基于NEGM(1,1)模型的因果预测方法及应用研究

非等间隔时间序列在工程技术问题中是常见的.研究了一类非等间隔广义时间序列的预测问题,也就是将因果预测模型中的自变量作为广义时间,应用NEGM(1,1)模型将因果预测转化为时间序列预测,并应用空军航材消耗实例进行了模型检验.实践表明本文的方法具有广泛的使用价值.     

非等距时序灰色预测模型及其在岩石锚碇承载力分析中的应用

在许多桥梁工程中,锚碇岩石边坡的承载力和稳定性对整个桥梁工程的稳定和正常运营起着至关重要的作用.利用推广的非等间距灰色预测理论模拟了虎门大桥锚碇隧洞拉拔力试验中拉拔力与相应山体位移间的关系,并用所得到的非等距灰色预测模型预测了山体位移,结果表明,非等间距灰色预测模型的预测精度令人满意.研究结果对桥梁工程安全施工和岩石工程预测预报有重要理论意义和工程价值.     

基于时间序列的网络安全态势预测方法的研究

互联网上每天充斥着大量入侵与攻击事件,已经严重威胁到网络安全,如何把握网络目前安全态势并预测其发展趋势已成为国内外网络应急响应的热点研究内容之一.根据网络安全事件发生的统计规律性,分别研究了基于时间序列的神经网络和灰色系统理论对未来一段时间内的安全事件数量进行预测的方法,并在此基础上对未来的安全态势进行评估,从而得知网络的整体安全运行状况,有效指导了管理员对网络安全的控制.     

一种求解单调变分不等式的部分并行分裂LQP交替方向法

LQP交替方向法是求解可分离结构型单调变分不等式问题的一种非常有效的方法.它不仅可以充分地利用目标函数的可分结构,将原问题分解为多个更易求解的子问题,还更适合求解大规模问题.对于带有三个可分离算子的单调变分不等式问题,结合增广拉格朗日算法和LQP交替方向法提出了一种部分并行分裂LQP交替方向法,构造了新算法的两个下降方向,结合这两个下降方向得到了一个新的下降方向,沿着这个新的下降方向给出了最优步长.并在较弱的假设条件下,证明了新算法的全局收敛性.     

Anisotropic slip magneto-bioconvection flow from a rotating cone to a nanofluid with Stefan blowing effects

A mathematical model for two dimensional steady laminar natural convective anisotropic slip boundary layer flows from a rotating vertical cone embedded in ethylene glycol bionanofluid is presented. The influence of Stefan blowing is also taken into account. Four different non-particles namely Copper (Cu), Alumina (Al₂O₃), Copper Oxide (Cuo), Titanium Oxide (TiO₂) are explored. Suitable similarity transformations are used to convert the governing equations into non-linear ordinary differential equations. These are then solved numerically, with appropriate boundary conditions, utilizing an implicit finite difference method (the BVP5C code in MATLAB). During computation Sc, Lb, Le and Lb are presented as unity, whilst $\mathrm{Pr}$ is taken as 151. The effects of the governing parameters on the dimensionless velocities, temperature, nanoparticle volume fraction, density of motile microorganisms as well as on the local skin friction, local Nusselt, Sherwood number and motile micro-organism number density are thoroughly examined via tables and graphs. It is found that the skin friction factor increases with tangential slip, magnetic field and Schmidt number whilst it decreases with blowing parameter and spin parameters. It is further observed that both the friction and heat transfer rates are highest for copper nanoparticles and lowest for TiO₂nanoparticles. Validation of the BVP5C numerical solutions with published results for several special cases of the general model is included. The study is relevant to electro-conductive bio-nano-materials processing.     

提升小波加权自相关函数的基音检测算法*

随着计算机技术的发展,语音信号处理作为人机交互的重要渠道,其在复杂噪声环境下的特征值检测算法直接关系到计算机的运算效率。基音周期是语音特征值提取的重要参数之一。针对传统基音检测算法在噪声环境下检测精度低的问题,提出了一种基于自适应提升小波变换加权线性预测误差自相关函数的基音检测算法。该方法用多级提升小波近似系数加权求和的方法来弥补自相关函数随着时间延迟量的增加幅值衰减的缺陷;用线性预测误差自相关函数的方法来抑制共振峰的干扰,然后将两种方法结合来突出基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波加权法相比,该方法能有效减弱共振峰的影响,突出基音周期处的峰值,提高基音周期检测精度,鲁棒性更好。     

基于卡尔曼滤波的低复杂度去混响算法*

在电话会议、智能音箱等应用场景下,传声器往往处在声源的远场。混响信号的存在会掩蔽后续到达的直达声信号,降低传声器接收信号的语音质量,以及语音识别系统的准确识别率。多通道线性预测算法是一种经典的盲去混响算法,但该算法往往具有较高的计算复杂度。本文提出了一种简化的卡尔曼滤波更新算法,通过对角化卡尔曼滤波器状态向量误差协方差矩阵,降低了自适应多通道线性预测去混响算法的复杂度。通过与现有分块对角简化算法对比发现,本文提出的简化算法在保证语音质量的同时,进一步降低了原卡尔曼滤波算法的复杂度。     

基于数据融合的风电机组噪声预测

根据风电机组噪声信号检测复杂的情况,研究风电机组非声学参数的信息熵特征,对机组噪声进行多源数据融合预测。分析基于信息熵的非声学参数的特征提取方法,并对传统的基于遗传算法的支持向量机回归(GA-SVR)的缺陷提出改进,结合实际应用的非声学参数的信息熵特点平衡遗传算法(GA)的终止条件。通过统计分析完成了输入变量的筛选,去除了对预测影响较大的共线性因素,并实现了输入降维提高预测精度和速率。最后应用数据的信息熵特征,训练改进的GA-SVR建立最终的多源数据特征级融合预测模型。通过对比表明基于多源数据融合的预测方法精度最高,预测结果的相对误差平均值为0.7757%,具有实际可行性。