基于小波变换的支持向量机短期负荷预测

提出了一种基于小波分解和支持向量机的短期负荷预测方法.首先利用小波变换把负荷序列分解成不同频段的子序列,对高频序列利用软阀值消噪法去除负荷噪声;对降噪后的负荷序列利用不同的小波进行分解.然后用相匹配的支持向量机模型预测各子序列.仿真结果表明db4小波的预测精度最高,平均绝对预测误差为1.6692%.所得结果同直接用支持向量机预测结果进行比较表明,该方法是有效的.     

基于组合优化算法的短期风电功率预测

针对风电功率的长记忆、大波动性特点,提出了一种短期风电功率组合预测算法。利用集合经验模式分解算法在风电功率序列分解过程中添加成对的正负噪声分量,得到的不同复杂度的子序列,提高信号重构精度和分解速度。风电功率子序列的线性分量应用自回归分数积分移动平均模型进行预测,风电功率子序列的非线性分量利用自回归分数积分移动平均模型的残差序列训练优化后的支持向量机模型来进行预测,最后组合得到风电功率预测结果。通过对国内某风电场风电功率数据进行验证,表明该组合预测模型的预测精度更高,且模型具有更好的适应性。     

基于门控循环单元与误差修正的短期负荷预测

针对负荷预测模型迭代训练过程中存在误差积累的问题,提出结合叠式双向门控循环单元（SBiGRU）、完整自适应噪声集成经验模态分解（CEEMDAN）和误差修正的组合预测模型. 建立SBiGRU模型学习在气温、日期类型影响下负荷序列的时序特征,误差特征体现在SBiGRU模型预测产生的误差序列中;使用CEEMDAN算法将误差序列分解为数个本征模态函数（IMF）分量与趋势分量,对每项分量再次建立SBiGRU模型进行学习与预测,并对各分量的预测值进行序列重构,得到误差的预测结果;对预测结果进行求和以修正误差. 模型评估结果表明,组合模型的预测准确精度为98.86%,与SBiGRU、BiRNN、支持向量回归等方法相比,该模型具有更好的精度.     

基于多频优化组合模型的我国大豆期货价格预测

针对ARIMA、BPNN、LSTM等单一模型在预测大豆期货价格时因不能同时捕获到原始序列中线性和非线性变化特征而导致的预测精度不高的问题,提出基于完全自适应噪声集合经验模态分解(CEEMDAN)的多频优化组合模型,并利用大豆的日期货收盘价数据对多频优化组合模型的有效性进行了实证分析.结果表明,多频优化组合模型在大豆期货价格预测精度上优于BPNN、LSTM等单一模型,以及EMD-BPNN、CEEMDAN-LSTM(未重构)等组合模型,因此该模型在预测大豆期货价格走势中具有良好的参考价值.     

基于集合经验模式分解的ARIMA行业售电量预测模型

售电量的准确预测是电力市场课题研究的重要内容之一,目前已有许多模型用于售电量预测。在此背景下,考虑售电量时间序列的非线性、波动性和周期性,提出基于集合经验模式分解和自回归积分滑动算法的预测模型。该模型首先对售电量时间序列进行集合经验模态分解,通过添加白噪声得到不同时间尺度分布的售电量时间序列,分解后得到一系列相对平稳的本征模态函数和趋势项,然后利用自回归积分滑动算法对各平稳化本征模态函数和趋势项分别进行预测,得到各分量的预测结果,最后将分量预测结果叠加得到最终的售电量预测值。基于历史统计售电量数据的预测结果分析表明,基于集合经验模式分解的 ARIMA模型具有良好的预测精度。     

基于小波和神经网络模型的邮电业务总量预测

引入极大重叠离散小波变换的概念,利用极大重叠离散小波变换的多分辨分析特性,对邮电业务总量序列进行分解.然后对分离得到的光滑项和细节项两部分利用小波神经网络模型进行建模和预测,最后再重构得到邮电业务总量序列的预测值.数据测试结果表明:本文方法可实现多步预测,且对邮电业务总量的预测精度比单纯的用小波神经网络模型或BP神经网络模型高.     

