基于因子分析与神经网络的区域物流需求预测

研究区域物流需求预测问题。影响区域物流需求影响因子较多,因子之间呈非线性关系,导致预测模型结果复杂,运行时间长,预测精度低。为提高区域物流需求预测精度,提出一种因子分析和BP神经网络相结合的区域物流需求预测方法(FA-BP)。首先通过因子分析对影响因子进行降维处理,然后将降维后的区域物流需求数据作为BP神经网络的输入进行训练建立预测模型,最后得到区域物流需求的预测结果。对某省1993-2007年区域物流需求预测进行实例分析,结果证明FA-BP模型提高了区域物流需求预测精度,网络的收敛速度加快,在区域物流需求预测方面有着广阔的应用前景。     

基于STK的靶标布设分析建模与仿真

由于靶标布设是航天测控的重要问题之一,覆盖分析为靶标布设提供重要的参考依据.为研究靶标布设的规律特点,提高测控质量,提出了利用STK进行仿真分析.针对某个工程中的靶标布设问题,采用卫星携带相机的侧摆情况和相机类型的情况,对卫星过境的覆盖品质进行了分析建模.并运用MATLAB与STK软件进行联合仿真,得出6种模式下的覆盖结果.仿真结果表明,无论是否侧摆还是相机类型不同的情况下,卫星过境时长均只与所处纬度有关,与经度无关,并且纬度越高,覆盖品质越好.     

基于免疫粒子群算法的多星观测调度研究

多星观测调度是一个复杂的组合优化问题,且为NP难题.目前常用解决方法是采用智能搜索算法在搜索空间寻找近似最优解.针对上述问题,首先探讨了国内外成像侦察卫星调度算法的研究现状,然后阐述了传统微粒子群优化算法与免疫粒子群优化算法的特点,并对带有多个时间窗口约束的多星观测问题建立了数学模型.在此基础上,提出一种用于解决多星观测调度问题的免疫粒子群算法.实验结果表明,免疫算法收敛速度快,可以很好地逼近精确解,并具有较强的搜索能力.     

基于SPH的泥石流可视化仿真研究

泥石流是常见的危害性较大的地质灾害,发生时相关影像往往缺失。为了分析再现流体现象,提出进行可视化再现灾害过程,具有较强的现实意义。对泥石流的形态与动力学规律进行分析,使用改进的基于SPH的粒子系统方法设计出泥石流可视化仿真的方案,可将泥石流中的流体与刚体都简化为SPH方法中的微团粒子,通过对微团粒子间在光滑半径内的相互作用来得到流体与刚体的位置,最终得到了较好的泥石流可视化仿真结果,从而证明了SPH改进算法对可视化仿真泥石流是有效的。     

基于动态纹理技术的实时森林绘制

研究实时绘制森林动态场景问题,由于森林形状复杂,实时性差,针对风力作用下的大规模森林动态场景,提出图像变形方法和动态纹理技术的森林绘制方法。使用二维图像变形技术实现树木图像在风力作用下的变形;通过将树木变形结果预计算为复合纹理,减少渲染时计算量;在实时渲染过程中,根据当前风力,选择最相近的纹理内容,通过使用动态纹理技术实时更新至Billboard;并结合顶点偏移法一起实现树木模型在风力作用下的动态运动;为加速绘制效率,利用图形硬件加速复合纹理的选择和Billboard的顶点计算。对于上万株规模的动态森林场景,通过改进方法可以实现实时绘制。     

冠心病智能诊断算法仿真研究

研究冠心病诊断问题,冠心病影响指标多,指标体系中存在大量的重复信息,传统方法无法消除重复信息,冠心病诊断准确率低,误诊率高.为了提高冠心病诊断准确率,提出一种智能的冠心病诊断算法.首先科学、准确地选择冠心病指标体系,然后采用主成分分析对指标体系进行筛选,消除重复信息,最后采用支持向量机对冠心病建立分类器,实现冠心病智能诊断.仿真结果表明,相对于其它传统冠心病诊断方法,智能诊断算法有效提高了冠心病诊断准确率,克服了传统诊断缺限,为冠心病临床诊断提供了依据.     

基于特征互补图像的人脸识别仿真研究

研究人脸识别精度问题。由于人脸图像中存在大量干扰信息的缺点,而造成了人脸识别正确率下降,为了解决上述问题,提出了一种基于特征互补图像快速特征融合算法。算法通过对人脸图像的位平面切片图像分析,采用位平面图像分解法,通过各种合成策略构造多幅样本图像。并突出高位平面图像,采用两种加权策略将每一幅人脸图像样本都生成"特征互补图像"。然后,直接用图像的二维典型相关分析(2DCCA)法对两种特征互补图像进行特征抽取。最后通过在ORL国际标准人脸库上进行的实验,结果表明,高位平面图像的典型相关鉴别特征提高了正确识别率,并且因为摒弃了原始人脸图像的大部分干扰信息所以具有更强的鲁棒性。     

基于分割提速法的并行股票预测研究与仿真

关于股票准确预测问题,针对股票预测中计算时间复杂度大,数据库操作速度慢等缺点,为提高数据挖掘的速度和效率,提出了一种分割提速法的并行股票预测模型。模型特点采用广播拓扑结构,使用多线程并行计算方法,将计算量平均分配给所有参与计算的计算机,同时又使用网络编程技术实时同步回收结果,从而有效地缩短了股票关联规则的计算时间。实验结果表明,上述方法有效地减少了算法时间复杂度,较大程度地提高了股票预测的效率,从而为股票投资者提供有力的帮助。     

基于全数字锁相环的步进电机控制系统

研究步进电机优化控制问题,步进电机控制系统存在着控制功能单一和控制精度不高的缺陷。针对上述问题,提出了一种用全数字锁相环的控制系统设计方案。锁相环能够在较大的频率范围内快速跟踪和锁定输入信号的频率和相位,应用脉冲分配控制器,可提高整个系统的同步性能,增强步进脉冲信号频率的稳定性。采用超高速集成电路硬件描述语言(VHDL)进行电路系统设计,利用计算机仿真技术对该系统进行了仿真验证,并给出了布局布线后时序仿真的结果。仿真结果表明,该系统具有控制灵活、响应速度快、稳定性能好等特点,改进的设计方案可实现对步进电机转速、转向和定位的一体化控制,能够显著提高系统的控制精度,并可应用于其它不同工作方式的步进电机控制系统设计。     

遗传优化的GNNM在瓦斯涌出量预测中的应用

研究矿井瓦斯涌出量准确预测一直是煤矿安全生产中重点关注的问题。煤层瓦斯爆炸因受开发环境、矿层深度、天气等因素的影响,造成与瓦斯涌出量增大而引起的。针对传统预测模型在矿井瓦斯涌出量预测中存在建模困难、收敛速度慢、要求历史数据量大的问题,提出了一种遗传优化的灰色神经网络预测模型。模型利用灰色系统对数据量要求低的特点,将灰色系统理论与神经网络有机结合起来,建立灰色神经网络模型。并采用遗传算法对所建立模型的权值和阈值进行优化。采用模型对矿井瓦斯涌出量进行预测,实验表明,遗传优化的灰色神经网络模型,可以简化系统建模,并能提高瓦斯涌出量预测精度,有一定的实用价值。