具有单拐点大变形梁的柔顺机构伪刚体模型

为了分析柔顺机构中具有单拐点的大变形梁,基于伪刚体模型原理,提出一种用于模拟具有单拐点大变形梁的柔顺机构4R伪刚体模型.以伪刚体模型拐点位置误差最小为目标函数,运用优化方法得到模型的最优特征半径系数,应用线性回归方法得出模型的刚度系数.数值计算结果说明:提出的模型能够很好地模拟具有单拐点的柔顺杆末端及拐点位置.     

基于集合卡尔曼滤波的潜水动态预测方法

将集合卡尔曼滤波(EnKF)方法拓展至补给条件下潜水流动的数据同化问题,通过同化水位、水力传导度和降雨补给等测量数据来更新模型状态、反演模型参数,探讨了在不同补给条件下测量数据对水力传导度和降雨入渗补给系数反演的影响,分析了不同类型测量数据在同化中的作用.结果表明:EnKF方法可以通过动态的测量数据改善对地下水模型参数的估计,方法在降雨补给量较大条件下可以取得更好的同化效果,说明在雨季等地下水运动变动剧烈时的测量数据价值更高,有长期水位动态测量数据时,可以通过水位观测值有效地反演出水力传导度和降雨入渗补给系数.     

雷达估算降雨的同化方法对比

雷达在定量测量降水在时间和空间上具有很大的优势,但在精度方面仍存在着很大的误差,如何利用雨量站的降雨信息与雷达信息进行降水数据的同化是提高雷达估算降雨精度的主要方向之一.分别利用平均校准法、卡尔曼滤波校准法、最优插值法、变分校准法和统计权重集成法对由分组Z-I关系估算的雷达降雨资料进行同化,并将同化后的雷达降雨与雨量站实测降雨进行了对比分析.分析结果表明,同化方法估测的面平均降水量与雨量计场比较吻合,估测精度比Z-I关系法有了明显的提高.统计权重集成法、最优插值法和变分校准法的同化效果总体较好,其次是卡尔曼滤波校准法,平均校准法效果较差.     

集合卡尔曼滤波同化估算地表水热通量的研究

采用了顺序同化方法,利用集合卡尔曼滤波(EnKF)耦合一个简单陆面过程模型,从而完成了改善地表水热通量估算精度的研究工作. 在建立同化系统的过程中,对同化系统的模型误差进行了探讨和设定,并通过已建立的同化系统对EnKF中的集合大小设定进行了试验. 利用山东禹城试验站提供的站点实测数据与MOD16产品数据,进行同化系统的驱动和通量结果的验证. 结果表明,以EnKF方法的数据同化系统能较好地完成对地表水热通量的估算,通过与MODIS ET(MOD16A2)产品的对比试验,证明该方法具有一定的稳定性和适用性,能较准确地对地表水热通量进行估算.     

基于IGOWMA算子的变权系数区间型组合预测模型

为了保持区间数内部的整体性及提高区间数的预测精度,提出了一种将改进相关系数和诱导广义有序加权多重平均(IGOWMA)算子相结合的区间型组合预测方法.该方法首先将区间数进行转化,以等价信息的中心和半径来表示区间数; 然后以预测精度为诱导因子,构建IGOWMA算子; 最后选取改进后的Pearson相关系数作为最优准则来建立多目标非线性规划模型,并通过引入偏好系数将模型转化为单目标规划模型.实例验证证明,该区间型组合预测模型不仅能够保证区间数内部的整体性,而且其预测结果显著优于文献中的3种单项预测方法和1种组合预测方法.对模型的参数进行灵敏度分析显示,参数λ的取值对模型的权系数、最优目标函数值以及误差指标有较明显的影响,偏好系数α则对模型的影响较小.上述结果表明,该组合预测方法能有效提高预测精度,可应用于区间数的模糊预测中.     

耐高温酵母菌高氨氮同化率菌株的筛选和发酵条件研究

通过比较测定酵母菌发酵上清液中残存的氨氮含量的方法,从假丝酵母(Candida)、酿酒酵母(Saccharomyces cerevisiae)、马克斯克鲁维酵母(Kluyveromyces marxianus)和东方伊萨酵母(Issatchenkia orientalis)4个属共56株耐高温酵母菌中筛选得到6株氨氮同化率为70%以上的酵母菌株,其中酿酒酵母1株,假丝酵母属5株;通过进一步复筛,获得1株氨氮同化率高达81.1%的产朊假丝酵母(C.utilis)SG607。不同属的酵母菌以及同种酵母菌不同菌株之间对氨氮的同化率均有明显差异。发酵实验结果表明,在培养基碳/氮比为15:1,发酵时间为24h时,产朊假丝酵母对氨氮的同化率最高。     

柔顺机构PR伪刚体模型

基于伪刚体模型的原理,综合考虑柔顺机构中柔性构件的横向变形和轴向变形的影响,提出了带移动副的伪刚体新模型.用移动副和转动副分别描述构件的轴向位移和横向位移,建立了柔顺机构的PR伪刚体模型.通过三维搜索得出了模型的最优特征半径系数,应用线性回归方法得到了模型的刚度系数.通过数值模拟将新的伪刚体模型与1R、2R伪刚体模型以及柔顺杆进行对比,证明了PR模型的优越性.     

