浅谈测角中误差最或是值之讨论

用调整先验中误差的方法，得到平面控制网的最佳精度。     

短期洪水预报的新型BP网络模型

对河段洪水形成规律的先验认识是制定预报方案的重要基础，这些先验知识对于正确选择神经网络预报模型的结构也有重要的指导意义。本文基于河段先验知识与神经网络结构相结合的思想．给出了一种新的BP网络模型，它比传统模型更符合实际，在紫坪铺河段洪水短期预报中的应用结果令人满意。     

大坝位移反分析中测量误差对反演结果的影响

本文提出了顾及先验信息的大坝位移反分析方法，探讨了量测误差对位移反演结果的影响规律，所采用的方法具有普遍性，结论可以指导大坝监测网的设计。     

大坝位移反分析中测量误差对反演结果的影响

本文提出了顾及先验信息的大坝位移反分析方法，探讨了量测误差对位移反演结果的影响规律，所采用的方法具有普遍性，结论可以指导大坝监测网的设计。     

极值波高Weibull分布参数的贝叶斯估计

为了研究波浪的分布规律,常常采用统计方法选择合适的分布函数以及参数估计方法进行计算分析。利用Weibull分布对极值波高进行统计分析,选取贝叶斯方法和最大似然法分别估计其中的未知参数,从对样本的拟合效果和设计波高计算两个角度来评价这两种不同思想的估计方法效果。利用广西涠洲岛和白龙尾测站6组年极值波高资料进行案例分析。结果表明:两种方法均表现出对样本良好的拟合效果,Jeffreys先验下的贝叶斯估算结果的离差平方和总体小于最大似然法,计算得到的50 a一遇和100 a一遇设计波高比最大似然法略大。先验信息能保证样本不足时计算结果的可靠性,在无先验信息时,贝叶斯方法结合Jeffreys先验能很好地应用于极值波高的统计分析。     

采用多通道数字滤波器的轴心轨迹提纯

针对旋转机械振动信号除了具有随机噪声外通常还存在脉冲干扰的特点，提出了用多通道数字滤波器实现轴心轨迹提纯的方法。采用这种方法，可以不考虑转子振动信号的频谱特征，不需要转子故障的先验知识，得到提纯的轴心轨迹。这种方法已成功地应用于DH-80空气压缩机的故障诊断中，实践证明该方法效果好，运算速度快。易于现场采用。     

基桩随机抽样检测概率特性分析

对当前基桩检测规范中存在的问题进行分析,建议采用检测合格率作为基桩质量的评估指标。基于概率理论推导出基桩检测合格率的先验分布服从标准的Beta分布,将先验分布的两个参数转化为基桩检测总体分布期望和方差,并利用Bayes统计和随机加权法较准确地估计出先验分布(Beta分布)的期望和方差,反算出先验分布中的两个参数,以准确确定基桩检测合格率的先验分布。     

具有先验知识的 Q学习算法在AGC中的应用

传统的自动发电控制（AGC）系统通常基于经典的线性控制理论，并且大部分二次调频采用比例积分（PI）控制器，但系统固有的非线性以及结构多变使得积分增益系数不易确定，容易造成超调或调节不足的问题，从而影响系统频率稳定。文中采用强化学习控制器代替传统的PI调节器，将考虑了死区、出力约束、机组爬坡率和时延等非线性环节的AGC系统离散化成Markov链，直接将区域控制误差作为系统状态量，并充分利用AGC环境中的已有信息，结合模糊综合决策方法，获得能够改善 Q学习效率的先验知识，采用Q学习算法对其进行学习得出离散的AGC策略。数值仿真的结果验证在非线性AGC系统中应用具有先验知识的 Q学习方法可以加快收敛速度，提高学习效率，并通过控制性能评价标准（CPS）进一步检验了该方法的可行性。     

关联规则挖掘方法在旋转机械故障诊断中的应用

关联规则反映一个事件和其他事件之间依赖或关联的知识，如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。将该方法应用于故障诊断领域，对大量的机组状态数据进行挖掘。发现故障数据中存在的规律，以规则的形式体现出来。若有充足的先验数据，则采用该方法可为故障诊断提供决策依据。     

一个具扩散的捕食模型非常数正解的存在性

考虑一个Neumann边界条件下具扩散和Holling型功能反应的捕食一被捕食模型的平衡态问题，获得了该模型正平衡态解的一些结果．首先，给出了正解的先验估计，进而，用能量方法得到其非常数正解的不存在性，用拓扑度理论得出其非常数正解的存在性结果．     

大坝监测分析中的贝叶斯动态模型

本文探讨大坝监测资料的动态分析问题，贝叶斯线性动态模型的建立，递推解法，以及初始先验估计和状态噪声的取值等.从实例的数据看，成果是合理的。     

耦合动态方程的神经网络模型在水质预测中的应用

水质变化趋势的有效预测对于水资源综合管理具有重要意义。针对现有数据驱动模型不能有效反映研究对象物理机理的问题,提出了一种耦合动态方程的神经网络模型,并给出了动态方程的耦合方法。分别从数值算例和实际案例2个方面对传统网络模型和机理先验前馈网络模型进行了对比计算分析,拟合程度指标和计算误差指标都表明机理性先验知识的加入可以提高网络模型的预测精度和非线性拟合能力。同时,该模型在水质预测中具有适用性和合理性。在样本数量一定的情况下,机理性先验知识的耦合是进一步提高网络计算精度的有效途径。     

