月表环境无线电波传播分段预测模型

针对经典无线电波传播模型不适用于月球特殊的传播环境问题,提出一种月表环境下电波传播损耗分段预测模型。该模型首先建立包含自由空间段、月面反射段和月球绕射段的理想分段预测模型,并给出不同区间内传播损耗预测算法,然后考虑传播路径剖面上多重障碍物导致的额外损耗,以及其对分段区间参数的修正方法。将其应用于美国国家航天局提供的月表实际场景,仿真结果表明该模型预测结果与“阿波罗”登月工程获得的实测数据非常吻合,可用于辅助月表无线通信系统的参数设计和性能评估。     

时间序列方法在民航市场预测中的应用

正随着国内民航事业的迅猛发展,民航基础设施建设远远跟不上民航发展的速度,如何准确的把握民航基础设施的建设时机和建设规模是摆在所有民航人面前的一道难题。本文通过对民用航空市场运输的历史数据进行分析,重点探讨时间序列预测方法在民用航空市场中的应用,进而准确的预测民航未来发展态势,为科学决策民航基础设施建设提供基础数据支持。"十五"期间,我国民航运输市场高速发展,随着我国民航运输的发展,必然带来民航基础设施的大规模     

上证综合指数波动情况研究——基于滚动窗口的马尔科夫链预测模型

文章运用基于滚动窗口的马尔科夫链预测模型,对上证综指的变动进行研究,创新的给出概率转移矩阵、极限概率以及预测准确率的时变特征,并给出马尔科夫链预测模型的最优窗口长度和状态定义阀值。研究揭示,大盘波动幅度与大盘的极限概率有着密切的关系;股指期货推出后大盘平盘概率占据主导地位,平稳性显著提高,马尔科夫链预测模型的预测准确率也有了较大提高。     

静态推靠式旋转导向控制模型与造斜率预测方法

推靠式旋转导向工具的防斜、稳斜能力强,能基本满足复杂地层安全高效钻进的需要,但目前的造斜率预测方法没有考虑推靠块控制方式及钻进过程的影响,存在造斜率预测精度低的问题。为此,考虑导向工具的结构特性,建立了静态推靠式旋转导向控制模型,给出了可靠的导向力控制方案,利用下部钻具组合力学模型及钻头–地层相互作用模型,得到了基于零侧向钻速条件下的造斜率预测模型,并引入折算系数对造斜率预测结果进行了修正。实例计算及敏感性分析结果表明,该方法预测精度高,能够满足井眼轨迹精确控制的需要;导向合力、钻压、钻头与稳定器的距离对推靠式旋转导向工具的造斜能力影响显著,现场施工时为了充分发挥导向合力的作用,要适当减小钻头与稳定器的距离、降低钻压,以提高旋转导向工具的造斜能力。研究结果为旋转导向钻具组合优选、钻井参数优化等提供了理论依据。     

基于GIS的成矿预测系统

通过对基于GIS的成矿预测系统的理论及编程穸现，在对成矿系统认识创新的基础上，集成地质、地球物理、地球化学、航天及航空遥感等多元地学信息，建立重要矿床类型的综合预测评价标志俘糸，构建重要矿床类型的可视化定位预测模型。通过对阿勒泰地区的应用，验证了其有效性。     

基于ANFIS的桥式起重机焊接箱形梁疲劳裂纹扩展预测

疲劳裂纹扩展问题是桥式起重机主梁结构设计的一个重要问题.为了确保起重机的安全,需要提前预知桥式起重机焊接箱形主梁的疲劳裂纹扩展长度,因而要建立一个精准的预测系统对裂纹长度进行预测.为此建立一个基于自适应模糊推理系统(ANFIS)模型对桥式起重机焊接箱形主梁疲劳裂纹扩展长度进行预测.该模型通过一套If-Then的规则,自动调整出适当的隶属函数以满足所要求的模糊推理的输入和输出关系;只要选取适当的模糊规则数,就可以得到最接近实际裂纹扩展长度的预测结果.根据桥式起重机焊接箱形主梁疲劳试验结果,并与三层神经网络模拟结果和三次样条函数模拟结果进行比较,可以看出利用ANFIS系统建立的预测疲劳裂纹扩展的模型可以有效控制误差范围,所以能够准确的预测出疲劳裂纹的扩展情况.     

氢化锂材料车削表面粗糙度预测模型的建立

文章主要介绍了运用回归分析方法建立氢化锂车削表面粗糙度预测模型的方法。通过所建立的粗糙度预测模型，研究了车削过程中切削速度、进给量、切削深度对表面粗糙度的影响。经加工试验证明了该表面粗糙度预测模型的有效性，从而实现加工前在确定切削条件下预测和控制表面粗糙度的目的。     

上海市日供水量与气象要素的相关性分析及预测模型的建立

基于上海市2010-05-2013-12日供水资料和气象观测资料,利用数学统计方法分析日供水量与气象因子的关系,并建立日供水量预报模型。结果表明:一年之中,日供水量大体呈现"单峰单谷"的波动特征,夏季(7、8月份)日均供水最多,冬季(2月份)最少;日供水量具有显著的节假日效应;除降水外,日供水量与其它气象因子均有显著的相关性,且夏半年相关系数明显高于冬半年;日供水量与温度的关系最为密切,且与前一日最高温度的相关系数最高,同时,当温度大于20℃时,日供水量对于温度变化的响应极其敏感;供水预报模型精度较高,可为城市用水规划、合理调度的气象服务保障提供科学依据。     

物联网中基于KNN和BP神经网络预测模型的研究

物联网中,无线传感器网络由于环境、资源等因素的变化和限制,会导致部分数据异常或丢失,使数据传输的可靠性降低。因此常用的BP神经网络方法在根据最终获取数据进一步处理时的准确性不高。提出K近邻算法和BP神经网络相结合的二阶段预测模型,先使用K近邻算法对BP神经网络输入数据中异常或缺失数据进行估值和替换预处理,同时进行初步预测,然后将预处理后的数据输入BP神经网络,综合BP神经网络和KNN的预测结果给出最终结论。实际环境中实验表明,所提出的模型能够有效地提高物联网环境中预测的准确度和稳定性。     

基于DE-EDA-SVM的瓦斯浓度预测建模仿真研究

瓦斯浓度作为衡量煤矿瓦斯危害程度的一个重要指标,为了能够更加准确的预测煤矿瓦斯的浓度,提出一种差分进化-分布估计（DE-EDA）算法优化的支持向量机瓦斯浓度预测新方法。利用无线传感网络系统采集工作环境中的瓦斯浓度数据,并经过降噪处理后作为训练样本。采用DE-EDA算法对SVM模型的惩罚参数C、损失参数ε以及径向基参数γ进行优化,利用优化后的模型进行瓦斯浓度的预测。通过MATLAB软件仿真可以得出,所采用的优化模型能够准确的预测煤矿瓦斯浓度的变化趋势。并与经过粒子群（PSO）算法优化的预测模型相比较。结果表明,经过DE-EDA算法优化的SVM模型具有训练速度更快、预测更准确的特点,为实际煤矿瓦斯浓度的预测和处理提供了更加可靠的理论基础。