一种基于时序可变加权系数的组合预测模型

为了提高预测精度,提出了时序可变加权系数的组合预测模型。以组合预测模型的误差平方和最小为优化准则,建立最优的非负可变加权系数的组合预测模型,计算不同时刻单项预测模型的最优加权系数。利用时间序列ARMA模型对可变加权系数进行预测,进而得到组合预测结果。算例表明,时序可变加权系数组合预测模型综合利用了各个单项预测模型的重要预测信息,其预测误差远小于各单个模型的预测误差,预测精度更高,模型实用性更强。     

大数据下最优教学方式选取模型设计

为了获取关联性较强、数据融合精度较高的最优教学模式,提出依据数据估计量变化的最优教学方式选取模型设计方法.对不同服务器大数据信息进行分段,利用前半段数据进行曲线拟合,后半段数据进行直线拟合.预测高噪声干扰数据,分析干扰数据点滤除前后统计量的变化,构建由数据源整合、数据拟合、滤除干扰三方面相结合的最优教学方式选取模型并进行相关性计算.利用调整系数进一步提高了模型精度.结果表明,所设计模型的表达能力较强,复杂度不高,可精准、快速地实现最优教学方式的选取.     

粗铜冶炼中铜锍品位的动态预测模式：AR（p）与指数平滑最优组合法

提出地一种对铜硫品位进行预测的新方法,即以采集的现场数据为基础,采用系统辨识动态地建立了ＡＲ（p）模型与三次指数平滑模型。ＡＲ（p）模型要求数据对象是平稳时间序列,而三次指数平滑模型的数据对象具有随机性,考虑到铜铳品位的波动性,将２种模型按最小二乘原理,以组合预测误差平方和为目标函数,通过使误差平方和极小化来确定２种预测方法的最优加权系数,建立了一种新的组合模型,其预测误差最小。结果表明,在当时数据     

基于近红外光谱技术的辛伐他汀片剂生产过程多参数的质量监控

利用近红外光谱（NIR）技术,并结合化学计量学方法,建立了辛伐他汀片剂制备过程水分含量、制片压力、片剂硬度、主药含量四参数的近红外定量分析模型。采用偏最小二乘法（PLS）建立校正模型,以相关系数（R）、校正均方差（RMSEC）、预测均方差（RMSEP）和内部交叉验证均方差（RMSECV）为模型性能评价参数。其中水分含量校正模型的RMSEC为0.682,R为0.99030,内部预测集的RMSEP为0.672,R为0.9906,模型的RMSECV为0.99050;制片压力校正模型的RMSEC为0.181,R为0.98540,内部预测集的RMSEP为0.165,R为0.9763,模型的RMSECV为0.46900;片剂硬度校正模型的RMSEC为0.158,R为0.99130,内部预测集的RMSEP为0.176,R为0.9894,模型的RMSECV为0.34000;主药含量校正模型的RMSEC为0.322,R为0.98878,内部预测集的RMSEP为0.473,R为0.9802,模型的RMSECV为0.55100。结果表明,所建模型具有良好的预测能力,能有效地应用于辛伐他汀固体制剂生产过程中上述各参数的监控。所建方法,对药物固体制剂生产过程的质量监测与控制具有指导意义。     

基于贝叶斯融合的土壤含水量估计

提出了一种基于贝叶斯融合的土壤含水量估计方法。该方法首先利用散射计与辐射计协同试验数据分别测量后向散射系数和亮温,并利用主被动模型提取农作物下垫面土壤含水量;然后利用贝叶斯融合算法将主被动反演结果进行融合,在农作物完整生长期,融合后土壤含水量与真实值相比,平均平方误差（MSE）小于3.56、平均绝对差值（MAD）小于1.36、平均相对误差（MRE）小于13.92%,同时分级贝叶斯与经典贝叶斯同真实土壤含水量的决定系数为0.77和0.60,证明基于贝叶斯理论的融合算法能够在整个生长期土壤含水量估计优于单一传感器。     

BP神经网络在ATR．FTIR技术微量农药溶液检测中的应用

利用衰减全反射傅里叶变换红外光谱（ATR-FTIR）技术分别对毒死蜱、炔螨特的微量溶液进行了检测,采用差谱、基线校正和矢量归一化对谱图进行预处理,利用BP神经网络分别使用自适应调整学习率并附加动量因子的梯度下降反向传播算法训练函数和SCG反向传播算法训练函数建立了毒死蜱和炔螨特农药溶液的定量分析模型,并对校正集和预测集进行了定量分析．毒死蜱溶液模型的分析结果为：R=0．9986,RMSEC=0．1000．RMSEP=0．2201;炔螨特溶液模型的分析结果为：R=0．9974,RMSEC=0．3918,RMSEP=0．6241．结果表明,BP神经网络结合ATR-FT．IR技术检测微量农药溶液含量具有快速、精度高、泛化能力强的优点,可用于农药溶液含量的快速、准确鉴定．     

