雨介质的等效复折射指数系统辨识研究

将雨介质视为一个离散随机系统,利用系统辨识方法结合电波传播理论对此系统进行了线性判定,建立了系统模型,得到了毫米波段雨介质的等效复折射指数的计算公式．然后,利用所得公式计算得到的等效复折射指数预测了降雨衰减率,预测值与ITU-R推荐公式计算结果及实测值基本符合,说明文中所使用的方法是有效的．该方法对其他离散介质也是适用的．     

一类复值神经网络的随机指数鲁棒稳定性

为分析Markova跳变参数对系统的影响,研究了一类具有Markova跳变参数和变时滞的复数域区间神经网络的动态行为。在假定复数域激活函数仅满足Lipchitz条件的情况下,首先利用M矩阵理论和同胚映射相关原理,研究了该系统平衡点的存在性和唯一性。然后利用矢量Lyapunov函数法分析了不同模式下平衡点的随机指数鲁棒稳定性。建立的稳定性条件推广了现有结论,并且容易验证。最后,通过一个数值仿真算例验证了所得结论的可行性。     

变时滞随机模糊细胞神经网络的均方指数稳定性研究

研究变时滞随机模糊细胞神经网络的均方指数稳定性,利用Ito公式及Lyapunov泛函方法得到其均方指数稳定的判据,并举例说明了理论结果的有效性.     

随机型细胞神经网络的稳定性

借助于李雅谱洛夫理论、矩阵分析方法和Itô公式,结合不等式分析技巧,研究了随机细胞神经网络系统的均方指数稳定性,给出了系统的解的二阶矩Liapunov指数估计式和均方指数稳定的充分条件。     

宽带随机谱下一种实用的等效应力计算模型

以平稳Ｇａｕｓｓｉａｎ随机载荷下峰值应力概率分布的统计理论的为基础，建立了一种实用的宽带随机载荷谱下等效应力计算模型，计算结果表明：该模型与精确模型在整个计算范围内均能良好吻合，较国际上已有的几种近似模型有更大的适应范围和更高的精度。     

变时滞神经网络模型的全局指数稳定性

研究了一类变时滞的Hopfield型神经网络的全局指数稳定性,在对网络系统施加两个不同的非线性神经元激励函数的条件下,利用M-矩阵的特性,得到了细胞神经网络模型在一定的条件下全局指数稳定的易于判定的充分条件,数值例子说明了本文结果的有效性。     

分布参数高阶随机时滞Hopfield神经网络的指数稳定性

利用Lyapunov稳定性理论,积分不等式和Halanay不等式,研究了具分布参数的高阶随机时滞Hopfield神经网络的均方指数稳定性,得到了保证系统指数稳定且与扩散项相关的充分性条件,并给出了指数收敛率,同时放松了现有文献中对变时滞的要求,因而在一定程度上了改进了现有文献的结果.最后给出了数值算例验证所得结果的有效性.     

脉冲干扰时滞复值神经网络的稳定性分析

为分析脉冲干扰因素对复值神经网络动态行为的影响,研究一类具有混合时滞和脉冲干扰的复值神经网络的平衡点的全局指数稳定性.在假定神经元状态、激活函数以及关联矩阵定义在复数域的情况下,利用M矩阵理论、向量Lyapunov函数法以及数学归纳法,分析确保该系统平衡点的存在性、唯一性以及全局指数稳定性的充分条件,并给出了指数收敛率,最后通过一个数值仿真算例验证了所得结论的正确性.结果表明:时滞和脉冲干扰均会降低神经元状态的指数收敛速度,所建立的稳定性判据推广了现有结论.     

二自由度滞回系统对平稳随机激励的复模态分析方法

提出了一种求二自由度滞回系统对平稳随机激励的响应的方法．具有非线性滞回特性的二自由度系统，其振动方程中的非线性项不仅与位移及速度有关，还随着加载和卸载而有不同的函数形式．为了求这种系统的响应，本文采用复模态方法及统计线性化方法，详细讨论了加载与卸载对应的积分区间的划分，通过积分求出了等效线性化系数，并将实数域上的有关方法推广到复数域上，导出了系统在物理坐标下的均方根响应．作为算例，计算了二自由度双线性滞回系统对平稳基础激励的位移，加速度均方根响应，并将所得结果与数值模拟结果进行了比较，二者吻合很好．     

脉冲波在随机雨介质中的传输特性

在用随机系统法得到随机雨介质中电磁波传输函数的基础上,导出了雨介质中的脉冲波的双频相关函数和强度解析表达式．研究了脉冲波的起伏特性．分析了脉冲波展宽效应机理,得到脉冲波群速度与电波频率、降雨率的函数关系．在毫米波段仿真计算了频率与带宽对脉冲波展宽速率的影响．通过计算得出了以下结果：水平极化脉冲波的展宽速率大于垂直极化的脉冲波;脉冲波展宽速率随带宽和降雨率增加而增加．     

双金属继电器中条形双金属片的数学模型与等效网络

条形双金属片是电器及其他领域中应用最多的结构型式之一,其传统的工作特性分析方法在理论上欠系统与完整,且不便于分析其全部参数。采用综合考虑负载作用力及温度影响的分析条形双金属片的载面力－力矩平衡法,给出较完整系统的数学模型;将双金属片用等效网络表示,用网络分析手段求解温度继电器、热继电器的工作参数;分析了在比弯曲最大的条件下各层界面、表面应力关系。对条形双金属继电器的设计有指导意义。     

复杂网络理论的作战网络动态演化模型

为动态评估作战组织结构对作战效能的作用影响,采用复杂网络分析了信息化条件下作战组织结构的网络化特性,综合考虑作战组织实体及组织结构关系的异质性,构建了基于多维加权的作战网络模型,定义了刻画作战网络性能的协同增益特征量.以提高作战效能作为网络演化动力,分别设计了择优演化和随机演化两种作战网络动态演化模型,结合协同增益指标提出了分析作战网络动态演化与作战效能之间内在关联及影响规律的方法,仿真结果验证了方法的可行性,为设计与优化作战组织结构提供理论依据.     

