舰舶航态极短期预报的非线性方法

针对舰船航态的非线性特征，提出了采用非线性自回归模型描述舰船海上航行极短期运行过程的新方法。利用正交化的手段得到了辅助模型，进而对辅助模型的辨识推广出舰船航 超前多步预报器。仿真结果表明本文提出的预报方法比线性自回归模型描述的预报圾效，能提高预报精度，加长预报时间。     

船舶运动姿态极短期预报研究

舰载机着舰是对海上飞行要求极高的作业,对舰船未来时刻的运动姿态进行预报,可以避免舰载机同飞行甲板的剧烈碰撞,保证舰载机在有风浪的海上安全起降。本文根据船舶运动特点,分析了船舶在海上航行时的运动过程。利用船舶运动的测量数据和艏前波值运用时间序列分析方法建立了船舶运动的数学模型并给出运动姿态的预报值。通过本方法的研究可以得到满意的船舶运动预报值。     

用于短期负荷在线预报的AR模型建立与实例分析

本文基于在线辨识理论,用AR模型作为即时模型,通过最小二乘法的参数识别、Stoica方法对模型适用性检验和方差最小选优等措施使模型完善化。在预报过程中不断采用新的数据信息修正模型并将新信启、数据纳入模型进行预报,以每15分钟为间隔的短期负荷进行了模拟预报,其相对于均误差在1.2％左右,单点负荷预报值相对误差小于3％的精度概率为95％。     

一类洪水预报的非线性时序模型——指数自回归模型

作为雨洪系统的输出——洪水时间序列，它包含了系统中各种变量的过去信息，同时蕴含着大量关于系统演变的规律和趋势，这样的时间序列往往是不可逆的，非性线相依的偏态序列，并且存在着广泛的频幅相依特性。在进行洪水预报时，传统法多采用线性化技术，但预报精度并不理想，因此要提高预报精度，有必要考虑洪水的非线性特性。基于此，本文用指数自回归模型进行洪水预报研究，实例分析表明该模型可提高洪水预报精度。本文的尝试工作为洪水预报提供了一种可行的模型。     

多维混合回归系统水文预报模型及其应用

多维混合回归系统模型是将回归与自回归结合起来的综合模型。根据济渭河流域水特性建立朗梨水站洪峰水位多维混合回归系统预报模型,经检验评定,效果良好。     

一类非线性系统的新型预报器

针对一类时变结构的非线性系统,提出一种结构适应式自校正预报器,当系统结构发生变化时,该预报器能自动地利用增维、减维算法,改变自身的结构,实时估计参数。用结构适应式自校正预报器,对一段时期内全国石油产量按季预报和某油田产量按年预报,平均相对预报误差分别为１．８６％和２．１２％,比普通的自校正调节器精度有较大提高。     

函数的极态变换及其应用

给出了函数的极态概念,讨论了极态变换的公式和应用.     

滑坡预测预报非线性动力学方法

对滑坡预测预报方法的进展进行了系统分析 ,特别是对非线性理论的特点及其在滑坡预测中的作用和意义进行了阐述 .并且 ,基于对地质体复杂性的认识 ,强调了人类专家经验知识的重要性 ,指出定性、定量综合集成的方法 ,如专家系统预测方法等是特别值得关注的 ,并提出了新的研究思路与发展方向     

边坡变形预测的混沌时间序列全局近似方法

边坡系统的各种参量是不确定的和随机的,在其演化过程中发生一系列的混沌现象.运用现代混沌理论,对边坡变形的预测问题进行探索性研究,把混沌时间序列全局近似方法引入到边坡工程研究中,对该理论的建立及预测方法进行系统地讨论.通过对新滩滑坡的研究结果表明,混沌时间序列方法对混沌序列的预测较线性时间序列具有较高的精度.     

基于模型预测的神经网络非线性时滞系统的辨识和控制

大纯时延、媒种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因.本文提出了非线性延迟系统的延迟时间参数的神经网络辨识方法,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间.将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合,可以用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制.仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快,鲁棒性能好等优点.     

