基于正交变换的区间Ⅱ型模糊模型结构精简

针对奇异值-QR(SVD-QR)分解方法存在有效奇异值难以确定的问题,提出采用列选主QR分解方法对模糊模型结构进行分析.运用该方法分析从模糊模型抽取的2个激活强度矩阵,利用矩阵R主对角元素作为判断规则重要性的依据,根据矩阵Π中每列值为1的元素位置确定所对应的规则,从而选取重要的规则,构建简约的区间Ⅱ型模糊模型.将本文方法和奇异值-QR分解方法应用于混沌时间序列预测,同时还对比了两种方法选取的重要规则在不同样本条件下的适应能力.结果表明,两种方法选取的重要规则存在明显差异,并且采用本文方法可以获得更小的误差,平均误差为0.108 6;在不同样本条件下采用本文方法所得误差基本一致,具有更强的泛化能力.      

数乘变换的GM(1,1)模型在工程项目施工工期预测中的应用

为了准确地确定某一工序的工期,结合施工企业的统计资料,运用灰色理论,进行工期预测.通过分析传统GM模型的病态性,提出适用于实际情况的数乘变换的累积法GM(1,1)模型,并通过工程实际应用,验证了数乘变换的GM(1,1)模型的优良性.该方法在工期预测中的应用得以推广,为科学、.合理地编制进度计划提供了依据.     

基于灰色加权马尔可夫链的大连铁路客运量预测

以2003~2013年大连铁路客运量数据为基础,采用灰色GM(1,1)模型预测方法和马尔可夫链相结合的方法对大连铁路客运量数据进行预测,给出了灰色加权马尔科夫链预测模型.不仅构造了状态转移概率矩阵,而且也获得了有效的滞时阶数.结果表明,在预测值与真实值的平均绝对误差方面,与灰色GM(1,1)模型相比,灰色加权马尔可夫链模型减小了一半,其预测效果十分理想.在此基础上,对2014~2020年大连铁路客运量数据进行了预测.     

油水井控制中GM(2,1)优化模型参数和病态性的影响研究

研究了原始序列的数乘变换对油水井控制中GM(2，1)模型参数和病态性的影响问题，建立了数乘变换值分别与GM(2，1)模型系数矩阵条件数、模型参数间的量化关系式，得到了GM(2，1)优化模型完全适用于负数据序列建模、原始序列的初值化或均值化等处理不会影响系统的预测精度和误差、选择适当的数乘变换可降低模型的病态性等重要结果．     

基于奇异值分解的混沌时间序列Volterra预测

提出一种用于混沌时间序列预测的奇异值分解Volterra滤波器.在Volterra滤波系数计算过程中,采用奇异值分解的方法得到线性方程组的最小二乘解.4种混沌序列的预测实验表明:该滤波器对混沌流的预测性能远优于NLMS自适应Volterra滤波器,前者的一步预测相对误差比后者小3~4个数量级.     

灰色最小二乘马尔可夫链预测算法

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。将灰色模型预测方法GM（1,1）、最小二乘法与马尔可夫链预测相结合,提出灰色最小二乘马尔可夫链改进预测方法,并且针对我国能源消费总量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色最小二乘马尔可夫链改进方法是个好算法,更有利于决策者的经济决策行为。     

改进灰色GM(1,1)模型在连续箱梁桥线形监控中应用

鉴于传统的灰色GM(1,1)模型预测精度不高、求解过程局限性,提出了基于最小二乘法多项式拟合的改进模型。以某预应力混凝土变截面悬浇连续箱梁桥为工程实例,通过实测数据与理论预拱度值的比值作为原始数据列,来预测下个节段的施工预拱度调整比例,提供下个节段梁优化后的立模标高。利用传统的GM(1,1)模型及其优化后的模型进行误差比较,改进后模型拟合平均相对误差减小0.9%,预测7号块立模标高值减小6.7%。结果表明改进后的灰色模型预测精度更高,其可行性与可靠性更好。     

灰色模型在中长期用水量预测中的应用

为实现供水管网经济、可靠、科学的规划改扩建,给出一种基于记录时间较短、历史数据较少的用水量序列的GM(1,1)预测方法。该预测方法把原始用水量序列累加处理生成新序列后,用指数关系式拟合,通过构造参数矩阵,确定辩识参数,建立灰色模型的微分方程。通过对灰色预测方法建模机理的研究建立城市用水量预测GM(1,1)模型,并以东北某大型城市用水量为原始数据进行实际预测,模型精度检验的结果表明该模型的预测等级为高精度预测。该预测方法应用于S市的中长期用水量预测,为S市供水规划改扩建提供有效依据。     

矩阵方程AX=B的自反解与反自反解及最佳逼近

给定两个广义反射矩阵P,Q,通常对于矩阵方程AX=B关于P,Q的自反解和反自反解的研究大多是通过矩阵分解或广义奇异值分解来进行的。采用广义逆,建立该方程存在自反解和反自反解的充要条件以及解的一般表达式,并研究与之相关的矩阵最佳逼近问题。     

车辆合乘问题的两阶段分布式估计算法

针对智慧交通中多车辆合乘问题,提出一种分布式并行计算环境下的合乘模型. 利用合乘概率矩阵的先验知识,实现更高效的运算和求解.当合乘概率矩阵不是单位 矩阵时,合乘模型被增广为车主合乘和乘客合乘两个阶段.两阶段分布式估计算法运用可行合乘解的合乘概率矩阵,作为一种随机优化方法求解最优值.根据可搭乘矩阵初始化合 乘概率矩阵,并在优化过程中连续更新合乘概率矩阵.车主同乘客分离优化,减少了出行车辆,并实现了互相搭乘的合乘模型.通过合乘模型的优化迭代能够为乘客挖掘出高效可 行的搭乘路线.实验结果表明,该合乘模型具有平均等待时间少、平均载客量大、人均行驶 距离短的高效出行特点.     

