新息预报程序设计中分配存贮单元的一种方法

<正> 在生产斗争和科学实验中,人们往往需要对某一随机序列进行分析,以达到对未来时刻的值作出预测。一般步骤是:(1)对该随机时间序列的观测值 z1……,zn 作相关分析,找出一般规律性,建立数学模型。(2)选择合适的预报方法。随机序列适时预报——新息预报是其中较好的方法之一。     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

一种多新息分数阶的辨识算法

本文针对传统分数阶最小均方算法收敛性能较差的问题,提出了一种改进型分数阶最小均方算法。首先,利用分数阶微积分和多新息理论,从新息修正的角度提出了一种基于辅助模型多新息分数阶的最小均方算法(AM-MFLMSI)。该算法在每次迭代时既使用当前数据,又使用了历史的数据,提高了收敛速度,同时还改善了参数估计精度。其次,分析了AM-MFLMSI的收敛性。然后,通过选取不同的分数阶和新息长度,比较分析了两者对算法性能的影响。最后,通过仿真实例,将AM-MFLMSI与其他分数阶算法作比较,进一步验证了所提算法的有效性。     

改进新息自适应交互多模的GPS/SINS组合导航滤波算法

针对量测噪声统计特性未知会影响GPS/SINS组合导航滤波精度的问题,提出了一种改进新息自适应的交互多模滤波算法:在估计新息协方差矩阵时,将在不同长度估计窗下得到的估计值进行加权组合,优化了估计窗口的选取;然后估计系统的量测噪声阵,并以该估计值为中心对称地构建交互多模模型集,再进行交互多模滤波,该方法解决了传统交互多模算法在噪声统计特性未知情况下模型数量与计算速度之间的矛盾。仿真结果表明:相比于标准卡尔曼滤波和单一估计窗口新息自适应交互多模滤波,该方法具有更高的滤波精度和抗干扰性。     

基于新息自适应的扩展卡尔曼滤波雷达目标跟踪算法

针对复杂环境下雷达目标跟踪系统易受外界干扰引入噪声污染分布问题,为了保证系统实时可靠,提出了一种基于新息自适应的扩展卡尔曼滤波雷达目标跟踪算法(innovation-based adaptive extended Kalman filter, IAEKF)。通过建立系统新息统计特性,构造系统与量测噪声函数,将新息协方差直接引入滤波器增益矩阵计算,在不增加计算代价的同时,改善算法的自适应性。仿真实验表明,在雷达测量系统受时变噪声污染分布影响下,IAEKF算法相比EKF算法跟踪精度高,算法可行且有效,具有一定的工程研究价值。     

一种基于ED方法的实时事务调度的改进算法

提出一种实时事务表示模型，该模型给出了一种基于ＥＤ方法的实时务调度的改进算法，该算法与ＥＤ相比，可以减少调度对发生的运行时间错误。     

一种基于ED方法的实时事务调度的改进算法

提出一种实时事务表示模型，该模型给出了一种基于ＥＤ方法的实时事务调度的改进算法，该算法与ＥＤ相比，可以减少调度时发生的运行时间错误     

对NWS中资源性能预报算法的一个改进

提出一种新的预报算法——动态指数平滑算法, 该算法 是对传统的指数平滑算法的改进. 为了使指数平滑算法能够更好地适应NWS系统对精确度和系统开销的要求, 增加了对参数的调整. 但这种调整不同于已有的参数调整算法, 并且在时间复杂性、 空间复杂性和预报准确性方面均得到了有效的提高. 通过实验和比较, 本算法更适用于NWS中的时间序列以及有着相似统计学特性的时间序列.     

基于时间序列算法的数控机床热误差建模及其实时补偿

提出了一种基于时间序列算法的机床热误差建模方法.通过时序算法综合分析软件,对实测的热误差数据进行预处理、模式识别、模型参数估计、循环定阶判别以及模型整合,建立表征机床热误差变化规律的实时补偿模型,并通过判别温度变化趋势,实时调整模型迭代系数.通过实时补偿系统,利用所建立的热误差补偿模型对数控机床的热漂移误差进行实时补偿加工.结果表明,工件的径向尺寸误差从补偿前最大的112μm降低到7μm,机床加工精度和稳定性大幅度提高.     

