizons. However, direct forecast estimates tend to have jagged shapes across horizons. Our forecast method aims to “smooth out” erratic estimates across horizons while maintaining the robust aspect of direct forecasts through ridge regression, which is a restricted regression on the first differences of regression coefficients. The forecasts are compared to the conventional iterated and direct forecasts in two empirical applications: real oil prices and US macroeconomic series. In both applications, our method shows improvement over direct forecasts.     

带有白噪声的Berger方程随机吸引子

考虑带有白噪声的Berger方程解的随机渐近性行为, 用渐近先验估计技术和算子分解方法, 通过引入同构映射构造等价过程, 证明随机吸引子在(H²(U)∩H¹₀(U))×L²(U)中的存在性.     

基于ESI和InCites的学科发展预测研究--以中国地质大学为例

基于汤姆路透公司的ESI和InCites数据库，分析了中国地质大学各学科的特征，探讨了高被引论文、热门论文、顶尖论文与学科发展的关系，并预测后续最有可能入围ESI世界前1％的学科。     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

高性能称重配料系统控制策略的研究及实现

着重针对应用于饲料生产工艺的称重配料系统的控制策略进行研究,特别是对空中落差的研究,推出了实现该控制策略的高性能称重配料控制器,并进行切实可行的软硬件设计,以真正实现称重配料系统的高性能。     

动态校正的PI型广义预测控制器及其在反应釜系统中的仿真研究

提出了一种新型的广义预测控制器。由于在控制器的设计中,进行了预测误差的动态校正,并且控制器采用了比例积分型(PI)目标函数,因此该控制器对未建模动态具有很强的鲁棒性。应用低阶的模型对一个强放热的化学反应釜模型进行的仿真研究检验了该方法的有效性。     

面向MIS的预测支持系统的研究

通过对预测支持系统研究现状的分析,讨论了预测支持系统如何更好的适用于MIS,为其提供预测支持.并提出了更加适应MIS当今和未来发展的预测支持系统构建模式.