基于粒子群优化算法下的灰色系统船闸货运量预测

采用灰色系统理论,建立了基于GM(1,1)的船闸货运量预测模型.模型参数计算分别采用粒子群优化算法和最小二乘法,两者进行对比发现,预测误差相当,但是粒子群优化算法可以避免繁琐的矩阵运算而优于最小二乘法.应用基于粒子群优化算法的灰色系统模型进行了船闸货运量的预测.     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型（ARMA）的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性．仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性．     

连续线性系统模型参数直接辨识中噪声模型处理方法

针对线性连续系统,利用hermite调制函数,通过对连续模型的数字调制积分得到直接以连续模型参数表示的离散等价辨识模型,在此基础上引入一种噪声模型,来替代表示输入和输出端的噪声.当系统含有有色噪声,用普通最小二乘法辨识无法得到较准确的辨识参数时,采用引入噪声模型的方法得到的辨识参数估计值仍有较高的精度.仿真算例表明了该方法具有一定的优越性.     

窄带干扰条件下水声OFDM系统LMMSE信道估计算法

因为正交频分复用（OFDM）系统中强窄带干扰引起水声信道估计性能退化,因此,提出了一种可实用的线性最小均方误差（LMMSE）信道估计方法.该方法结合最小二乘（LS）信道估计结果对受窄带干扰（NBJ）和加性高斯白噪声（AWGN）噪声干扰的导频子载波进行辨别,从而获得最有效信道抽头;根据导出的理论模型,给出了信道自相关、窄带干扰信号和噪声功率等参数的近似估计方法;并采用傅里叶变换以避免矩阵的求逆运算,减少了计算复杂度.仿真结果表明,在强干扰信号条件下,文中提出的方法接近理想状态的LMMSE方法.     

基于卡尔曼滤波的交叉口排队长度实时估计模型

为解决现有排队长度估计方法不能对排队长度进行实时秒级估计的问题,本文采用车联网实时数据,构建基于卡尔曼滤波的实时排队长度估计模型.首先,以当前时刻加入和离开排队队列的车辆数为输入变量构建状态转移方程,以当前排队网联车的数量和渗透率构建观测方程;其次,采用回归模型估计状态转移方程和观测方程的噪声协方差矩阵;然后,提出基于...     

交通信号控制参数的仿真优化方法研究

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

谐波和间谐波参数估计的新方法

为解决谐波和间谐波参数估计受噪声影响的难题,从被检测信号噪声的基本特性出发,提出了一种基于现代互谱、总体最小二乘、旋转不变参数估计和改进普罗尼技术的谐波和间谐波参数估计新方法.该方法采用互谱技术处理不同采样序列的互相关矩阵;根据不同时刻白噪声相互独立的原理划分信号子空间和噪声子空间,并结合总体最小二乘与旋转不变参数估计判定被检测信号的频率;最后,根据白噪声均值为0的特性,采用改进普罗尼技术估计信号分量的幅值和初始相角.仿真结果表明,该方法在低信噪比环境下可检测出多个子信号,且频率的相对误差均小于0.4%,而耗时仅0.058 s,具有良好的估计精度和估计效率.     

Power network parameter estimation method based on data mining technology

The parameter values which actually change with the circumstances, weather and load level etc.produce great effect to the result of state estimation. A new parameter estimation method based on data mining technology was proposed. The clustering method was used to classify the historical data in supervisory control and data acquisition (SCADA) database as several types. The data processing technology was impliedto treat the isolated point, missing data and yawp data in samples for classified groups. The measurement data which belong to each classification were introduced to the linear regression equation in order to gain the regression coefficient and actual parameters by the least square method. A practical system demonstrates the high correctness, reliability and strong practicability of the proposed method.     

混合高斯自回归模型参数估计方法之LS-EM

混合高斯自回归模型对有色非高斯数据的概率密度和功率谱密度进行有效的拟合，而LS—EM算法则可解决这一模型的参数估计问题．描述了混合高斯自回归模型及其参数估计问题之后，导出了具体的LS-EM算法，并给出了一组仿真实例．这是一种参数耦合估计算法，首先基于传统的最小二乘技术得到功率谱密度参数粗估计，进行预白，然后应用EM迭代得到白激励的概率密度估计，并基于此构建一加权函数，以此权函数改进最小二乘算法，进而得到模型参数的精估计．     

一种基于Quasi-UDG模型的无线传感器网络非测距定位算法

针对Quasi—UDG模型下无线传感器网络随机部署的拓扑特征,提出了一种非测距基于权重的定位算法EWLS（Enhanced Weighted Least Square）．首先,设计出一种节点跳数和距离关系估计的方法,然后依据跳数值与距离关系的概率表达式,给出EWLS定位算法中节点测量距离信息的权重．仿真实验表明,在不同的锚节点密度、Quasi-UDG模型因子和平均邻居节点数的参数下,EWLS算法定位误差较小,同最小均方误差相比,有效地提高了节点定位的精度．