地震数据约束下的贝叶斯随机反演

由于地震数据的带限性质,传统确定性反演方法不可避免地存在分辨率低的缺陷。本文从贝叶斯理论出发,结合地质统计学提出了地震数据约束下的随机反演方法。该方法以测井资料作为条件数据,以地震数据作为约束,进而通过贝叶斯理论将地震资料、测井资料和地质统计学信息融合为地层模型参数的后验概率分布,利用马尔科夫链扰动模拟方法实现对后验概率的分布采样,并通过多个采样结果的综合分析研究后验概率分布的性质,进而精细刻画储层分布。模型测试及实际资料处理结果表明,相对于常规确定性地震反演方法,随机反演方法提高了反演精度,实现了储层的精细描述。     

多源数据挖掘的大学生心理危机预测研究

结合大学生心理数据的多源化特征,以提升大学生心理危机预测效果,提出多源数据挖掘的大学生心理危机预测方法。采用组合赋权方法得到多源大学生心理数据权重,并根据权重进行多源数据融合,将融合后的多源大学生心理数据作隐马尔科夫模型输入,经过训练与优化后,构建大学生心理危机预测模型。实验结果表明：该方法多源数据挖掘能力较强,大学生心理危机预测精度较高,平均响应时间较短。     

考虑复杂出行链基于双链马尔科夫的电动汽车负荷建模方法

为解决电动汽车（electric vehicle,EV）负荷建模困难且精度低的问题,提出了考虑复杂出行链基于双链马尔科夫的电动汽车负荷建模方法。首先,对5种状态下EV的荷电状态进行划分;其次,对出行时间、停驻时长等与EV出行相关的内部因素以及道路拥堵、天气状况、空调启停等外部因素进行分析,并据此构建考虑内外部因素的EV复杂出行链模型;最后,在确定主链和辅链的状态转移概率矩阵基础上,推导双链马尔科夫的一步转移概率矩阵,建立不同状态下考虑复杂出行链的EV负荷模型。对所提EV负荷模型进行仿真验证,并与典型日EV负荷数据及其他建模方法进行对比,结果表明,所提负荷模型的精度更高,能够更加准确地描述EV充放电负荷。     

基于增益的隐马尔科夫模型的文本组块分析

本文提出一种基于增益的隐马尔科夫模型(Transductive HMM)的方法,用于文本组块(Text Chunking)分析的研究。该方法将一些上下文信息导入隐马尔科夫模型(HMM),构造增益的隐马尔科夫模型(Transductive HMM)。该模型不需要修改标准的隐马尔科夫模型的训练和标注过程,只需要对训练语料根据导入的上下文信息进行相应的转换。实验结果显示,该方法在文本组块分析方面是有效的。     

入侵检测系统系统性能参数的仿真法分析

随着网络的发展和对网络安全的逐步重视,入侵检测系统的研究越来越受到关注。对于入侵检测系统的框架模型、采用的匹配策略和不同检测系统之间的协作模式等,都已经做了许多工作,并已经形成了相对统一的标准。但是,对入侵检测系统在实际操作中应该如何达到配置最优缺少相应的研究。该文运用非马尔科夫模型进行仿真模拟,指出影响入侵检测系统性能的几个关键参数,给出特定流量模式下达到最优性能的配置方法。采用与实际情况更为贴近的仿真模型,考虑更多的参数是今后研究发展方向。     

灰色马尔科夫模型在建筑事故预测中的应用

事故预防是建筑施工中重要的工作之一,事故发展趋势的预测对监管部门具有重要意义.采用理论模型对事故发展趋势进行预测,是管理和监管工作的重要内容.在灰色马尔科夫模型的基础上,对比了灰色预测模型和灰色马尔科夫模型,后者的预测精度更高,以河北省建筑事故为实例进行验算,该模型预测结果与真实值较为接近,可有效用于建筑事故的预防和监...     

灰色马尔科夫的工件尺寸非接触测量补偿预测

为了解决非接触式的工件尺寸测量误差预测问题,提出了基于灰色马尔科夫理论体系的预测模型,对三维重构法测量后的测量误差进行预测。通过测试样本获得测量误差的变化关系,从而得到经过灰色和马尔科夫预测后的预测样本,最后对预测样本和检验样本作比较分析。实验结果表明,随着测量次数的增多,测量误差有稍微增大的趋势,而且波动情况与检验样本相似,相似度约为3.3%。通过灰色马尔科夫的非接触工件尺寸测量误差的补偿预测,能有效提高三维重构法的测量精度,为后续的偏移补偿控制器提供准确的输入参量。     

两跳缓存辅助中继索引调制OFDM的中断性能

研究了两跳缓存辅助(Buffer-aided)多中继索引调制OFDM(Orthogonal Frequency Division Multiplexing with Index Modulation,OFDM-IM)的中断性能,并提出了一种名为"最大可用缓存/最大接收信噪比之和(Max Available Buffer/Max Sum of Received Signal-to-Noise Ratio,MAB/MSR)"的中继/子载波组联合选择方案。采用译码转发(Decode and Forward,DF)中继协议,运用马尔科夫链(Markov Chain,MC)理论分析了中继的缓存空间状态变化情况,推导了MAB/MSR方案可达中断概率的闭式解,理论分析与蒙特卡罗仿真数值吻合良好。结果表明,MAB/MSR方案获得了比缓存辅助最大链路选择(Max Link Selection,MLS)、最大权重中继选择(Max Weight Relay Selection,MWRS)方案更好的系统中断性能。     

基于自适应权重马尔科夫随机场的立体匹配视差优化算法

针对立体匹配中的视差优化问题,提出一种自适应权重MRF的立体匹配视差优化算法。首先使用局部算法生成初始视差图;然后在马尔科夫随机算法框架下,对视差不连续区域和平滑区域自适应调整平滑项权重来实现视差图的优化.本文的关键技术是不同区域平滑项权重的设计,其中不连续区域利用颜色相关系数、视差相关系数以及视差图与同场景彩色图的结构相似性来构建平滑项权重;而平滑区域则直接利用视差信息来构建平滑项权重,同时,根据领域内视差平滑程度自适应调整权重中参数.通过在立体匹配评估平台Middlebury上的测试实验表明,所提算法可获得更优的主观效果和客观指标,优化后的视差图在边缘区域和视差不连续区域能够保持清晰的视差图.     

采用改进马尔科夫链蒙特卡洛法的风电功率序列建模

建立能更好复现历史数据特征的风电功率序列模型,对计及高渗透率风能接入影响的电网规划和运行具有重要意义。该文首先通过研究面向随机变量(风电功率)建模的滑动平均滤波参数寻优方法和构建状态数优化决策模型,提出风电功率序列的自适应状态划分策略,客观划分历史数据。然后针对现有方法难以计及状态转移概率随状态持续时间增长而变化的问题,提出三维状态转移概率矩阵及其解维修正方法,抽样生成人造风电功率状态序列,进而在分析历史数据波动量及噪声概率分布的基础上,完善现有的波动特征叠加方法,模拟人造风电功率序列。与现有马尔科夫链蒙特卡洛(MCMC)法进行对比分析表明,该方法能更好地复现历史数据特征(转移、波动特征等),在提高建模精度的同时,并未增加状态转移概率矩阵生成算法的时间复杂度。