基于灰色Verhulst和HMM的交通事故预测算法

道路交通事故预测是保证道路佳通安全的重要技术,以往的道路交通事故预测方法往往具有预测精度不高和收敛速度慢的缺点,为此,设计了一种基于灰色Verhulst模型和隐形马尔科夫链的交通事故预测方法;首先,采用灰色Verhulst模型对观察事件在下一时刻的状态进行预测,采用最小二乘估计法去估计模型中的参数,将预测结果用于初始化HMM模型,并采用前向算法和后向算法对HMM模型进行训练,获得最终的初始分布矩阵、状态转移概率和观察概率分布矩阵,然后采用最终的HMM模型进行交通事故预测;仿真试验结果表明:文中方法能有效地实现交通事故预测,较其它方法相比,具有预测精度高和收敛速度快的优点,具有一定的优越性。     

船用燃气轮机状态趋势预测算法研究

燃气轮机是船舶动力系统的重要组成部分,为了提高船舶性能,需对其进行状态趋势预测;首先研究了常用的几种预测算法,总结了各自优缺点和适用范围,对常见预测方法的技术特点进行了详细分析;为提高船用燃气轮机状态预测精度,提出了组合优选和虚拟预测的思想,通过研究组合预测方法实现了燃汽轮机状态的趋势预测,验证了组合优选和虚拟预测的可操作性和正确性,将预测结果同直接预测相比较,验证了其优越性。     

基于Elman神经网络的装备状态组合预测方法

针对单一预测模型在利用多维状态特征信息进行状态预测时效果常常不够理想的情况,提出以灰色理论等模型作为单项预测模型,运用Elman神经网络进行变权组合预测的建模方法;考虑神经网络容易因过拟合导致预测时泛化能力变差的问题,运用遗传算法对神经网络隐层节点数和训练误差阈值进行优化求解,建立了完整的基于Elman神经网络的组合预测建模方法;最后,通过案例分析验证了该预测方法的有效性,结果表明组合预测能够将三步以内的预测相对误差控制在10%以内,大大优于定权组合预测模型。     

基于能力区域的交通状态预测方法

交通状态预测是交通流诱导和交通信息发布系统的重要依据.本文提出了一种基于能力区域的城市快速路交通状态预测方法,该方法通过构建神经网络分类器的能力区域,根据样本数据与交通状态类簇之间的空间距离,预测道路交通状态等级.神经网络分类器的能力区域能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性.实验结果表明,与经典的预测方法相比,其预测误差明显降低,均等系数增大,基于能力区域的方法预测交通状态具有较高的准确性.     

基于信息熵的粮食干燥塔温度预测控制

针对混流式粮食干燥塔生产过程中,物理化学变化复杂,温度变化呈现的非线性和滞后性,难以准确检测的问题,提出了一种基于信息熵的温度预测方法;首先分别采用支持向量机和灰色预测独立建立第一降速段的温度模型;利用加权方法对两种模型进行集成,最后利用信息熵算法,对加权因子进行优化,提升模型的预测精度;运行结果表明干燥后的稻谷含水量与设定值误差从原来的±24.7%,降低至8.5%,验证本方法在实际生产中的有效性。     

基于灰色马尔科夫模型的团簇数量演变预测方法

本文以分子动力学方法模拟液态Si的凝固过程为基础,首次建立基于马尔科夫修正的灰色预测模型对不同团簇的演变过程进行分析,利用该模型对液态Si降温过程中团簇数量的变化进行预测.结果证实应用灰色马尔科夫模型在对团簇结构的演变预测是可行的,采用马尔科夫链预测方法能提高预测结果的准确性,该方法能有效描述凝固过程中团簇的形成和演变的整体变化规律,为研究材料微观结构演变提供了一种新的思路和方法 .     