估计非线性时间序列嵌入延迟时间和延迟时间窗的 C-C平均方法

重构相空间是非线性分析的基础,利用关联积分导出的C-C方法是估计相空间重构参数延迟时间τd和延迟时间窗τw的有效方法。由于混沌系统的初值敏感性和实际序列长度有限并带噪,使得C-C方法估计出的τd和τw具有波动性。为了降低估值偏差,借鉴谱估计中平均法的思想,提出一种不同于已有文献利用整段序列估算τd和τw,而采用对序列分段估值后取平均的方法,并重点讨论了带噪序列的τd和τw估值及序列长度对估值的影响。数值仿真证明这种平均处理方法对τd和τw的估值具有较好的有效性和可靠性。     

巷道围岩非线性时空演变神经元网络预报模型

在提出信息扩散思想的基础上，运用神经元网络研究了煤体－煤体巷道和煤体－煤柱巷道的ｕ０，ｖ０和ｕ１与巷道围岩对每类聚类中心的隶属度、支护强度影响系数、断面影响系数及煤柱宽度的关系，建立了巷道围岩非线性时空演变神经元网络预报模型．并用巷道围岩移近量实测值对所建立的模型进行了检验，取得了满意的结果．     

非线性组合模型在库岸边坡地下水位预测中的应用

根据某库岸边坡地下水位的监测资料,建立了地下水位预测的时间序列法和速率分析法,在此基础上构建了非线性组合预测模型。各模型的预测结果分析表明：非线性组合模型的精度高于单一预测模型,是一种较好的库岸坡体地下水位预测方法,非线性组合预测模型的应用,为库岸边坡稳定性的长期预测提供创造了条件。     

基于SVM的复杂非线性黑箱系统在线辨识方法

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,是一种新的具有很好泛化性能的回归方法,本文分析了采用神经网络方法进行非线性系统建模存在的缺点,并将SVM应用于复杂非线性黑箱系统模型的在线辨识当中,理论分析和实验证明,该方法学习速度快,跟踪性能好,泛化能力强,对样本的依赖程度低,比神经网络非线性系统建模具有更好的预测精度.     

RC框架-剪力墙结构的弹塑性时程分析

目的为简化计算过程，提出钢筋混凝土框架-剪力墙结构的宏观力学模型，考虑剪力墙边柱对扭转的贡献，对框-剪结构进行非线性分析．方法在这一宏观模型中，对钢筋混凝土框架-剪力墙整体结构采用杆系一层模型，混凝土柱和剪力墙采用简化的宏观有限元模型。对钢筋混凝土中的钢筋和混凝土采用不同的恢复力模型进行模拟，结构的反应通过时程分析法获得，并与偏心结构的振动台试验结果进行对比．结果当结构的多数构件的破坏并不十分严重时。整个结构表现出很好的弹性性质，当结构多数构件已经产生一定程度的破坏，且个别构件破坏严重时，整个结构的非线性性质表现明显．计算的钢筋混凝土框剪结构的弹塑性地震反应与试验值符合较好．结论证明了笔者方法是简单而有效的．且结构的偏心将使结构产生扭转，这将使结构的角柱的负担加重，因此。在结构的非线性分析中应充分考虑偏心结构在地震动作用下的扭转效应．     

梁大挠度强迫振动响应的灵敏度分析的新方法

给出了梁大挠度强迫振动响应灵敏度分析的新方法，讨论了灵敏度分析方程中的长期项处理方法，使响应灵敏度得到一个合理的结果。     

基于时间序列的蜂窝网络能量优化方法

针对移动终端在蜂窝网络中的能耗过高问题,提出了一种基于时间序列的能量优化算法--平衡优化算法（BOA）.该算法对移动终端在蜂窝网络中传输的数据块建立自回归滑动平均模型,通过预测下一个数据块的到达时间来动态调整尾巴时间,达到降低能耗的目的.实验结果及分析表明,BOA能达到93.86%的模型匹配率;相比于原标准下的Fixed-tail算法,能达到42.25%的能量优化效果,且用户使用移动终端时间越长,能量优化效果越好.     

非线性约束最优化在广义投影下强次可行方向法的统一模型

对非线性不等式约束最优化问题进行了讨论，借助广义投影建立求解问题的一个含系列自由参数的统一算法模型，该算法模型能以任意点为初始迭代点，并且迭代点列所满足的约束函数的个数单调不减，不断累加；进一步地，一旦迭代点进入可行域，模型就能保持在可行域内迭代，成为可行下降类算法，称具有这种性质的算法为强次可行方向法．在适当的条件下证明了算法模型的全局收敛性，文中模型同时提供了一种求解非线性不等式组的叠累型方法。