矿山开采地表下沉与变形预计新方法

以理想散体移动模型为基础，提出了更具有一般统计意义的采动覆岩与地表下沉概率密度新函数，建立了水平煤层开采地表下沉和变形的预计新体系，为矿山开采地表下沉和变形预计提供了新方法。     

稀疏统计二次Renyi熵的运动估计匹配准则

运动估计是视频编码技术的核心,通过对运动估计基本原理的分析可知匹配准则是运动估计的关键环节。针对传统匹配准则描述块匹配精度不高,导致信息冗余较多的不足,提出一种稀疏统计二次Renyi熵的运动估计匹配准则。该匹配准则在计算Renyi熵时,引入了统计直方图,采用统计的方式计算概率密度函数,并结合基于梯度的图像质量评价和运动矢量中心偏离特性,对直方图的统计区间进行稀疏化。实验结果表明,该匹配准则简化了Renyi熵概率密度函数的计算,通过统计区间的稀疏化减少了80%以上的乘法运算量,对运动剧烈的视频序列能够得到优于传统绝对误差和函数的峰值信噪比,取得更好的图像质量。     

MMCKDE:基于数据流的m-混合聚类核概率密度估计

数据流挖掘应用对时间、空间有着较高的要求,因而传统的密度估计方法,如核密度估计法、压缩集密度估计法等并不适用于数据流密度估计.提出一种新颖的面向在线数据流的m-混合聚类核密度估计(m-mixed clustering kernel density estimation,MMCKDE)方法,该方法通过创建MMCKDE节点,用固定个数的混合聚类核获得聚类信息,以代替其他密度估计方法中的所有核.针对数据量不断增加的情况,通过计算Kullback Leibler(KL)距离进行核合并,可进一步以更紧凑的形式表示概率密度估计信息.较之于其他一些方法只能估计整段数据流的密度,MMCKDE方法最终获得的模型不仅适用于整段数据流,还适用于任意时间段上的密度估计.MMCKDE算法同SOMKE算法在不同基准数据集及真实数据集上进行密度估计精度和运行时间的比较.实验结果表明,MMCKDE算法具有更好的性能.     

加筋板架击穿概率分析

为评估攻击武器作用下舰船结构的安全性,对战斗部冲击载荷作用下加筋板架的击穿概率进行分析.取初始撞击速度、战斗部密度、材料的弹性模量和极限强度作为随机变量,利用随机数生成程序得到50组随机变量的初始值;采用有限元程序进行仿真计算,得到战斗部击穿板架后的末速度值,并检验末速度是否服从正态分布,若不服从则利用最大熵法拟合末速度的概率密度函数;考虑战斗部撞击点和板架加强筋的相对位置关系,采用速度破坏准则,利用蒙特卡罗方法模拟得到不同入射角度的战斗部击穿单层和双层加筋板架的概率.该方法所用样本数量少,充分利用了样本信息,效率较高,具有一定实际应用价值.     

基于最大熵PDF估计的直扩系统伪码捕获结构

为了使直扩系统在未知非高斯噪声模型下准确地捕获微弱直扩信号,提出一种新的基于整数最大熵概率密度函数(probability density function,PDF)估计和局部最佳检测(locally optimal detection,LOD)相结合的相关前一维幅域处理捕获方式。通过蒙特卡洛数据仿真可以发现:在非高斯噪声的情况下,基于整数最大熵PDF估计的LOD检测器的检测性能要明显优于常规平方和(Square-Sum,SS)检测器,在信噪比为-25~0 dB时分别有2.0%~99.0%的改善。从根本上改变了常规SS检测器在非高斯噪声模型下性能急剧下降甚至无法工作的现象。     

基于极值分布的常态下高速公路行程时间可靠性模型

为了利用参考模型表征路段行程时间分布,运用海量高速公路收费数据,分析了路段行程时间概率分布特征,通过极值分布、对数正态分布、正态分布和威伯尔分布对路段行程时间的概率密度函数进行曲线拟合.建立了基于极值分布的路段行程时间可靠性模型和模型参数估计方法,考虑了车型速度差和出行者易于理解的因素,提出了一种高速公路可靠性指标阈值的计算方法.选取最大概率行程时间、平均延误时间和行程时间可靠性为评价指标,对陕西省高速公路网中某一路段24 h出发车辆的行程时间进行实例评价.结果表明:极值分布的误差平方和(SSE)最小,拟合优度(R2)最接近于1,利用极值分布表征路段行程时间分布效果最佳.     

基于概率密度分析法快速筛选退役电池模组

快速筛选出安全可靠有利用价值的电动汽车退役动力电池仍是急需解决的问题.通过随机概率密度函数(PDF)方法对电池容量标定过程中的充电电压数据进行处理,得到峰B顶点一定间隔内积分面积与SOH之间呈现较好二次函数关系,两者之间拟合优度在0.99以上.将测试获得的电池电压数据代入拟合公式得到估算SO H与实际SO H误差在3％以内.由此提出一种使用电池充电过程中部分电压数据基于PDF即可快速检测SO H以实现对电池模组快速筛选的方法.     

基于耦合概率密度方法的河渠突发水污染溯源

以水动力计算为基础,依据正向浓度概率密度与逆向位置概率密度的耦合关系,构建了以污染源位置和释放时间为参数的相关性优化模型,并利用微分进化算法实现了模型的求解。在此基础上,根据污染物正向浓度概率密度函数构建优化模型确定了污染物强度。耦合概率密度方法将突发水污染溯源问题转换为两个最小值优化问题,原理简单,求解方便,实现了污染源参数的解耦。在求解优化模型时,将梯度概念引入到微分进化算法中,提高了搜索效率。将所提出的溯源方法运用于仿真实验案例以及南水北调中线应急示范工程实例,结果表明,模型溯源效果好、模拟精度高,溯源结果对于河渠突发水污染事件应急处置具有一定指导意义。     

基于逆向概率密度函数的一维污染源排放重构

应用逆向概率密度函数进行一维对流扩散方程污染释放过程重构,给出了采用逆向概率与传统优化过程的流程图和主要区别。采用逆向概率密度函数进行污染源重构,其微分方程求解次数等于观测数据量,有效地降低了数值计算量。应用逆向概率密度函数结合优化算法针对一维对流扩散方程中正态波式和矩形波式的污染源排放过程重构的仿真结果显示:对于1～2个污染物正态函数波释放过程,采用一到两个监测点即可准确得辨识出主要参数;3个正态函数波释放过程,采用3个监测点,辨识结果仍有一定误差,可能与模型的非线性特征或释放过程波的相互干扰有关。矩形波释放过程,采用三个监测能准确辨识出所有参数。