混沌序列产生方法及其在图象加密中的应用

介绍了一个混沌二值序列产生和实验的软件平台，它利用三种混沌动力学模型，即一阶时延模型、Lorenz模型、Logistic模型产生加密序列，并通过大量实验对产生的序列的伪随机性、敏感性、重复性进行了测试，测试表明混沌伪随机序列具有良好的加密性能。本系统还可以提供对多种对象的加／解密实验和分析，同时也给出了对．bmp格式图像加／解密的实验结果。     

高效长序列水位预测模型的研究与实现

序列预测旨在利用历史序列模式信息预测未来长时间跨度的趋势，在工业领域具有众多的实际应用需求。针对工业数据序列预测问题中时序长度较长的特点，提出了一种高效的自注意力机制以适用于长序列数据建模与预测。该模型构建了新的嵌入表示，增加了池化操作，并且使用了生成式推断，实现长距离依赖建模和时序信号预测。相比之前的自注意力模型，该模型有效解决了现有方法在面对长序列预测时存在的预测精度不足、训练耗时过长等问题。在大规模水电站水轮机顶盖水位预测这一实际工业应用场景中，相比其他基准模型，该模型显著提高了长序列水位预测的精度和效率。     

丹江口水库径流长期预报研究

应用时间序列分析方法，建立了丹江口水库径流序列的长期预报分解模型；采用多种方法对序列特性（如平稳、趋势、周期等）进行了检验，深入讨论了序列周期的稳定性和外推性。计算成果表明所提模型是合理的．     

前向人工神经网络模型用于时间序列分析

介绍前向人工神经网络模型，并与传统的统计学线性模型进行比较，为了适应时间序列变量的特点，对逆传播模型进行了改进，并对太阳黑子活动的观察值这一典型的时间序列进行了分析，并检验了模型的预测能力，取得了较好的结果。     

沉降预测的多层递阶时间序列模型研究

为了研究沉降模型中参数的时变特性，提出了多层递阶时间序列模型，该模型将沉降预测分为预测模型参数的预测和在此基础上的沉降预测两部分.采用参数递推公式计算沉降时间序列模型的参数序列，并根据计算出的参数序列构建其时间序列预测模型.依此类推，可建立多层参数的预测公式，直至认为参数不随时间变化为止，然后根据参数预测结果来预测后期沉降.实例分析和计算表明，多层递阶时间序列模型能较好地反映参数的时变特性，取得较精确的沉降预测结果.     

前向人工神经网络模型用于时间序列分析

介绍前向人工神经网络模型，并与传统的统计学线性模型进行比较。为了适应时间序列变量的特点，对逆传播模型进行了改进，并对太阳黑子活动的观察值这一典型的时间序列进行了分析，并检验了模型的预测能力，取得了较好的结果     

门楼水库时段降水序列展延模型的选择

针对动态汛限水位应用时存在的问题，结合门楼水库动态汛限水位过程线的研究，对季节性自回归模型、相关解集模型、正则展开模型、多变量序列模拟的正交变换法和多变量AR(1)模型五个常用多变量生成模型进行了分析试验，通过对比研究，指出多变量AR(1)模型最适合时段降水序列的展延。     

一种基于神经网络的非线性时间序列模型

非线性时间序列分析是目前迅速发展的一个课题，这是因为在现实世界中许多现象都不能很好地用线性模型解决。文章首先分析了时间序列模型的建立机制，然后利用神经网络进行非线性信号处理，从而构造了一种新的神经网络非线性时间序列模型。该文将此方法与ＡＲ模型和ＳＥＴＡＲ模型进行了数值结果对比，结果表明该文提出的方法优于这两种方法。     

观测分析中的回归-时序列模型

大坝观测数据经常规回归分析后的残差序列一般并非为白噪声。考虑将回归拟合与随机型时间序列方法结合，先对大坝位移数据按水位、温度、时效等物理因素作回归分析，再对回归残差作时序列建模处理，实例采用Box-Jenkins法和自由相关、偏自相关函数及AIC准则进行模型识别，建立时序列模型，应用示例的计算表明，这样获得的回归-时序列模型能很好拟合实测数据，提高精度，误差序列也符合白噪声要求。     

