Cantor型随机变量序列强极限定理的研究

研究了对任意Cantor型随机变量序列普遍成立的一类强大数定理。证明中利用条件期望的概念,采用测度的网微分法并运用纯分析运算得出结论,由推论得到随机变量序列已有的经典强大数定律以及对任意随机变量序列普遍成立的强大数定律。     

时间序列模型在珠海游艇旅游收入预测中的应用

基于珠海市2000年到2007年的游艇旅游行业调查数据,建立SPSS时间序列模型,对珠海游艇旅游收入进行预测.预测结果表明时间序列模型运用在这个例子中是成功的,算法是有效的.     

基于叠加训练序列的稀疏水声OFDM信道估计(英文)

针对稀疏多径的水声OFDM信道,提出了基于叠加训练序列的信道估计方法,能够提高带宽传输效率.在发送端的信息序列中叠加一个低功率的周期性训练序列,在不占用额外的信号带宽的情况下估计信道参数,未知的信息序列会对叠加训练序列的信道估计方法产生干扰,在本文中采用迭代方法提高估计性能.水声信道具有延时时间长,信道稀疏的特点,本文采用匹配跟踪的方法估计信道非零系数的位置,降低加性白噪声对信道估计的影响.仿真结果显示,本文的方法能达到很好的信道估计性能,同时能够降低OFDM的峰均比.     

任意随机适应序列关于广义随机选择系统的一类极限定理

将广义随机选择系统（也称赌博系统）的概念引入任意随机适应变量序列极限定理的研究,得到了任意随机适应序列关于随机选择系统的一类收敛定理,使得一些已有的结果成为其特例．     

基于BP神经网络的船用柴油机振动状态监测

通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。     

通信对抗环境中的海上通信效能研究

通信已成为现代战争对抗体系中的重要一环,在复杂通信对抗环境下,使用无线通信手段的海上通信需要进行作战效能分析.从作战效能的一般定义出发,讨论通信作战效能的分析方法,并以短波通信中两种通信波形为例来阐述如何进行通信效能的分析.     

基于动态时间错位的多元批次轨迹同步化

动态时间错位（Dynamic time warping）是一种灵活的、定常的模式匹配方案,它是基于动态规划理论提出的,能使模式内的相似特征合理匹配,它已在语音识别领域得到了成功的应用。笔者闭动态时间错位（DTW）的理论运用于分析和处理间歇反应过程中批次轨迹不同步的问题。在间歇反应过程中,由于批次与批次之间受物理特性和约束的影响,批次轨迹常具有持续时间不同步的特点。如果要用统计的方法分析和比较两个批次轨迹的数据特征,必须使两个批次的持续时间长度保持一致。动态时间错位（DTW）理论可适时转换、扩张或压缩两个批次轨迹的局部模式特征,取得两轨迹之间的最短距离和最优同步路径使两批次轨迹实现同步化。     

城市道路短期交通流时间序列特性分析

以关联维数作为混沌判据,采用改进的替代数据法对采样周期为3 min的实测交通流时间序列进行了混沌判别,表明该时间序列的短期交通流中存在混沌现象。由于所采用的时间尺度更接近实际交通控制的最大周期,使得基于混沌理论的短期预测结果更适于实施交通控制和诱导。     

基于深度学习的短时交通流预测研究

针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高.