基于灰色马尔科夫模型的团簇数量演变预测方法

本文以分子动力学方法模拟液态Si的凝固过程为基础,首次建立基于马尔科夫修正的灰色预测模型对不同团簇的演变过程进行分析,利用该模型对液态Si降温过程中团簇数量的变化进行预测。结果证实应用灰色马尔科夫模型在对团簇结构的演变预测是可行的,采用马尔科夫链预测方法能提高预测结果的准确性,该方法能有效描述凝固过程中团簇的形成和演变的整体变化规律,为研究材料微观结构演变提供了一种新的思路和方法。     

基于灰色神经网络模型的企业碳排放峰值预测

为预测企业碳排放峰值,帮助企业设计碳排放的减排路径,需要对企业碳排放峰值预测方法进行研究。当前采用基于TFDI模型的预测模型对企业碳排放峰值进行预测,预测过程中无法全面考虑企业碳排放影响因素,导致预测企业碳排放峰值出现误差。为此,提出一种基于灰色神经网络模型的企业碳排放峰值预测模型。该模型是以灰色模型为基础,与神经网络相融合构建的灰色神经网络,将模型中企业碳排放原数据进行叠加,并用微分方程表示,将VSTE算法作为灰色神经网络模型预测的基础算法,计算企业碳排放路径碳排放值,满足高斯分布随机函数,以此进行企业碳排放峰值的预测。实验结果证明,所提模型可以准确预测企业碳排放峰值,有效帮助企业设计碳排放减排路径。     

基于状态维修的电子设备故障预测技术研究

为解决电子设备结构复杂,故障信息不足,故障预测困难,并且现有方法不能直接对电子设备进行状态预测等问题,文中提出了基于状态维修(CBM)的最小二乘支持向量机(LSSVM)和隐马尔科夫模型(HMM)组合故障预测方法;首先采取灵敏度分析法确定电路中要可能发生变化的元件,通过改变元件参数来设置电路的不同退化状态;其次建立组合故障预测模型;最后对该电路进行状态预测;结果表明,文中提出的方法能够直接预测电路的不同状态,进而实现直接预测电子设备的故障状态,预测精度可以达到93.3%。      

基于遗传神经网络的伺服机构健康状态预测

为了及时把握伺服机构的健康状态,为装备的管理维护与任务执行提供必要的决策支持,从装备的自然退化趋势出发,提出了一种基于遗传算法优化BP神经网络的预测模型。利用BP神经网络优秀的非线性映射能力构造预测模型,将神经网络初始权值阈值编码,利用改进的自适应遗传算法确定最优解。将该模型应用到伺服机构的健康状态预测上,并与标准BP神经网络及径向基神经网络做比较。结果表明该模型有更好的预测精度及收敛速度,从而验证了模型的有效性。     

ZnO纳米棒在聚［2-甲氧基-5-（2-乙基-己氧基）-1，4-苯撑乙烯撑］固态阴极射线发光器件中的应用研究

利用ZnO纳米棒阵列场发射电极,以SiO₂做为电子加速层制备了固态阴极射线器件,发光层为聚［2-甲氧基-5-（2-乙基-己氧基）-1,4-苯撑乙烯撑］（MEH-PPV）,在交流驱动下得到了MEH-PPV的固态阴极射线发光,探测到了长波峰和短波峰的发射,并和无电子加速层的器件做了比较,证明混合激发模式下的器件在长波长的发光亮度更大. 关键词： 固态阴极射线 ZnO纳米棒阵列 电子加速 电致发光     

高分辨高灵敏度 CCD图像传感器驱动时序设计许涛1,张振海1, *,石志国2,张东红3,侯帅1,张亮1,王健1,

在分析面阵CCD图像传感器结构和驱动时序基础上,针对高分辨率高灵敏度ICX694ALG大面阵CCD图像传感器 ,研究其驱动时序发生器。以现场可编程门阵列 ( FPGA) 作为硬件平台 ,通过Verilog HDL硬件描述语言对该驱动时序发生器进行了硬件描述,采用ISE软件进行功能仿真,并针对XILINX公司的可编程逻辑器件XC3S1000进行了硬件适配。仿真测试表明,FPGA驱动时序发生器能够满足高分辨高灵敏ICX694ALG大面阵CCD图像传感器驱动要求,达到了设计要求。