基于小波变换的支持向量机短期负荷预测

提出了一种基于小波分解和支持向量机的短期负荷预测方法．首先利用小波变换把负荷序列分解成不同频段的子序列，对高频序列利用软阀值消噪法去除负荷噪声；对降噪后的负荷序列利用不同的小波进行分解．然后用相匹配的支持向量机模型预测各子序列．仿真结果表明db4小波的预测精度最高，平均绝对预测误差为1．6692％．所得结果同直接用支持向量机预测结果进行比较表明，该方法是有效的。     

基于HHT的电力负荷组合预测模型研究与应用

为了进一步提高电力负荷预测精度,在对电力负荷影响因素分析的基础上,提出了一种基于HHT的负荷组合预测模型.该模型利用EMD算法将原始负荷序列分解,得到不同频率的平稳子序列,子序列比原始序列更具可预测性.根据不同频率的子序列特点选取RBF神经网络、BP神经网络和时间序列模型分别预测,同时考虑温度对负荷的影响,得到新的组合模型.算例表明,该模型能有效提高电力负荷预测精度.     

基于注意力时间卷积网络的农产品期货分解集成预测

针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货预测方法.首先,使用CEEMDAN将时间序列分解为多尺度多频率的本征模态分量(IMF)与残差,降低了序列建模复杂度;其次,使用融合多阶段自注意力单元Transformer-Encoder的时间卷积网络(TCN)对各个分量子序列进行特征提取与预测,优化了序列显著特征建模权重;最后,将各个子序列预测值线性相加集成得到最终预测结果.以南华期货公司农产品指数中的大豆期货指数为研究对象,采用时序交叉验证与参数迁移的方式进行模型重训练,消融和对比实验结果表明,提出的新模型在RMSE、MAE和DS三个评价指标上具有良好的效果,验证了该模型对农产品期货预测的有效性.     

基于小波分析的保险收入预测

提出了一种基于小波分析组合预测模型:首先利用Mallat算法对保险收入时间序列进行多尺度分解,得到对应尺度下的概貌(低频)分量和细节(高频)分量,然后从分解中提取趋势项并建模,最后对周期项(含季节项)和随机项进行了建模探讨,指出由于部分小波分解项所含有的周期存在相关性,此时对每一项分开建模并不一定能提高预测精度,通过给出分解项合并原则,然后对部分分解项进行合并建模.最后将各建立模型的预测结果进行叠加即可得原保险收入变量的预测值.将该模型用于中国保险收入的预测中,并与传统预测模型ARIMA进行了对比分析,结果表明,建立的组合模型充分利用了现有信息,预测精度高.     

基于小波包分析的结构损伤定位方法

提出了基于小波包节点能量（WPCE）相对变化量的结构损伤定位方法，采用其斜率向量和曲率向量2个指标作为损伤定位的依据，从而做到对于结构损伤的无模型定位，最后通过数值算例验证了该方法的可行性。     

基于改进增广拉格朗日乘子法的鲁棒性主成分分析

针对增广的拉格朗日乘子法在求解鲁棒性主成分分析,特别是当数据同时受到稀疏噪声和高斯噪声的干扰时,计算精度会降低,数据降维去噪任务不能很好完成的情况,提出改进的增广拉格朗日乘子法来解决上述问题.一是用基于最优乘子初始化的改进增广拉格朗日乘子法来提高算法的计算精度,二是针对鲁棒性主成分分析,提出一个带高斯噪声的凸优化模型.实验结果表明,本文提出的最优乘子初始化改进算法赋予增广的拉格朗日乘子法一个最优的拉格朗日乘子,从而提高算法的计算精度,而凸优化模型能够清晰地将高斯噪声和稀疏噪声从数据矩阵中分离出去,进而提高数据对高斯噪声的鲁棒性.     

改进的电容式微加速度计中电路噪声模型

为了在加速度传感器设计中准确预测系统电路噪声,优化电路设计参数,建立了改进的电容式微加速度计中的电路噪声模型.详细分析了电荷积分器中的运算放大器噪声、开关热噪声、驱动信号参考电压、寄生电容电阻对系统噪声的影响,分析了相关双采样对热噪声和1/f噪声的影响,建立了微加速度计系统的输入参考噪声公式,所建立的电路噪声模型对各个电路噪声源进行综合考虑,没有忽略噪声源间的相互影响.仿真和测试结果表明:所建立的电路噪声模型能够准确的预测噪声水平,且开关热噪声在高精度微加速度计中严重影响着系统噪声水平.     

