路堤沉降的时间序列动态预测方法

路基沉降受许多复杂因素的影响,是一个动态的相互依存的过程。在路基填筑施工过程中,根据沉降观测数据用时间序列分析方法建立等维信息动态预测模型。随着新数据的加入,适时修改预测模型参数。工程实例研究表明:等维信息预测模型预测路墓沉降简单、快捷,一步预测误差一般在5mm以下,平均误差绝对值只有2.3mm。预测步数越大,则误差也越大。     

宽带IP网中VBR视频流量的建模与预测

VBR视频信息即将成为宽带IP网的主要流量,在考虑网络资源利用率和动态带宽分配等方面,其中一项重要的内容就是VBR视频建模及其流量预测。本文在分析VBR视频流量主要特点的基础上,阐述了视频建模时应当注意的关键问题及其流量预测过程中应用的数学方法,并给出了若干典型的VBR视频流量模型。     

大多普勒频移下DS／FH混合扩频测控机理与方法研究

航天测控系统面临大多普勒频移问题，并且要求具有很强的抗干扰、抗截获等能力。各国都高度重视大多普勒频移下的航天测控抗干扰、抗截获问题的研究。美、欧等发达国家对其民用航天测控系统利用直接序列（DS）扩频测控体制，通过扩展频谱降低发射信号的功率谱密度，从而提高其测控抗干扰能力。但这些民用测控系统在军用测控环境中的抗干扰能力还显得比较脆弱。对于干信比大于50dB条件下的安全测控，     

一种基于YUV彩色空间的运动车辆阴影消除方法

采用一种基于YUV彩色空间的方法来检测并消除交通视频图像序列中的运动车辆的投射阴影.通过对前景运动区域像素的亮度、色度和梯度密度的计算,得到一个阴影判断函数.利用阴影判断函数并结合边缘检测在前景运动区域中检测和消除车辆的投射阴影.     

交通流实时预测的混沌时间序列模型

针对城市交通流普遍存在的混沌特性,介绍了一种改进的加权一阶局域预测模型,并将其应用于交通流实时预测中。为了进一步提高算法的精度与速度,对最优邻域的点数进行动态选择,通过改进,使之成为一种鲁棒性强、预测精度高的实时预测算法,并能有效地用于短时交通流的预测问题中。仿真结果表明:该算法完全满足实时交通流预测的需要,为交通信号智能控制和交通流诱导奠定了坚实的基础。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

基于RBF的混沌序列产生的新方法

介绍了利用RBF(Radial Basis Function)网络产生混沌序列的方法,即利用RBF网络跟踪混沌序列的模型,分析RBF神经网络对混沌序列的学习能力.最后利用最大Lyapunov指数判别法检验其序列,结果表明其序列具有较好的保密性能.     

混沌统计量的预测研究

提出了一种基于混沌吸引子的统计量序列预测技术．对于一个经诊断为混沌的统计量序列,应用神经网络建立模型,短期预测混沌序列．实验证明：Lyapunov指数越大,预测效果越差;神经网络的预测结果优于AR模型的预测结果．混沌序列是完全可以预测的．     

DS—CDMA系统的最佳混沌序列研究

针对基于混沌映射产生DS－CDMA系统的扩频序列展开研究,在给出基于混沌的DS－CDMA系统模型的基础上,重点研究了使多址干扰MAI最小的最佳混沌扩频序列,提供了基于Chebyshev映射产生最佳混沌扩频序列的设计实现方法,最后针对有限精度条件下产生最佳混沌扩频序进行了讨论和计算机实验验证。     

基于动态时间规整算法的复杂供输机构非平衡监测数据扩增方法

针对复杂供输机构非平衡监测数据导致性能退化数据不足的问题,提出一种基于时间序列数据扩增的供输机构性能退化程度评估方法.在滤波算法处理实测数据基础上,利用动态时间规整算法(DTW)扩增性能退化阶段运动加速度参数,并将扩增数据与理论计算值作比较.实装试验结果表明:本文所提方法能够有效解决供输机构监测数据不平衡的问题.