建立河流水质模型的新途径

本文在阐述GMDH算法及改进算法的基础上,提出用GMDH法建立河流水质模型,并提供了具体的方法,试图解决因机理不清而建模的问题,有效地利用常规水质监测资料。     

模糊规则归纳法及GDP主要影响因素分析

使用一种新的自组织数据挖掘方法——模糊规则归纳法,根据GMDH技术,自动地从数据中提取模糊规则,形成更自然语言描述的模糊模型。阐述了模糊规则归纳法的算法原理及建模步骤,并给出了四川经济发展的建模研究实例,分析出影响GDP增长的主要因素,展示了模糊规则归纳法的突出特点。文中还对模糊规则归纳法和GMDH方法进行了比较,说明模糊规则归纳法进行因素分析的优越性。     

离散非线性系统最优控制迭代算法的二维分析

针对具有终端约束的离散非线性最优控制问题，运用二维系统理论对动态系统优化和参数估计集成算法作了分析．从一个新的角度论证了该算法的最优性及收敛性，并给出了该算法一个易于验证的局部收敛的充要条件和全局收敛的一个充分条件．     

通用多概念学习算法的实现与分析

为满足大规模知识库系统建设对于高性能学习算法的需要，本文实现了一个面向通用问题的多概念学习算法，分析了算法的可学习性和复杂性，并通过实验验证了该算法的优点．     

隔震结构动力时程响应工程算法的精度对比

基于隔震系统对非比例阻尼动力响应的解偶效应，提出了可以计算任意多自由度体系时域动力响应的工程实用算法．引入一个实际隔震工程作为算例，在输入两种不同的地震波时，用本文算法计算地震响应，并与复振型分解法、双精度Fortran下的Wilson-θ法及Matlab下的Simulink这三种方法的位移、速度和加速度时程曲线进行了对比，并分析了峰值响应误差．结果表明，本文算法与其它几种算法的时程曲线完全重合，当隔震阻尼比取值为设计阻尼水准时，具有良好的精度．     

基于混合智能算法的自动组卷问题研究

针对随机选取法和回溯试探法组卷方式的不足和缺点，提出一种新的具有通用性的自动组卷算法．算法的核心是将组卷系统应用矩阵理论方法建立多目标优化的数学模型，采用权重系数法将多目标转化成单目标。解决了多个目标相互冲突的问题，并对这个数学模型的各个约束条件进行了详细的讨论．将遗传算法引入模拟退火算法中，设计了求解组卷系统问题的混合算法．     

一种基于伪频偏的载波恢复算法

推导并分析了频偏、相偏对通信系统的影响，提出了一种新的基于伪频偏概念的载波恢复算法．该算法首先估计大频偏范围内可能的几个频偏值，然后去除其中的伪频偏，最终得到真实的频偏值．以达到纠正大频偏的目的．该算法同时还利用一种快速相偏估计方法对相偏进行了估计和校正．仿真表明载波恢复算法运算量小，能够实现快速恢复载波．     

求解动态路径诱导K路最短问题的人工免疫优化方法

针对智能交通诱导系统中传统最短K路算法的运行效果不佳，提出一种新型人工免疫优化搜索算法，并将其应用于扩展节点法建立的城市交通路网模型，实现了城市交通诱导系统的最优K路搜索．该算法基于生物免疫系统的免疫记忆功能，具有全局性并行搜索的特点．在K路最短问题求解时能同时给出K条最短路径，不存在遗传算法的早熟现象并具有更好的并行处理能力．示例仿真验证了算法的有效性与实用性．     

视频监控系统中基于MPEG-I数据流的丢帧机制

讨论了一种在视频监控系统中基于MPEG—I数据流的丢帧机制，提出和实现了帧丢弃算法，并给出了算法流程图．对各种丢帧策略的实验结果表明，丢帧机制取得了良好的效果，满足了不同用户的OoS．     

电子对抗计算机仿真系统研究--关于目标台测向定位的设计与实现

F系统是从国外引进的军队指挥自动化系统的通信对抗系统．为了将原系统在定位计算方法的不足之处加以改进，采用了多站测向定位最佳化算法对该系统的最佳估计点的计算方法进行了重新设计，并应用MATLAB语言加以实现．通过与实测数据的比较，新算法的误差远小于原算法的误差．     

