组合ARMA与SVR模型的时间序列预测

经典的ARMA模型常用于平稳时间序列的预测,而对于自然界绝大部分的非平稳序列一般采用确定性时序分析和随机时序分析.确定性时序分析对随机性信息浪费严重,而随机时序分析经过差分平稳序列后又回归到ARMA模型.本文利用在充分ARMA模型拟合后的残差序列进行支持向量回归(SVR)拟合,进而对原序列进行组合预测,比起单一模型的拟合及预测,该组合有效地提高了预测精度.     

线性时间选择算法时间复杂度深入研究

算法研究是计算机科学的核心领域之一。文中针对元素选择问题及解此问题的线性时间选择算法进行了深入研究,详细分析并论证了期望情况下与最坏情况下线性时间选择算法的时间复杂度,并对拟中位数元素选择问题进行了深层次的拓展,通过计算比较求出了线性时间下的最小复杂度因子。以期有助于该算法在相关领域的应用。     

利用CPU时间戳实现局域网时间同步的新机制

当前在网络应用中,经常需要多台计算机协同工作,因而要有一个统一时钟。提出一种利用CPU内部高精度时间戳实现局域网时钟同步的新机制,并用VC++语言编写了服务端与客户端软件,且在Windows XP 和Windows 2000环境的小型局域网进行测试。结果表明,该算法同步精度较高,且系统运行稳定。     

典型炼油装置数据校正技术的研究

化工过程测虽数据作为反映装置运行状况的特征信息,是实现计算机过程控制、模拟、优化和生产管理的基本依据.研究过程数据校正技术,对实现装置优化控制与管理具有重要理论意义和现实意义.现有理论研究大都采用传统统计检验和线性化处理方法,在实际应用有较大局限性.本文在对已有数据校正技术分析的基础上,提出将修正的时间序列分析法用于测量数据校正.综合考虑数据的窄间冗余和时间冗余,充分利用过程的历史数据,建立了时间序列概率模型,并针对含随机误差数据和含过失误差数据两种情况,从时序法平均值、阶跃过程模型等方面详细探讨数据校正方法.将新的数据校正方法用于典型常减压蒸馏装置,结果表明,新方法能够侦破出数据中含有的过失误差;校正值与真值的平均偏差非常小,具有足够的精度保证数据的准确性;修正的时间序列分析法用于数据校正能克服传统方法的局限性.     

基于粗糙集的GMDH神经网络的时间序列预测

针对随机时间序列的强不确定性和非线性特征,结合粗糙集理论和成组数据处理的神经网络技术建立了基于粗集的GMDH神经网络预测模型.同时就自然界大多数的随机时间序列数据维数较大的问题,为提高约简效率,提出了基于快速求核和集合近似质量的约简算法,并进行了仿真验证.结果表明,基于粗集的GMDH神经网络预测模型合理可行,约简算法快速有效.     

气力输送技术及其智能时间控制系统在燃煤电厂的应用

随着国家对环境保护工作的重视和社会对电厂粉煤灰的综合利用,当前新建机组都采用了干式除灰,气力输灰技术作为一种高效经济的干式除灰方式,在燃煤电厂得到了越来越广泛的应用。在气力输灰的运行控制方式中,先后出现过时间控制方式、仓泵料位计控制方式、灰斗料位计控制方式、时间加料位控制方式等多种控制方案。在本文中,介绍气力输灰的运行原理及其全新的控制模式-ITC智能时间控制系统。     

网络磁盘阵列中基于任务排队的多用户请求动态调度策略

在存储系统中,底层I/O调度策略十分重要,它决定了整个存储系统的效率.一个良好的调度策略可以有效地提高系统的性能.结合网络磁盘阵列的工作特点,提出了一种基于任务排队的动态调度算法,其基本思想是充分利用多个网络用户的请求数据在网络磁盘阵列上的空间连续性,最大限度地减小磁头寻道延迟和旋转延迟,从而降低系统的响应时间.     

一种基于时间流特性的垃圾邮件过滤方法

垃圾邮件过滤具有处理规模巨大,数据无限递增、动态变化等流数据特征,传统的垃圾邮件过滤方法利用静态的文本特征提取方法,无法体现流数据特征随时间动态变化的特点。该文提出一种基于时间流特性来实时调整有效特征的垃圾邮件过滤方法,在TREC Spam Track语料集上的测试结果表明,该方法在保证垃圾邮件过滤高准确率的同时,使垃圾邮件过滤计算的时间性能和空间性能更加优化。
     

基于TSEOPM的在轨航天器故障预报方法研究

针对在轨航天器非线性系统的故障预报,提出一种基于时间序列事件征兆模式挖掘的在轨航天器故障预报方法,该方法以在轨航天器遥测数据建立状态监测时间序列,根据事件特征函数利用层次聚类算法挖掘出故障事件征兆模式,然后利用故障事件征兆模式对航天器的状态监测时间序列数据进行分析,判断是否为故障征兆点,从而实现故障预报;实验结果表明,该方法能有效地预测在轨航天器状态监测时间序列数据中的故障事件。     

注塑机注射速度的模型预测迭代学习控制

针对注射过程具有重复运行和非线性的特性,在对预测控制与迭代学习控制进行综合应用并加以改进的基础上,给出一种模型预测迭代学习复合控制新算法,研究了控制器的设计方案.同时,将迭代学习思想引入到预测步长的在线调整,提出了预测步长的迭代学习方法.仿真结果表明,该方法是有效的,其控制性能优于PID迭代学习控制系统.