基于半定松弛优化估计的无线传感网络定位

针对复杂环境下的无线传感节点位置定位精度的问题,提出一种基于无迹卡尔曼滤波的半定松弛优化估计（SC-SDP）算法,以实现无线传感器网络中节点位置的准确估计。文章基于半定松弛优化估计定位技术,建立系统模型并将其作为一个优化问题,通过寻找初始非凸目标函数的更低下界来重新阐述优化问题,将非线性和非凸问题分别松弛优化,得到次优化解;采用无迹卡尔曼算法过滤其噪声,获得一个可更准确地捕捉真实均值和协方差的滤波器,并且利用无轨迹转换使高斯输入信号精确到三阶,非高斯输入信号精确到二阶。大量的实验结果分析表明:SC-SDP算法在无线传感器网络的定位误差（RMSE）要优于GM-SDP算法、WLS算法以及CRLB算法的定位误差,提高了无线传感器网络的定位精度;半定松弛化算法的抗干扰性得到改善。     

栀子提取和纯化过程的近红外光谱快速检测方法

采用近红外光谱分析技术(NIR)以栀子渗漉提取和大孔树脂纯化过程为研究对象,分别研究并建立了过程中栀子苷含量的检测模型,可实现对中药栀子提取和纯化过程栀子苷含量的快速分析.运用偏最小二乘法(PLS)建立模型,提取过程校正模型相关系数R为0.997 47,校正均方差(RMSEC)和验证均方差(RMSEP)分别为0.588和0.536;纯化过程校正模型相关系数R为0.99640,校正均方差(RMSEC)和验证均方差(RMSEP)分别为0.308和0.298.本方法可用于中药栀子的提取、纯化过程有效成分含量的快速检测.     

基于正则化约束总体最小二乘的TDOA/FDOA无源定位方法

目前在基于到达时间差(TDOA)和到达频率差(FDOA)的多站无源定位模型中,噪声的干扰、接收站和目标位置的不合理分布以及接收站的个数均会对定位模型中的系数矩阵造成影响,因此在实际的求解过程中系数矩阵可能会出现病态的问题,这在很大程度上会对定位结果产生影响.为了进一步在系数矩阵出现病态的情况下确保定位精度,提出了一种基...     

基于GA-LSSVM深基坑墙体侧斜滚动预测模型研究

针对基坑墙体侧斜数据的小样本和非线性特征,提出一种基于GA-LSSVM模型的基坑墙体侧斜的时间序列滚动预测方法。采用三次样条插值法对基坑墙体侧斜的时间序列进行预处理,运用遗传算法(GA)对最小二乘支持向量机(LSSVM)进行参数寻优,寻找最优参数模型,建立GA-LSSVM时间序列滚动预测模型,预测结果采用相关系数R和均方误差(Mean Squared Error,MSE)进行评价。该方法用于广州某地铁车站基坑墙体侧斜的预测分析,并和未经参数优化的最小二乘支持向量机预测模型进行对比分析,结果表明该预测模型的相关系数高,均方误差小,预测结果较为精准。     

多站雷达功率分配自修正凸松弛算法

为了在发射功率有限的情况下提高雷达性能,提出了一种用于多站分布式雷达对目标定位时采用的功率分配算法．首先给出了多站雷达对目标定位时误差的克拉美罗下界,并将其作为代价函数进行功率优化分配;其次,将目前流行的凸松弛算法加以改进,通过对凸松弛参数的自修正减少凸松弛算法引入的额外误差,并逼近最优结果,充分利用了有限的多站雷达系统发射资源;最后,仿真结果验证了所提算法的有效性．     

一种支持向量机参数选择的改进分布估计算法

支持向量机(support vector machine,SVM)的学习性能和泛化能力在很大程度上取决于参数的合理设置. 将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distributionalgorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度. 由于改进EDA利用混沌运动的随机性和遍历性等特点在解空间内进行优化搜索,能够较好解决传统EDA易于陷入局部极小的缺陷. Chebyshev混沌时间序列预测仿真结果表明:改进EDA是选取SVM参数的有效方法.     

基于长短时记忆网络的航线市场份额预测

当前主流航线市场的份额预测方法是服务质量指数（QSI）模型,但此方法需要模型线性化和大量人工经验. 提出基于长短时记忆网络的航线市场份额预测模型,利用该模型对航班市场份额进行预测,并通过在简化数据集上进行试验来验证模型的有效性. 以均方根误差为评价指标,对模型的参数进行优化,分别测试运力预测,QSI模型和提出的预测模型等3种方法的预测精度. 试验结果表明提出的模型能更好地预测航线市场份额,均方根误差在0.1左右.