GMDH物价指数预测模型研究及实证

利用物价指数的月均值与年均值数据同时建模的数据处理群组方法的两水平算法,扩大了月均值数据的可预测范围,引入以三角函数求和形式的调和自组织的数据处理群组方法解决月均值物价指数的波动影响,提高了月均值数据预测的准确性。实证分析表明,数据处理群组方法的调和两水平方法预测月均值物价指数是有效的。     

变形预测的一种新方法

采用一种新的变形预测方法,即将GMDH神经网络预测方法运用到变形预测中进行短期以及长期预测,并且将预测得到的结果与采用BP神经网络预测得到的结果进行比较.结果表明,GMDH神经网络是一种比较好的预测方法,在变形预测中具有一定的实用性.     

GMDH方法在电力负荷预测中的应用研究

本文在介绍数据处理组合方法GMDH基本原理的基础上,将其用于电力负荷时间序列数据预测,并通过某地区电力负荷预测实例,对电力负荷值进行了计算分析,结果表明该方法可得到满意的预测结果。     

Bridging GPS outages of tightly-coupled GPS/SINS using GMDH neural network

A tightly-coupled GPS(global positioning system)/SINS(strap-down inertial navigation system)based on a GMDH(group method of data handling)neural network was presented to solve the problem of degraded accuracy for less than four visible GPS satellites with poor signal quality.Positions and velocities of the satellites were predicted by a GMDH neural network,and the pseudo-ranges and pseudo-range rates received by the GPS receiver were simulated to ensure the regular operation of the GPS/SINS Kalman filter during outages.In the mathematical simulation a tightly-coupled navigation system with a proposed approach has better navigation accuracy during GPS outages,and the anti-jamming ability is strengthened for the tightly-coupled navigation system.     

基于GMDH的中长期电力负荷组合预测模型

组合负荷预测模型能够充分利用数据信息,有效降低预测风险、改善预测效果,在中长期负荷预测中获得了广泛应用。而目前的组合预测模型实质大都为单一预测模型的加权平均,没有能够充分发挥综合预测的优势.应用数据分组处理方法（GMDH）进行组合预测,在充分考虑各单一模型特点和预测效果的基础上,形成多元非线性组合预测模型,自动从数据中挖掘出重要信息,克服了传统组合预测模型建模中的主观因素影响,可以改善预测精度。并将该预测模型应用于实际电网,计算结果表明该模型有效提高了预测精度,适用于中长期负荷预测.     

基于自组织法求解的Volterra滤波器应用于洪水预报

采用自相关函数法选取时间延迟、伪邻近点法选取嵌入维数,并通过相空间重构,计算得到正的最大Lya-punov指数,证明了洪水序列具有混沌特性.并将m阶截断求和的Volterra级数滤波器作为洪水序列的全局预测函数.鉴于Volterra级数滤波器系数的个数随阶数按幂次快速增加,而导致在应用上难以实现的特点,引入自组织法(GMDH),通过逐层建立模型,最终解得Volterra级数滤波器的理想表达式.应用实例表明,基于GMDH求解的Volterra级数滤波器不仅增强了计算效率,而且可以得到足够的计算准确度.     

自组织原理在橡胶配方设计中的应用

自组织法又称数据组合处理方法（ＧＭＤＨ），是７０年代发展起来的一种启发式自组织建模方法。本工作将其引入橡胶配方设计中，提出一种配方过程非线性建模方法，初步结果令人满意。     

支持向量机改进序列最小优化学习算法

为提高支持向量机序列最小优化学习算法的学习性能,提出了一种支持向量机改进序列最小优化学习算法,对传统SMO学习方法进行了多方面改进,从优化变量的选择和2个变量的优化方法分别提出具体可行的改进方法．改进后的SMO学习算法提高了学习速度,加快了网络收敛速度．基于改进SMO算法的仿真结果验证了改进SMO算法的有效性和优越性,并通过仿真,与原始算法进行了比较,显示了改进SMO算法的快速性．