耦合自相关理论与小波神经网络的地下水模拟预测模型

地下水位演化趋势具有一定的振荡特性,使得其预测工作难以开展。针对该特性,引入自回归理论及小波神经网络(WNN)模型,提出了一种修正的地下水位预测方法。首先,该方法基于自相关理论对地下水位监测数据进行时间序列分析,选择合理先验区间作为预测模型的输入;然后,建立以合理先验区间为输入,当前地下水位为目标的WNN预测模型;最后,建立了基于传统回归预测算法的地下水位预测模型,预测结果与WNN进行验证分析。通过案例分析,选择了t-1至t-6作为合理的监测数据先验区间;进化131次的WNN能返回最优的预测结果,其精度明显优于KNN、AdaBoost、SVR和ANN等传统方法。笔者认为WNN是一种精确可靠的地下水位预测模型,能在该领域发挥一定的积极作用。     

油藏渗流反问题研究与进展

从渗流反问题历史发展角度。对油藏先验模型的建立，敏感系数的导出，后验概率密度函数的抽样。油藏不确定性预测进行了综合评述。重点讨论了油藏动静态信息的结合改善反问题解的适定性，指出了今后研究方向。     

基于电压与电流微分比值原理的新型变压器保护

为解决变压器差动保护由于励磁涌流而经常误动的问题，从变压器磁特性出发，先阐述了利用磁通特性原理区分励磁涌流的不足，然后提出了利用电源侧电压和电流微分的比值来判别变压器是否含有励磁涌流的新方法。此方法原理简单，易于实现，无需任何先验参数，具有数据采样方便，计算量小，动作可靠、迅速等特点。对变压器各种运行状态进行ATP仿真试验，初步证实了该方法的正确性。最后通过对动模试验数据的分析表明，该方法能够迅速、可靠地切除变压器内部故障,具有很高的实用价值。     

基于贝叶斯网络的技术合作创新项目风险评价

为提高重大工程项目的风险管理水平,将贝叶斯网络引入到重大水电工程基础灌浆技术合作创新项目的风险评价中,充分利用专家先验知识进行风险的推理评价,并根据现场采样数据所得到的后验概率分布对先验信息进行修正以动态地对技术合作创新项目风险作出较准确的预测评价。结合工程实例,预测了不同风险因素情况下技术合作创新风险的发生概率,及其最有可能的致险因素等,可为重大工程项目风险的动态评价提供一种新的方法与途径。     

基于BP神经网络的贝叶斯概率水文预报模型

本文在贝叶斯概率水文预报系统(BFS)框架之上，研究了双牌水库水文预报的不确定性，建立了流量先验分布及似然函数的BP神经网络模型，并通过Markov链Monte Carlo(MCMC)方法求解得到流量后验分布及其统计参数。通过对双牌水库历史洪水的研究结果表明，基于BP神经网络的BFS不仅显著提高了预报精度，而且为防洪决策提供了更多的信息，使得预报人员在决策中能考虑预报的不确定性，定量的估计各种决策的风险和后果。     

外源性凝血机制模型时间周期解的存在性

研究一类外源性凝血机制模型时间周期解的问题,首先利用Galerkin方法构造近似时间解序列,然后利用先验估计和Leray-Schauder不动点定理,证明近似解序列的收敛性,从而得到该问题时间周期解的存在性。     

基于广域测量系统的快速暂态稳定预测方法

在运用相量测量单元实测系统故障时轨线的基础上，采用一种在机器人领域广泛应用的抓球算法，对电力系统故障后预判失稳的发电机转子角进行预测。该方法分为跟踪和预测2个阶段:首先应用粒子群优化算法对跟踪阶段进行多参数优化，加快了跟踪的过程;然后利用泰勒级数展开法预测发电机的转子角。该方法无需知道系统结构的先验知识，可以提前0.5 s判断各发电机的同步性，得到足够的“可用反应时间”用于在线失稳预警或就地控制。在10机39节点的新英格兰测试系统和50机145节点测试系统上的仿真结果表明了该方法的有效性。     

混凝土重力坝振参数识别研究

基于最优控制解的理论，建立了引入先验约束条件的混凝土重力坝动态参数识别模型，提出了求解该模型的约束变尺度方法。以某大坝空库情形为例，在振动观测数据不完全的条件下，对动态材料参数识别方法进行考察。识别结果表明，约束变尺度方法不仅具有较高的计算精度和良好的数值稳定性，并且具有一定的抑制数据噪音的能力。在只有一阶圆频率和几个固定点处有一阶振型观测数据的情况下，可以可靠地识别出坝体混凝土基础岩石的动弹性模量。从而为识别混凝土坝体和岩石基础弹性常数提供了一条新的有效途径。