DA-PSR模型与复杂网络的发射平台抗毁性评估

为改善现阶段评估研究中存在的主观性强、物理逻辑关联性弱的问题。以某型发射平台为对象，从评估指标体系、评估方法和评估等级判据3个方面系统构建了一种发射平台抗毁性评估体系模型。采用PSR框架理论，构建了具有因果逻辑关联关系的评估指标体系，针对评估指标体系数量繁多，提出了基于复杂异质网络理论节点介数和k-means算法的评估指标体系筛选方法；采用互信息理论和极限损毁量化提出了评估指标赋权方法和评估指标量化方法，并通过量纲分析对PSR框架理论进行了模型改进，构建了抗毁性DA-PSR评估方法；并提出了基于作战任务需求的评估等级判据方法。结果表明：通过筛选出了剩余节点介数值占总介数值52.990%、剩余簇中心值占总簇中心值90.550%的精简评估指标体系，采用抗毁性DA-PSR评估方法可以评估出该型发射平台抗毁性值为0.737,且其在不同作战任务需求下，评估等级分别呈现出“优、中、中”的差别。抗毁性DA-PSR评估方法具有主观性影响低，物理逻辑关联性强的优势，有助于提高评估结果的可信度。     

重金属复合污染对土壤活性酶影响的神经网络模型初探

在环境领域中 ,重金属对土壤的污染可通过常规的多元回归方法进行研究。但由于这一方法需附加假设条件、易出现共线性等缺点 ,而使结果偏离实际。本文建立神经网络的两个模型 ,寻找了潮褐土中Cd、Zn、Pb的复合污染与对 4种土壤酶活性影响之间的关系 ,并分析了各重金属对土壤酶活性的抑制效应 ,为实际预测提供了依据。结果表明神经网络的方法简单易行 ,比常规的多元回归方法具有更好的可操作性     

雨雪天气下轨道交通客流预测模型

为了完善雨雪天气下轨道交通客流预测模型,对哈尔滨市地铁1号线2017年12月份至2019年1月份的全线客流数据进行研究,引入客流基准值和客流偏差率的指标来量化轨道交通客流波动情况,研究雨雪天气下轨道交通客流波动规律,提出一种基于雨雪天气下轨道交通客流时空波动规律的短时客流预测模型WI-LSTM,以平均绝对误差(MAE)、均方根误差(RMSE)以及平均相对误差(MRE)作为预测模型的评价指标,与经典的SARIMA预测模型、支持向量回归(SVR)预测模型和未考虑雨雪天气的LSTM预测模型进行了对比。结果表明：考虑雨雪天气的WI-LSTM预测模型可以充分利用雨雪天气轨道交通客流波动规律,相比其他3种预测模型具有更高的准确性和可靠性。WI-LSTM预测模型进一步提升了雨雪天气下轨道交通客流预测精度,可为轨道交通企业运营管理提供数据支撑。     

神经网络内模控制及其在大迟延系统中的应用

针对大迟延非线性系统,设计了一种基于神经网络和内模控制理论的控制系统。系统结构为串级,内回路采用常规比例控制;外回路采用神经网络内模控制。辨识器和控制器均采用3层BP网络实现,并用加入动量项的BP算法来训练网络。以电厂主汽温对象为例对系统进行多种负荷下的仿真验证,结果表明,所设计的系统在模型变化时具有较好的控制品质和鲁棒性及抗干扰性,明显优于常规主汽温控制系统。     

神经网络在工程项目管理绩效评价中的应用研究

传统的工程项目管理绩效评价主要运用单项线性分析的方法，这种方法简便易行，但不能反映评价指标间复杂的非线相互关系。为此，运用人工神经网络ANN中的BP网络对工程项目管理绩效评价问题进行研究，建立了一个综合考虑项目工期、质量、费用、安全四大控制指标的工程项目管理绩效评价模型。实例分析表明，其评价结果更加全面、更加符合实际情况，从而有助于促进工程项目管理水平的提高。     

基于BP神经网络的钱塘江水质指标的预测

为掌握钱塘江水质未来的变化情况以及预防污染事件的发生，建立了一个水质指标预测模型.利用钱塘江某行政交界断面的水质指标实测数据作为学习样本，选取了总磷、总氮、化学需氧量等9项指标作为预测参数，运用Levenberg-Marguardt优化算法对学习样本进行优化，建立了反向传播（BP）神经网络模型，并运用该模型对钱塘江水质指标进行了预测.结果表明，BP神经网络模型的预测精度较高，预测速度快，对大部分水质指标能够得到较好的预测值，相对误差的绝对值小于6％.此BP神经网络能够有效地应用于水质指标的预测和水质趋势的预警预报系统中.