基于分组网络的实时语音自适应同步算法

本首先介绍了多媒体通信中的流同步问题以及影响同步的各种因素，然后提出一种基于播放时间的自适应同步算法并加以推导证明，最后介绍了它在我们设计的语音传输系统中的具体实现。     

时间序列分析预测法在气象上的应用

介绍时间序列分析,建立自回归模型并应用在季节降雨量的预报中.     

时间序列分析方法的研究

时间序列分析方法是建立变形测量预测模型的主要方法．本文就变形测量中用AR模型建立变形预测模型的参数估计问题以及模型阶次问题进行了探讨，并指出在样本观测值有限的条件下，宜采用最小二乘法及动态数据(DDS)方法建立动态变形的预测模型．     

基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法

为实现风电场风速的超前多步高精度预测,提出一种基于小波分析法与滚动式时间序列法混合建模的优化算法。该优化算法引入小波分析法对风电场实测非平稳风速序列进行分解重构计算,将非平稳性原始风速序列转化为多层较平稳分解风速序列,利用对传统时间序列分析法改进后的滚动式时间序列法对各分解层风速序列建立非平稳时序预测模型,并通过模型方程实现超前多步滚动式预测计算。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统时间序列分析法对应超前1步、3步、5步的预测精度分别提高了54.22%,26.44%和19.38%,其预测的平均相对误差分别为1.14%,3.06%和4.41%;优化算法具有较强的细分与自学习能力。     

时间序列预测的一个前馈神经网络模型

提出了时间序列预测问题中样本相关信息一致性的想法和一个时间序列嵌入维数选择的经验公式 ,并据此给出时间序列预测的一个前馈神经网络模型 .     

时间序列分析在反分析中的应用

采用时间序列分析法对地下洞室的量测位移进行预报分析,获得了洞室的最终实际变形值,并将其用于弹塑性边界元位移反分析计算中,结果表明与实际情况相符。     

基于误差反传算法的时间序列非线性预测方法

讨论了基于误差反向传播算法的时间序列非线性预测方法，给出了用该方法预测的时间序列程序框图并对太阳黑子预测问题进行了计算机仿真。仿真结果表明该非线性预测方法有较好的预测效果．     

电力系统短期负荷的混沌时间序列预测

电力系统短期负荷预测在电力系统的调度和管理中起着重要的作用,已有研究证明了电力短期负荷是一非线性动力系统,负荷时间序列是混沌时间序列.文章讨论混沌时间序列的相空间重构技术,并以实际电网为例重构了该电力系统的相空间,最后采用Elman递归神经网络对负荷时间序列进行仿真预测,预测结果表明采用该方法能取得较好的预测效果.     

隧道下穿时基于傅里叶时间序列预测临近结构沉降发展

隧道下穿临近结构时,目前仅能基于现有沉降判定结构是否安全,缺乏对未来短期内沉降发展的预测方法.通过测量某隧道右线下穿临近某水库时水库逐小时的沉降,分析得出水库短期沉降主要由隧道下穿引起的趋势项和每日温度波动导致的周期项组成,并根据以上特点提出一种基于傅里叶时间序列的结构短期沉降预测方法.该方法采用傅里叶级数和线性函数对周期项和趋势项分别进行拟合,并通过数据的新陈代谢保证一旦沉降发生突变后,该方法所得预测沉降对突变具有较好的灵敏度.采用该水库在同一隧道左线下穿时的沉降实测数据对该方法和GM(1,1)灰色模型的预测精度进行比较.结果表明,该方法的预测精度高于GM(1,1)灰色模型.     

沪深A股综合指数的时间序列分析建模与预测

通过基于Box-Jenkins方法的时间序列分析技术,对中国沪、深A股综合指数的2000～2009年月收盘数据序列进行建模分析,验证了沪、深A股综合指数月收盘数据的时间序列特性,研究并选择了这两个序列的最佳ARMA模型,本文也通过模型对2010年的综合指数进行了预测.模型实证分析的结果表明：在股市综合指数时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.     

基于时序建模的仿真系统精度检测方法

系统仿真实验可以用来测试武器系统的性能,为了使得仿真测试正确可靠,需要对仿真的精度进行检测,时间序列建模分析是可行的方法。本文针对飞行模拟器仿真系统进行仿真系统的精度检测,首先对飞行模拟器输入与实际飞行系统相同的控制参数,比较两系统的输出飞行参数值,得到误差序列,然后对误差序列进行时间序列建模,来检测仿真系统的精度并进行稳定性检验。实验表明该方法能够有效判断仿真系统是否符合精度要求。