矢值序列空间ss（Fk）的一些几何性质

矢值序列空间ss(Fk）是Barach序列空间Ip（Ek）的重要推广，本文研究ss(Ek）的Schur性质、弱紧性以及（S）性质。     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中，当遇到观测噪声反常或噪声协方差与算法不符等情况时，无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化，严重影响着状态估计的精度。鉴于此，提出一种基于误差序列协方差估计的自适应UKF，利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器，对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明，提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差，状态估计的准确性和滤波平滑性均优于传统UKF算法。     

基于组合预测方法的公路客运量预测

公路客运量预测是为了超前掌握公路客运量的发展趋势、特征和规律,有助于公路网的规划建设和管理。文章使用基于时间序列和回归分析的组合预测方法,对公路客运量进行预测。首先,分别使用单项预测方法进行客运量预测;其次,在对倒数权系数与合作对策权系数确定法进行改进的基础上,根据单项预测方法或者给予预权的组合预测方法的预测结果的平均预测误差绝对值和平均预测误差平方对预测组合的权重系数进行确定,并进行组合预测;最后,根据预测有效性判断标准,分别对比不同单预测方法之间、基于不同权系数确定方法的组合预测方法之间以及组合预测和单项预测方法之间的预测有效性。对比分析结果表明,组合预测方法预测结果的有效性较多数单项预测方法更优。     

一致L-Lipschitz映象对公共不动点的迭代逼近

Banach空间中非线性算子的不动点的迭代逼近问题是非线性逼近理论中所研究的最重要的问题之一。通常用Mann和Ishikawa迭代法去逼近非线性算子的不动点。本文研究了Banach空间中一致L-Lipschitz映象对公共不动点的迭代逼近问题,改进和推广了文献[5-6]的相应结果。     

BP网络模型在时序预测中的应用

提出一种ＢＰ网络模型用于时序预测的方法，就网络结构设计和网络训练的有关问题进行探讨。通过实例分析，结果理想。     

铁路客运专线特大桥沉降预测模型

针对客运专线特大桥沉降提出混沌行为测定方法，利用非线性理论与混沌时间序列方法，建立了铁路客运专线特大桥沉降预测模型。采用嵌入定理，对特大桥沉降时间序列进行重构。通过计算相关维度、Kolmogorov熵、最大Lyapunov指数来测定该时间序列的混沌行为特征，并以石武客运专线某座特大桥A、B桥墩为例进行实例研究。计算结果...     

针对行人小腿保护的SUV前保结构设计与优化

为达到保护行人小腿的目的,提出了适用于SUV的前保结构概念设计,并建立了有限元模型。采用响应面法和序列二次规划法,研究了前保部件的厚度参数对小腿评价指标的影响,并对前保结构进行了多目标优化。结果表明,优化后的前保结构可以满足国内行人保护法规,并降低了成本。     

生物信息学中的多序列比对算法

多序列比对是生物信息学中基本的信息处理方法,对于发现生物序列中的功能、结构和进化信息具有重要的意义.本文对多序列比对的算法进行了介绍并分析了它们的优劣.     

基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型

为降低样本噪声对客流预测模型的干扰, 结合深度学习理论, 提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型; 将预测过程分为3个阶段, 第1阶段预处理原始地铁刷卡数据, 构建进(出)站客流时间序列, 运用经验模态分解法将时间序列转化为一系列本征模函数及残差, 第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量, 第3阶段基于深度学习库Keras, 完成长短时记忆神经网络的搭建、训练及预测; 以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明: 与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比, 经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%), 将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%), 说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型; 当预测步长由5 min逐渐增加至30 min时, 工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%), 说明该方法预测误差与预测步长呈负相关。      

现代时间序列分析在扫雷作战效果评估中的应用

针对扫雷作战效果评估出现异常结果,特别是在混布雷阵效果评估过程中出现发散、突变和精度低的问题,采用现代时间序列分析法对扫雷作战效果进行评估。结合扫雷作战特点,给出具体的求解过程。通过对4种典型雷阵的仿真和分析,结果表明了该评估方法的有效性,尤其对混布雷阵也有很好的评估效果,且计算过程简便,可用于扫雷作战效果的实时评估。