一种在线快速判定交通流混沌的方法

对混沌、非混沌交通流序列进行了多尺度分解,发现在高频系数部分存在明显结构上的差异,依据这种差异提出了一种基于系统历史信息的在线快速判定交通流混沌的方法.实验结果表明:新的混沌判定方法比传统的混沌判定方法需要的样本数少、识别率高.该判定方法同样适用于其他确定系统在线混沌现象的快速判定.     

稀疏分解及其在图像压缩中的应用研究

主要针对涉及图像稀疏分解及其在压缩中应用的关键问题进行研究，研究内容集中在图像稀疏分解的快速算法、图像稀疏分解的效果及如何更好地把稀疏分解的结果数据应用到图像压缩编码中。在理论上，提出了稀疏分解中过完备原子库的集合划分。基于集合划分方法提出了基于FFT的稀疏分解算法和改进算法。针对基于FFT的稀疏分解算法的不足，提出了基于FHT的稀疏分解算法。利用智能计算方法（如遗传算法、蚁群算法、量子遗传算法和粒子群算法等）实现图像稀疏分解。使计算速度基本能够满足需要。在稀疏分解的基础上，分析了分解数据的分布规律，针对其分布和低比特率图像压缩的要求，提出了多种压缩编码方案，如对结果数据排序差分编码方法和指数预测编码方案。     

分解炉内流动特性数值研究

针对某分解炉的实际尺寸,采用Realizable k-ε模型,SIMPLE算法,二阶迎风差分格式,按两种不同的进口条件对炉内三维湍流流场进行了对比性数值模拟．计算所得速度、压力、温度及湍动能分布规律合理,从流动的角度分析表明该炉的生料进口、煤粉进口位置设计的合理性,对其深入研究具有参考意义．     

基于两相流理论的RSP型分解炉三维流场数值模拟研究

以RSP型强化悬浮式分解炉的气固两相流为研究对象，对气相采用k-ε模型，对颗粒相采用随机轨道模型，并考虑相间耦合的相互作用；建立了描述分解炉内部流场的数学模型，应用SIM-PLE算法成功地进行了分解炉内部三维流场的数值模拟仿真，并利用计算模拟结果对分解炉结构优化设计提出了改进建议．     

Hoff理论下正交各向异性夹层板的基本方程

本文在Hoff型理论意义下推导了表层为正交各向异性薄板,夹心为正交各向异性的蜂窝夹层板的基本方程。并推广应用了胡海昌简化方程法,使得方程得以解偶。文章提供了分解刚度法在解正交各向异性板时如何解决D_f=∞时的W~*,ψ_x~*,ψ_y~*的解法。     

关于多部图Kn(t)的{D,C4}--强制分解

设 n,t为正整数,以 Kn(t)表示基于顶点集 X= Xi上的完全 n部图,其中 |X1|=|X2|=…… =|Xn|=t.文章研究 了完全多部图 Kn(t)的 {D,C4}--分解,使得分解中至少有一个 D和一个 C4,称这样的分解为 Kn(t)的 {D,C4}--强制分解.文章给出了 Kn(t)的 {D,C4}--强制分解存在的必要且充分条件.     

船舶运动图像快速位移补偿方法

为了提高船舶运动成像的电子稳像能力,进行运动图像位移补偿处理,提出基于相邻帧多尺度补偿的船舶运动图像快速位移补偿方法,对采集的原始船舶运动图像采用小波降噪方法进行图像降噪处理,对降噪的船舶运动图像进行多尺度的经验模态分解,结合运动图像相邻帧的像素特征进行电子稳像补偿,根据电子稳像输出结果进行图像位移的快速补偿,提高船舶运动图像的成像质量。仿真结果表明,采用该方法进行船舶运动图像位移补偿,对运动帧的连续成像效果较好,输出图像的峰值信噪比较高,表明对船舶运动图像的成像质量较高,能克服快速位移对运动图像成像质量的影响。     

民营企业与中小板市场互动性实证研究

文章立足于金融发展与经济增长相关性理论研究基础,建立中小板市场和我国民营企业发展的VAR模型,运用脉冲响应分析和预测误差方差分解深入分析。实证分析结果不仅支持了我国民营企业发展与中小板市场存在良性互动的观点,而且说明了两者之间的互动存在短期的弱效应和长期的强效应,在当前阶段,民营企业发展对中小板的促进作用要强于中小板市场对民营企业发展的促进作用。     

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。      

基于EMD-DA-RNN的边坡位移预测

我国滑坡灾害高发,每年造成了巨大的人员伤亡和经济损失。依托信息技术尤其是物联网技术、人工智能等技术,滑坡的监测预警逐渐自动化、智能化,各种滑坡监测预警系统层出不穷,滑坡监测的数据量、预警的即时性都得到了极大的提升。采用深度学习技术的理论方法,充分利用监测系统获得的数据开展数据挖掘,利用已有的监测数据和各类信息预测滑坡未来一段时间的演化行为,最终实现对滑坡的安全评价。可及时提出滑坡的预防与处置方案,从而保障滑坡影响区域的人类活动。