一种关于模糊时间序列模型论域划分的多尺度比率算法

针对模糊时间序列研究中比率划分论域方法存在对非均匀数据划分效果不理想的缺陷, 提出一种基于模糊C 均值聚类(FCM) 算法的多尺度比率划分论域的方法. 首先利用FCM算法对样本数据进行分类; 然后计算各类数据的平均相对误差, 并基于各类的平均误差划分论域, 产生非等间隔的多尺度论域划分方法; 最后, 通过算例表明了多尺度比率论域划分方法的有效性.     

基于LabVIEW的虚拟精细化频谱分析仪

LabVIEW是虚拟仪器领域中最具代表性的图形化编程开发平台,利用该平台设计了信号产生与分析系统,并从信号发生器、时域及频域测量三方面展开阐述,其中包括波形产生,时域参数测量,频谱分析,信号ZoomFFT分析等。频域分析系统除了基本频谱分析外,具体阐述了细化频谱ZoomFFT算法的原理,使得该频谱系统能够更实时高效的处理分析频谱密集型信号。     

REVERSED RESIDUALS IN AUTOREGRESSIVE TIME SERIES ANALYSIS

Abstract. Both linear and non-linear time series can have directional features which can be used to enhance the modelling and investigation of linear or non-linear autoregressive statistical models. For this purpose, reversed p th-order residuals are introduced. Cross-correlations of residuals and squared reversed residuals allow extensions of current model identification ideas. Quadratic types of partial autocorrelation functions are introduced to assess dependence associated with non-linear models which nevertheless have linear autoregressive correlation structures. The use of these residuals and their cross-correlation functions is exemplified empirically on some deseasonalized river flow data for which a first-order autoregressive model is a satisfactory second-order fit. Parallel theoretical computations are undertaken for the non-linear first-order random coefficient autoregressive model and comparisons are made. While the data are shown to be strongly non-linear, their correlational signatures are found to be convincingly different from those of a first-order autoregressive model with random coefficients.     

网络数据传输的响应时间分析与估算

互联网技术的发展,很多应用系统都在通过计算机网络传输数据,但是数据传输网络的响应时间能否满足应用系统的要求?文章提出了一种基于实测数据进行统计概率分析、估算响应时间的方法,对网络数据传输系统的分析、网站建设与维护都是有实际意义的。     

基于时间Petri网的AADL模型

随着嵌入式系统设计日益复杂,对系统的描述也提出了越来越高的要求,特别是实时性能。因此如何描述实时性能逐渐受到重视。在嵌入式系统中,线程的时间属性影响着系统的实时性,因此在设计早期利用AADL描述线程,但是AADL只是一种半形式化的语言,不够精确,并可能产生二义性。因此,把AADL模型转化为时间Pe砸网,但是时间Petri网不能很好地表示AADL的时间属性。故在研究AADL模型的时间属性的基础上,针对时间Petri考虑区域值延时与固定延时,并把固定延时当作区域值时延的一种特殊情况。最后给出针对AADL模型转化为时间Petri网的相应规则。     

影响超声波热量表流量测量单元静态时间差因素的探讨

超声波热量表主要包含流量测量单元和温度测量单元两部分,其中流量测量单元主要由传感器管道、反射片保持架、换能器等零部件组成。流量测量单元的静态时间差很大程度决定了热量表整体性能。我们通过大量的标定实验来验证各个要素对测量单元静态时间差的影响。     

基于改进符号化度量方法的机场噪声异常检测

机场噪声中的异常情况拥有很大价值,利用它能够及时完善飞机和机场的设备。结合机场噪声数据的特点,对上述问题进行研究并提出一种基于改进的符号化聚集近似(Symbolic Aggregate Approximation,SAX)相似性度量的单监测点的时间序列异常检测方法。其运用相似性度量方法计算出度量结果,再运用k近邻异常检测方法进行异常发现,最后发现异常时间段。该方法在理论验证可行性之后在某机场的实测数据中进行应用,取得了良好的效果。     

多粒度时序特征在离网预测中的应用

电信运营商为了发现可能离网的客户,针对不同的场景研究开发了多种离网预测模型。目前的离网预测模型首先选择一种时间粒度抽取特征,之后使用机器学习算法对抽取的数据建模。这类方法只考虑了模型对分类性能的影响,没有充分考虑数据的作用。针对上述问题,提出一种使用多种时间粒度抽取特征的方法,并尝试在模型训练的不同阶段对不同粒度的特征进行融合。实验结果表明,使用多种粒度抽取特征训练出来的模型性能会明显优于使用单一粒度抽取特征的模型。     

基于引力搜索算法的分数阶变异时序回归GSA-TSGM(1,1)模型

为了利用分数阶累加算子在灰色短期预测中的高效性能,首次将分数阶累加算子引入变异时序回归模型以期取得更高的预测精度。主要方法如下：首先取湖北省链子崖某监测点1978—1987年的十年数据作为训练集并使用引力搜索算法确定最佳分数阶累加阶数,而1988—1993年的六年数据作为验证集验证提出的模型;其次对比了经典灰色模型GM(1,1)、分数阶累加灰色模型、变异时序回归模型TSGM(1,1)三种灰色模型。结果如下：首先修正了陈西江等人变异时序回归模型仿真时出现的错误,其次表明了相比于其他的模型,基于引力搜索算法的分数阶累加时序回归模型在进行灰色长期预测中具有较高的预测精度。因此,通过分数阶累加算子提高了灰色理论中长期预测模型的精度,为灰色长期预测提供了指导。     

Stochastically resilient extended Kalman filtering for discrete-time nonlinear systems with sensor failures

Missing sensor data is a common problem, which severely influences the overall performance of modern data-intensive control and computing applications. In order to address this important issue, a novel resilient extended Kalman filter is proposed for discrete-time nonlinear stochastic systems with sensor failures and random observer gain perturbations. The failure mechanisms of multiple sensors are assumed to be independent of each other with different failure rates. The locally unbiased robust minimum mean square filter is designed for state estimation under these conditions. The performance of the proposed estimation method is verified by means of numerical Monte Carlo simulation of two different nonlinear stochastic systems, involving a sinusoidal system and a Lorenz oscillator system.