山上微波站太阳能与外接电源并行供电系统的设计

介绍了山上微波站太阳能与外接电源并行供电系统的设计。通过分析并行供电的基本原理认为采用并行供电方式较为理想。     

混沌理论与BPNN耦合的径流中长期预测模型

受诸多因素的影响,径流时间序列具有非线性和混沌特征。单一的BPNN模型可以进行径流的中长期预测,但存在对径流影响因素量化不够的缺点;单一的混沌模型可以量化径流的影响因素,但只能实现短期预测。为此建立了混沌理论与BPNN耦合的径流中长期预测模型。针对黑河上游莺落峡水文站1944-2017年的径流序列,利用混沌理论计算了径流序列的延迟时间τ、嵌入维数m和最大Lyapunov指数λ_(max),并进行了径流序列的相空间重构,以此确定BPNN的输入层神经元个数、取值和预测的周期时长;利用BPNN对1944年1月-2012年12月的径流量数据进行训练,建立了混沌-BPNN和混沌-BPNN等维递补两种预测模型;以2013年1月-2017年12月(5 a)的径流量进行模型验证。结果表明:混沌-BPNN等维递补模型的预测精度达到了91.84%,预测效果较好。混沌理论与BPNN耦合的径流预测模型将两种方法的优势互补,尤其是混沌-BPNN等维递补模型,在补充新信息的同时剔除因系统发展而使特征意义降低的老数据,减小了BPNN训练的时间跨度,提高了预测精度,为径流的中长期预测提供了新的有效方法。     

无线接入网LMDS技术及应用

介绍LMDS的有关系统构成、技术特点，分析了LMDS在实际应用中的优势和局限性以及目前的应用进展情况。     

基于混沌-广义回归神经网络的矿井涌水量预测

针对矿井涌水量预测研究中存在的相关影响因素考虑较少、模型预测精度不高和适用性不强的问题,建立了混沌理论与广义回归神经网络耦合的新的预测模型(Chaos-GRNN模型)。从理论上分析了矿井水文系统产生混沌现象的机理;由混沌理论得到涌水量序列相空间重构后的嵌入维数、时间延迟和最大Lyapunov指数,以此确定GRNN的输入层神经元个数、取值和预测时长;采用交叉验证法获得GRNN的光滑因子,建立Chaos-GRNN模型;对平煤十二矿涌水量(2014年1月至2015年12月)进行模型验证。结果表明：矿井水文系统演化过程的循环迭代是产生混沌的根本原因,其表象特征为演化过程的不可逆性、非平稳性和演化结果的多样性;平煤十二矿涌水量时间序列具有混沌特征,其嵌入维数m=7,即涌水量的影响因素为7个,GRNN输入层神经元个数为7;时间延迟τ为13个月,由此确定了GRNN输入层神经元的取值;最大Lyapunov指数为0.053 0,确定了GRNN预测时长为19个月;Chaos-GRNN模型预测精度达到了94.98%。该预测模型利用混沌理论量化了广义回归神经网络的输入层和预测时长,充分考虑了矿井涌水量的影响因...