基于多变量GP-DE模型的隧道变形时间序列预测研究

准确预测和控制隧道变形是确保隧道工程施工安全的重点.针对目前隧道围岩变形时间序列预测的不足,文章提出了一种基于多变量高斯过程(GP)-差异进化算法(DE)的隧道变形时间序列预测方法.根据隧道自动化监测结果进行多变量相空间重构,并通过主成分分析法降低输入维数.在此基础上采用GP-DE模型进行隧道变形预测研究.以吉林省高丽...     

基于灰色系统理论对舰船方位变化规律的分析

舰船方位序列是一种带有灰色信息的时间序列,灰色系统理论是处理灰色信息的有力武器。本文将灰色系统理论灵活应用到舰船目标纯方位定位和要素解算领域,解决了传统的困扰解算目标运动要素的一些难点;提出了一些新的概念和方法,如目标方位序列集的概念和采用以某一方位为间隔的各方位区间的方位值数量作为灰色聚类中的灰聚类因子的方法,既可以有效区分不同方位序列集的分类,还能据此反演得到目标速度、航向以及位置信息的大概范围。     

基于DRPP的列控车载设备测试序列生成方法

在列控车载设备功能场景的测试序列生成过程中,针对不能充分利用场景以外子序列衔接关系的问题,提出一种基于有向乡村邮路问题的测试序列优化生成方法。将列控车载设备所有功能场景的子序列构建成一个强连通有向图模型,并根据覆盖的功能场景构建需求弧集。利用有下界容量网络最小费用可行流算法,实现以最小成本构建包含需求弧集的欧拉图,再利用Hierholzer算法生成测试序列。以CTCS-2级列控车载设备的功能场景为例并相比于现有方法。结果表明：所述方法能够充分利用所有子序列的衔接关系生成覆盖指定功能场景的最优测试序列,等级转换和模式转换场景测试序列的成本分别降低4.2%和1.4%。     

基于时空特征序列匹配的交通流状态估计方法

为了针对无交通流检测器路段更好地进行交通流状态估计,提高估计精度,研究了基于时空特征序列匹配的交通流状态估计模型.通过交通运行指数的计算方法预设城市道路中有交通流参数路段的交通流状态;分析影响城市道路运行条件的各项因素,引入交通流参数与道路参数、路网拓扑参数等时空多维度参数特征,提取3个维度8个特征1个附加维度组成交通...     

基于混合自回归模型和神经网络的时间序列预测

在求出混合自回归时间序列模型的成分个数的基础上, 应用BP神经网络对时间序列进行了预测, 并对模型进行了数值模拟表明该预测模型的具有较高的精确度和广泛的应用前景.     

变参数混沌时间序列的神经网络滚动预测研究

神经网络适合于全局建模预测,在确定性混沌系统时间序列的预测中获得广泛应用.许多混沌系统由于参数的慢变导致系统的动力学特性不断发生变化,全局预测方法很难适用,为此提出一种具有固定时间窗的神经网络滚动预测算法.对典型变参数Henon和Ikeda混沌时间序列的预测结果说明,该算法具有较好的跟踪预测性能.     

国际干散货FFA市场的协整研究和定价应用

采用Johansen协整技术对基于BCIT/Caverage、BPIT/Caverage的两个干散货FFA市场的期货和现货价格进行了协整研究,结果认为:基于这两者的干散货FFA市场不是有效市场,交易时风险较大,建立了两组序列的协整关系模型和基于非对称CARCH(1,1)模型的两个FFA定价公式,并对两个模型中的价格序列进行了Granger因果检验得到它们互为Granger成因,最后说明如何进行好的干散货FFA交易以使中国企业更多、更好地参与国际干散货FFA市场,降低海运风险。     

Riccati方程在电罗经直航向误差建模与预测中的应用

为减小舰船直航向运动情况下风、流、摇摆等对电罗经航向造成的随机误差影响,提高舰船直航向运动时电罗经指向精度,采用时间序列模型对其随机误差进行建模,利用随机误差自相关函数和偏相关函数特性确定模型阶数,获得了较为准确的误差模型.同时,基于建立的模型,采用Riccati递推方程与指数平滑式结合的方式对电罗经航向随机误差进行预测.结果表明,时间序列模型较为准确地描述了电罗经航向随机误差过程,预测精度较高,鲁棒性较强,为减小电罗经直航向误差提供一种有效的方法.     

复航河流沿岸港区的吞吐量预测方法的探讨

利用多种方法对复航河流沿岸港区吞吐量发展水平作出预测。近期预测主要采用时间序列法、灰色模型法和修正指数曲线法,对各方法预测结果加权平均得出吞吐量预测值。远期预测时,利用灰色模型曲线和修正指数曲线构造复合曲线获得吞吐量预测值。最后在定性分析的基础上对吞吐量预测值作出修正。