机电产品拆卸回收模型及其拆卸序列生成

基于有向图和分类约束的思想，提出了两类约束的概念，建立了一种具有层次化、模块化特点的机电产品分类有向约束图模型；并结合具体产品，讨论了分类有向约束图模型在拆卸序列生成过程中的应用，研究结果表明：分类有向约束图模型可有效筛选掉不合理的拆卸序列，减少拆卸过程中搜索拆卸目标的工作量，避免拆卸方案组合爆炸，降低拆卸序列生成的复杂程度。     

基于灰色关联模型的地方政府绩效评价研究

基于灰色关联模型的地方政府绩效评价，是将各地方政府相关绩效评价指标的实际值作为比较序列，将其中的最优值作为参考序列，通过计算比较序列与参考序列的关联度来评价各地方政府绩效水平的高低。运用该模型，对湖南省部分地级市政府的绩效进行了实证分析。     

云南高原河流年径流序列相关系数变化规律及无资料地区年径…

本文研究了云南省的年径流序列，总结出了年径流序列相关系数的空间变化规律，给出了一阶自相关系数的等值线图，最后推荐出无资料地区考虑序列相关的年径流序列随机模拟模型及方法。     

基于自回避搜索遗传算法的蛋白质折叠研究

利用生物信息学方法，对蛋白质折叠过程进行研究，建立蛋白质折叠自回避搜索的遗传算法模型，通过计算机模拟，对较短序列进行检测，以探究蛋白质折叠的过程。实证研究表明，此算法产生了效果较好的蛋白质折叠构象。但对于长序列，自回避路径折叠搜索计算时间将呈指数增长。为了更真实地模拟蛋白质折叠过程，进一步探讨了并行遗传算法模型，该模型充分体现序列折叠时的并行性与自组织性，使它适用于较长序列的折叠，折叠过程不会因为序列长度的增加而快速增大模拟的复杂度，且符合生命的演化规律。     

基于随机小球漏槽模型的跳频编码序列

跳频序列用于控制载波频率随时间的变化规律，其性能对跳频系统的性能有重大影响。提出随机小球漏槽（random ball groovy—tundish，RBGT）模型，并利用该模型产生了一类新的跳频编码序列，分析了其相关性能，给出了基于此序列的几种跳频编码衍生模型。结果表明：该类序列既有随机性又有确定性，是一类性能优良的跳频编码序列。     

F4上带循环移位的线性递归序列

文章给出了F4上的一种新型线性递归序列模型，即把循环移位算子添加到F4上的线性递归序列上。先将模型转化为模上线性递归序列的研究，并通过矩阵表示理论，进一步转化为上F2上2阶多项式矩阵性质的研究。最后讨论了这种新型线性递归序列的非奇异性。     

用时间序列分析方法预测我国的进出口总额

采用时间序列分析方法对我国1984--2005年的年度进出口数据进行分析，建立了相应的时间序列模型．预测结果表明，该模型的预测效果较好，模型ARMA的短期预测效果比长期预测效果好．     

股票投资的马尔可夫决策规划模型

应用马尔可夫决策规划理论，讨论了一种股票动态投资策略，将股票价格随机时间序列分解成趋势序列和残差序列两部分之和．在验证残差序列具有马尔可夫性的基础上，对其建立模型并进行投资决策．所给定理保证了在一定条件下该模型目标函数最优投资策略的存在，同时给出了求解最优策略的算法，并进行了二阶段算例分析．最后，通过具体实例验证了该投资决策模型的可行性。     

云南高原河流年径流序列相关系数变化规律及无资料地区年径流序列的随机模拟

本文研究了云南省的年径流序列，总结出了年径流序列相关系数的空间变化规律，给出了一阶自相关系数的等值线图．最后推荐出无资料地区考虑序列相关的年径流序列随机模拟模型及方法．     

基于多尺度下AR(P)耦合预测模型的应用研究

基于多尺度分析理论，运用Mallat算法和Daubeclfies小波，把时间序列分解为比原始序列更单一的细节和慨貌部分，并利用AR(P)模型能反映时间序列中邻近时刻间联系的特性，对序列分解后的部分进行拟合与预测，然后再由多尺度分析中的重构方法进行序列重构，由此建立耦合的预测模型。通过黄河青铜峡270多年(1724～1997)年径流时间序列的建模及验证，表明拟建的耦合模型与传统单一模型的预测精度相比，由50％提高到90％，可用于实际需要。     

Fusion系统分析

介绍了被称之为第二代面向对象方法Ｆｕｓｉｏｎ方法中的系统分析，及其中的对象模型系统对象模型，操作模型，操作序列模型。