基于单频信号频率估计的载波频偏估计算法

在前向载波频偏估计中,为扩大捕获范围,提高估计精度,在最大似然准则的基础上,给出了一种非数据辅助的前向载波频偏估计算法。该算法利用由自相关函数估计频偏等效为在噪声中估计复单频信号频率的思想,将基于傅立叶变换的复单频信号频率估计方法应用到载波频偏估计中。对于2π／M旋转对称星座,该算法的估计范围扩大到了±1／2MT,并且具有较高的估计精度。计算机仿真结果给出了该算法在估计精度和估计范围方面的性能。     

证券投资组合模型分析

讨论了证券投资组合模型分析的基本原理，并针对单拽数模型的局限性；提出了一个改进的投资组合模型，从而提高了证券投资组合简化模型分析的精度。     

椭偏方法分析无氢DLC薄膜光学吸收特性

类金刚石（Diamond Like Coobon,DLc）薄膜在光学领域主要用做红外区高强度减反射光学薄膜,准确测定薄膜的消光系数走,是评价薄膜吸收特性的关键环节．考虑到DLc薄膜材料结构的复杂性,研究了椭偏技术在分析无氢DLC薄膜时物理模型的建立方法,并且验证了该模型分析结果的准确性．利用Maxwell—Gamett等效介质理论建立了一种单层椭偏分析物理模型Si／EMA（n,＋n2混合材料）,利用该模型探索了采用双层模型的高低折射率比值代替薄膜中不同结构材料组分比值的有效性,从整体上用单层模型表征了DLc薄膜的消光系数,获得了单层薄膜的消光系数和折射率．测试了样片的透射率光谱．分别采用TFC（TFCalc）拟合的透射率光谱和Raman光谱验证了椭偏分析模型测试结果的准确性为椭偏分析技术研究DLC薄膜吸收损耗特性提供了有效路径．     

基于声道频谱参数的语种识别

针对低信噪比下语种识别正确率低的问题,提出了一种声道冲激响应频谱参数和Teager能量算子倒谱参数融合的识别方法.根据语音中不同特征信息量分布特性,首先在特征提取前端引入低通滤波器滤除信号高频部分,并采用重采样方法降低采样率,再基于信号频谱提取声道冲激响应频谱参数,然后融合Teager能量算子倒谱参数,最后通过高斯混合通用背景模型进行语种识别验证.不同信噪比条件下性能测试表明,所提方法相对于基于单一的梅尔频率倒谱系数特征、单一的伽玛通频率倒谱系数特征和基于对数梅尔尺度滤波器组能量特征,在低信噪比下提升约15 dB,显著提高了识别正确率.     

Noise decomposition and parameter optimization method for high sensitivity fiber optic gyroscope

A novel random walk coefficient(RWC) model of the interferometric fiber optic gyroscope(IFOG) to decompose fundamental noise sources, namely the shot noise, the excess noise, the thermal noise, and the detection circuit noise, from the overall noise was developed. The coefficients of the model were extracted from the measured RWC instead of by calculating the accurate IFOG parameters, which is simpler and more accurate. The correctness and the accuracy of the model were verified by experiments. Using this model, the RWC of the experimental IFOG was predicted and the quantitative contributions of the noise sources were determined. According to the predicted results, the parameters of the IFOG were optimized. Finally, based on the model, a noise decomposition and parameter optimization method was proposed for high sensitivity IFOG design.     

A Multivariate Process Capability Index

Process capability indices have been widely used in the manufacturing industry,providing numerical measures on process precision,process accuracy,and process performance.Capability measures for processes with a single characteristic have been investigated extensively.However,capability measures for processes with multiple characteristics are comparatively neglected. In this paper,inspired by the approach and model of process capability index investigated by K.S.Chen et al.(2003) and A.B. Yeh et al.(1998),a note model of multivariate process capability index based on non-conformity is presented.As for this index, the data of each single characteristic don't require satisfying normal distribution,of which its computing is simple and particioners will not fell too theoretical.At last the application analysis is made.     

基于矢量水听器的被动声制导系统的研究

由于任何水下运动目标,在水中航行时均会产生各种辐射噪声.火箭助飞末制导深弹入水后,在下沉过程中,即可利用深弹头部安装的声学探测系统(声呐)接收水中运动目标的辐射噪声.该噪声经过相关处理后,就可给出水下目标相对于深弹的方位信息.这时,深弹利用尾部加装的舵机,可不断地调整弹体的下沉方向,以靠近水下运动目标.该研究对提高深弹的水下命中率具有重要意义.提出采用矢量水听器阵作为声呐被动测向系统的接收基阵,并对矢量水听器阵的测向原理、数学模型及仿真实验进行了论述.实验结果表明:本文提出的被动测向系统,用一片DSP芯片即可实现,其测向均方误差在20以内,具有测向精度高、体积小、重量轻、成本低、可工作于宽带和低频等优点.