大气环境质量物元可拓的权值分析和实例验证

为了探索建立生态环境质量评价的方法,尝试运用物元可拓的方法来建立生态环境质量评价模型,通过构造物元矩阵,运用两种方法计算权值,再根据计算出的关联度值大小对大气环境质量进行可拓识别。通过用该方法对城市大气环境质量评价实例分析表明,不同的权值计算法计算出的结果对最终的物元可拓识别的影响很大,但证明了在大气环境质量评价中合理的应用物元可拓的方法是切实可行的。     

业务持续时间的带宽可变节能调度算法

在绿色光网络中,业务传输时隙分配策略和路由选择算法很大程度上决定了光网络的传输能耗大小.针对业务持续时间的传输能耗问题,提出了一种基于灵活时间带宽预留型业务带宽可变节能调度算法.通过构造业务的调度权值矩阵,计算不同备选传输路径在不同时隙内被各个业务选择的次数,并基于贪婪算法为业务选择最小能耗的传输时隙和路径;同时,为充分利用已建光路的可用带宽,还设计了一种带宽调整策略,能根据不同时隙内光路的可用带宽调整业务的传输带宽,最小化网络中光路的数目.仿真结果表明,提出的带宽可变节能调度算法可有效地降低网络的传输能耗和业务阻塞率,提升网络的性能.     

动态加权模糊聚类在变压器故障诊断中的应用研究

摘要： 为提高变压器故障诊断准确率,提出了一种基于遗传算法的动态加权模糊C均值聚类算法。该算法使用把聚类中心作为染色体的浮点数的编码方式,染色体长度可变,不同的长度对应于不同的故障聚类数;并使用权值区别不同样本点对故障划分的影响程度。将该算法应用于电力变压器油中溶解气体分析（DGA）数据分析,实现了变压器的故障诊断。经过大量实例分析,并将结果与其他算法进行对比,表明该算法具有较高的诊断精度。     

误差修正的声源目标混合定位算法

针对定位系统因非视距传播、多路径效应等因素所导致定位精度降低的问题,提出了一种基于到达时差的误差修正声源目标混合定位算法。首先,该算法在传统加权最小二乘法中引入动态权值修正技术获得泰勒级数迭代法初值,减少了迭代次数;其次,提出了后项时延选择算法,并结合标准残差函数剔除了误差较大的时差对定位性能的影响,选择最优的时差组合方式进行目标位置解算;最后,通过标准残差加权的方式修正混合定位算法误差,得到声源目标位置。 实验结果显示,新提出的误差修正混合定位算法性能优于参考算法,且对非视距误差具有显著的抑制作用,有效地提高了定位精度。     

采空区群的亚稳定“短板”单元甄别

尝试性的提出模态分析甄别方法,甄别金属矿采空区群的亚稳定"短板"单元。通过构建单元损伤与空区群结构模态参数之间的关系式,研究各单元的影响权值,评价空区各单元对群落整体稳定的影响。利用数值方法计算的应力、位移变化值,校验甄别结果。空区单元要素的分析结果表明,体积小、规整的空区影响权值小;体积大、围岩约束少的空区影响权值大,是系统亚稳定"短板"单元。间(顶)柱单元要素的分析结果表明,随着深度的增加,间柱对采空区群整体稳定性的影响逐渐增大,顶柱的影响则逐渐减小;浅部开采时,亚稳定"短板"单元多为顶柱,深部开采时,亚稳定"短板"单元多为间柱。该方法为甄别采空区群亚稳定"短板"单元提供了一条新的思路。     

多元切比雪夫神经网络及其快速权值确定算法

与传统的多层感知器模型相比,切比雪夫神经网络具有收敛速度快,复杂度低,泛化能力强等优点,但是,其研究最为广泛的一元切比雪夫神经网络在解决实际应用中的多元问题时存在着很大局限。鉴于此,对一元切比雪夫神经网络进行扩展,提出了多元切比雪夫神经网络模型,并在切比雪夫多项式正交性的基础上给出了快速权值确定算法。仿真实验证明,相对于传统多层感知器神经网络,该方法在计算精度和计算速度等方面都存在明显优势。     

基于迭代学习的BP神经网络权值训练算法

针对传统BP算法存在收敛速度过慢、易陷入局部极小的问题,提出基于迭代学习的BP神经网络权 值修正算法。该算法将迭代学习的原理与神经网络相结合,同时采用本次训练误差和前一次的训练误差修正神经 网络权值,提高了网络训练速度。仿真结果验证了该算法的有效性。     

基于自适应策略的权值修正累积历元RAIM算法

传统的接收机自主完好性监测(RAIM)算法对微小慢变故障的检测延迟较长,漏检率较高,不利于故障检测。针对这一问题,在奇偶矢量RAIM算法基础上,提出了一种基于自适应策略的权值修正累积历元的RAIM新方法。该算法根据单历元故障程度确定权值因子,进而调整选定“窗口”内各历元所占比例,以构造更有效的检测统计量,其中“窗口”的大小依据多次仿真实验确定。仿真结果表明,该算法相对于累积历元和传统RAIM方法检测延迟时间分别缩短了16.67%和56.52%,能更好地检测微小慢变故障。     

克里金估值中条带效应的校正

矿业和石油勘探行业中的待分析数据多呈条带状分布,采用克里金插值易出现两个端点数据权值偏大的情况,即"条带(String)效应"。本文在传统克里金方法的基础上,根据目标变量与条件数据之间的距离对权值进行校正,使离侍估点越近的数据点的权值越大,越远的数据点的权值越小。这种采用距离约束的克里金方法(DCSK)校正了简单克里金算法中的条带效应,利用FORTRAN编程语言实现了该方法并进行了实例验证。试验结果证实DCSK方法不仅消除了传统克里金方法引起的条带效应,而且其估计方差基本不变或略有增加,从而使得估计结果更接近实际情况。     

MANET中基于连通支配集的组合权值簇生成算法

对移动Ad Hoc网络(MANET)中的分簇机制进行了研究,提出一种基于连通支配集的组合权值簇生成算法(WCACDS),包括分簇算法和簇结构维护策略。通过节点的移动性、最小平均发射功率、能量消耗速度三方面的组合权值来量化节点的综合性能,利用改进后的求解连通支配集算法对节点分簇,以使性能较强的节点担任簇头,并且减少分簇数量。仿真实验结果表明,所提算法有助于提高网络负载均衡能力,增强网络的健壮性及稳定性。