用于车载网络的自适应情境感知中间件

针对现有中间件技术在车载网络领域中存在的问题,即难以有效支持多变的车载网络环境,且难以满足车载应用对实时性和稳定性方面的要求,提出了一种基于多组件链结构的具有情境感知自适应能力的车载网络中间件框架CARMVE,以降低车载应用的开发成本和复杂性,提高软件的灵活性、适应性和可移植性。通过对CARMVE自适应机制和情境感知机制的介绍,进一步说明了其对复杂车载环境的良好支持,并对如何基于CARMVE开发和部署车载网络应用进行了实例说明。     

悉尼自适应交通控制系统线圈数据短时多步预测双层模型

为了进一步改善悉尼自适应交通控制系统(Sydney coordinated adaptive traffic system,SCATS)线圈数据短时多步预测的效果,在对SCATS线圈数据进行预处理的基础上,设计了一种基于动态神经网络的短时多步预测双层模型,包括基于NARX(Nonlinear autoregressive model with exogenous inputs)神经网络的多步预测方法以及基于FTD(Focused time-delay)神经网络的可预测步数在线估计方法,并采用某特大城市SCATS线圈实测数据进行了验证和对比分析。结果表明:本文方法能够进一步降低SCATS线圈数据短时多步预测的误差。     

基于空间位置分析的商业房地产适应性估价技术

如何对商业房地产实施批量评估是目前国际上房地产评估领域的热点问题.为了实现高精度、低成本的评估目标,引入计量经济学和工程科学领域的适应估计技术,结合空间分析相关方法,提出商业房地产适应性估价模型,以期充分体现影响商业房地产价格的各项实体因素和区位因素,进而对其进行系统、科学、客观地批量评估.最后,以深圳市商业房地产为例进行实证分析,检验结果表明该技术较传统方法而言,无论是评估结果本身的准确性,还是评估结果间的公平性和一致性,均有较大提高,符合房地产税基评估要求,具有较高的推广价值.     

适应用户需求变化的前摄推荐模型

为了减少前摄推荐对用户当前活动可能产生的干扰,提出一种适应用户接受度变化的前摄推荐模型,感知用户对系统主动的信息推送是否有潜在需求以及需求的波动性,以提高用户体验。使用接受度向量来评估用户对信息推送的需求,应用决策树算法对用户历史上下文进行规则推理,形成用户对上下文推荐的接受度向量,并根据上下文变化和用户反馈来调整推荐接受度向量。试验结果表明,模型能够响应用户对推荐的动态变化,有助于改善用户体验。     

美国的欧洲分阶段适应性导弹防御方案发展浅析

欧洲分阶段适应性导弹防御方案是美国全球导弹防御系统的重要组成部分。介绍了美国在欧洲部署分阶段适应性导弹防御系统的建立背景,概括了其新进展,阐述了其发展面临的国际、国内和技术3方面的制约因素,最后对其发展前景作了评析。     

基于期望模式修正方法的混合网格多模型估计

针对期望模式修正(EMA)变结构多模型估计中基础模型集固定不变而扩张模型修正能力有限等问题,提出了一种改进的EMA变结构多模型算法(M-EMA).该算法将所用模型集合构造为混合网格结构,并引入自适应网格(AG)技术和可能模型集(LMS)技术,用于混合网格中修正模型网格与基础模型网格的生成,从而使参与状态估计的模型集合更加接近于系统真实模式,达到优化模型集合的目的.仿真实验证明,该算法有效提高跟踪精度和稳定性,同时减少了对目标机动方式与模型集合拓扑结构设计的依赖.     

舰船总布置方案的直觉模糊多属性群决策模型

在舰船总布置方案决策问题中,为了得到总体一致的结论,往往需要专家经过反复的协商和妥协来实现,从有利于舰船作战使用的角度,提出了总布置方案评价的指标体系.为了克服决策过程中需要通过来自不同专业领域的专家反复协商来使专家决策信息达到可接受的一致性不仅耗时且可操作性差的问题,引入了基于自适应一致性算法的直觉模糊多属性群决策模型对设计方案进行优选评价.算法在参考群决策信息的基础上,对专家决策信息进行反复修正,使专家之间的决策信息达到可接受的一致性.算法较好地模拟了专家之间真实的谈判和妥协的决策过程,不需要专家对决策矩阵进行反复的修正,提高了决策的效率,为复杂工业设计方案决策提供了参考.     

EFFECTS OF FLOW DYNAMICS ON THE AQUATIC‐TERRESTRIAL TRANSITION ZONE (ATTZ) OF LOWER MISSOURI RIVER SANDBARS WITH IMPLICATIONS FOR SELECTED BIOTA

Sandbars are an important aquatic terrestrial transition zone (ATTZ) in the active channel of rivers that provide a variety of habitat conditions for riverine biota. Channelization and flow regulation in many large rivers have diminished sandbar habitats and their rehabilitation is a priority. We developed sandbar‐specific models of discharge‐area relationships to determine how changes in flow regime affect the area of different habitat types within the submerged sandbar ATTZ (depth) and exposed sandbar ATTZ (elevation) for a representative sample of Lower Missouri River sandbars. We defined six different structural habitat types within the sandbar ATTZ based on depth or exposed elevation ranges that are important to different biota during at least part of their annual cycle for either survival or reproduction. Scenarios included the modelled natural flow regime, current managed flow regime and two environmental flow options, all modelled within the contemporary river active channel. Thirteen point and wing‐dike sandbars were evaluated under four different flow scenarios to explore the effects of flow regime on seasonal habitat availability for foraging of migratory shorebirds and wading birds, nesting of softshell turtles and nursery of riverine fishes. Managed flows provided more foraging habitat for shorebirds and wading birds and more nursery habitat for riverine fishes within the channelized reach sandbar ATTZ than the natural flow regime or modelled environmental flows. Reduced summer flows occurring under natural and environmental flow alternatives increased exposed sandbar nesting habitat for softshell turtle hatchling emergence. Results reveal how management of channelized and flow regulated large rivers could benefit from a modelling framework that couples hydrologic and geomorphic characteristics to predict habitat conditions for a variety of biota. Published in 2011 by John Wiley & Sons, Ltd.     

基于神经网络自适应滤波的低频振荡Prony分析

针对传统Prony算法在分析低频振荡时对噪声非常敏感的缺点,提出一种基于神经网络自适应滤波和改进Prony算法相结合的电力系统低频振荡分析方法。该方法以广域测量信号作为输入,采用神经网络自适应滤波对低频振荡信号进行滤波预处理,调节性能指标阀值确定滤波效果,并通过改进Prony算法对滤波后的信号进行识别。仿真结果表明,该方法能有效滤除噪声,能较为准确地辨识低频振荡的主导模式。