系统识别的递推算法及其收敛性

系统识别问题就是给定一类数学模型,一种误差准则与输入输出信号的一些量测数据,求一特殊模型,按给定准则最好地拟合量测数据.本文是在[2]研究电力系统动态等效模型识别的基础上对系统识别的递推算法作数值分析,并讨论了算法的收敛性.     

限定记忆加权滤波方法

限定记忆滤波方法是克服滤波发散的一种有效方法。然而,限定记忆滤波法也存在一定的缺陷:主要是存贮历史量测数据的数目要和记忆长度相等;递推计算会造成计算误差累积的发散。为了克服前者的不便,可用限定记忆次优滤波方法;为了克服计算误差累积的发散和改善系统误差,本文提出一种限定记忆加权滤波方法。这种方法,是把限定记忆滤波法和加权滤波法有机结合起来,方法简便,效果良好。     

基于Mori-Zwanzig格式和偏最小二乘的非线性模型降阶

本征正交分解及Galerkin投影是解决复杂非线性系统模型降阶问题常用的方法.然而,该方法在构造降阶系统过程中只截取基函数的部分模态,这通常会使得降阶系统不准确.针对该问题,提出了对降阶系统误差进行快速校正的方法.首先应用Mori-Zwanzig格式对降阶系统的误差进行分析,理论上得到误差模型的形式和有效预测变量.再通过偏最小二乘方法构造预测变量和系统误差的多元回归模型,建立误差预测模型.将所构造的误差预测模型直接嵌入到原降阶系统,得到新的降阶系统在形式上等价于对原模型的右端采用Petrov-Galerkin投影.最后给出了新的降阶系统的误差估计.数值结果进一步说明了所提方法能有效地提高降阶系统的稳定性和准确性,且具有较高计算效率.     

基于卫星无源探测的空间飞行器主动段轨道估计与误差分析

在利用自适应定点的四阶龙格库塔算法求解卫星二阶微分运动方程的基础上,确定了其轨道,在利用样条插值拟合算法对多星观测数据同步后,基于级数理论建立了飞行器速速度和质量估计的多项式模型.随后根据飞行器在观测坐标系下的约束关系,建立了双星无源交汇定位的算法模型,实现了空间飞行器的轨道估计.再次,根据量测方程,提出了一种系统误差估计的滑窗四点交汇方法,实现了系统的误差动态估计.最后,建立了联合序贯多点轨道估计模型,实现了单卫星单飞行器的轨道估计和误差分析.对于多星多飞行器问题通过比较方程组自由度和待估计的轨道参数和系统误差的个数,得出可估计系统误差的条件:在观测卫星个数M与空间飞行器数目P满足2MP≥3P+2M时,系统误差可估计.     

基于卫星无源探测的飞行器主动段轨道估计

首先提出了一种在双星无源飞行器主动段探测中,可同时估计双星测量的系统误差并给出目标预测轨道的方法.将卫星测量值误差在小角度条件下转化为卫星测量轴的偏转角,以双星逐点交汇定位法得出的轨道为基准估计系统误差,利用最小二乘思想将模型参数估计问题转化为优化问题,使用遗传算法对目标飞行器模型参数进行估计.而后讨论了一种通过加强模型约束,由单星无源探测估计目标轨道的方法.     

输入通道有干扰多变量MRAC系统全局稳定化控制

对具有未建模动态且输入通道存在干扰的动态不确定多输入多输出(MIMO)模型参考自适应控制(MRAC) 系统，仅应用系统的输入输出量测数据给出了一种变结构模型跟踪控制器设计机制.通过辅 助信号和带有记忆功能的正规化信号,并适当选择控制器参数, 所提出的变结构控制 (VSC)能保证闭环系统的全局稳定性,且跟踪误差可调整到任意小.     

空间飞行器主动段轨道估计与误差分析

通过微分方程组数值解法计算两颗观测卫星的三维位置,在此基础上运用双星逐点交汇思路,建立定位中值估计与优化模型得到空间飞行器主动段轨道估计,并对存在的三轴指向误差进行估计,提出位置半径作为考虑系统误差下模型精度提高的判断标准.     

关于Hasson的两个猜测

本文研究了一种低成本,高精度微机化电孵化机温度场实时检测系统的设计方案,对构成系统误差的各个环节误差做了严格的定量计算,找出了一种用软件补偿传感器的非线性误差与A/D转换器量化误差的理想方法。     

处理不确定性姿态确定系统误差的新型鲁棒滤波方法

针对卫星姿态确定系统中存在不确定性系统误差问题,本文提出了 一种适于处理不确定性系统误差的新型鲁棒滤波方法,以提高姿态确定精度.在深入分析了经典的鲁棒姿态确定方法的优势及缺陷基础上,利用相对安装误差等系统误差之间的相关性信息,将不确定性误差降维处理,进而,基于最小化估计误差的方差上界的思想,设计出改进的新型鲁棒滤波方法...     

灰色系统模型的优化岭回归算法

文献[1]指出了目前用普通最小二乘法估计灰微分方程参数的方法由于方程组的病态问题很难求解得合理的参数;文献[2]指出了根据初值求解灰色系统模型的时间响应式的方法由于初值的误差使所求得时间响应式产生系统误差.为了克服灰色模型的上述两个缺点,本文设计了一种求解灰色系统模型的优化岭回归算法,计算一个广泛引用的算例演示了这种算法的优越性.     

组网雷达系统中的数据融合

将数据融合技术应用于组网雷达系统的目标状态融合,研究多种条件下的融合算法,逐一建立组网雷达测量设备的精度已知和精度未知的线性模型,以及非线性融合模型,分别给出这些模型的理论分析结论和算法流程。分析过程表明理论推导的严谨性,仿真计算结果说明算法是实用的。     

连续波雷达跟踪点不一致的精确修正

本利用弹道参数与测量元素之间的精确关系，对两种连续波雷达推导一种跟踪点不一致的精确修正方法，并且对照传统的近似修正方法做了比较分析。精确修正方法没有截断误差，精度较高，不受跟踪点与目标点距离的影响，也不受目标与测站距离的影响，优于传统的近似修正方法。     

基于BP神经网络的道路交通事故预测

道路交通事故预测是交通研究的一个重要课题.以我国交通安全状况为研究对象,依据我国道路交通事故的特点,利用神经网络具有自学习、自组织、自适应能力特性,运用神经网络的方法及我国多个年度道路交通事故统计数据,建立了道路交通事故神经网络宏观预测模型,预测精度符合道路交通事故预测的要求.     

Inference of the stochastic MAPK pathway by modified diffusion bridge method

The MAPK pathway is one of the well-known systems in oncogene researches of eukaryotes due to its important role in cell life. In this study, we perform the parameter estimation of a realistic MAPK system by using western blotting data. In inference, we use the modified diffusion bridge algorithm with data augmentation technique by modelling the realistically complex system via the Euler–Maruyama approximation. This approximation, which is the discretized version of the diffusion model, can be seen as an alternative OR approach with respect to the (hidden) Markov chain method in stochastic modelling of the biochemical systems where the data can be fully or partially observed and the time-course measurements are though to be collected at small time steps. Hereby, the modified diffusion bridge technique, which is based on the Markov Chain Monte Carlo (MCMC) methods, enables us to accurately estimate the model parameters, presented as the stochastic reaction rate constants, of the diffusion model under high dimensional systems despite loss in computational demand. In the estimation of the parameters, due to the complexity in the decision-making problems of the MCMC updates at different stages, we face with the dependency challenges. We unravel them by checking the singularity of the system in every stage of updates. In modelling, we also assume with/without-measurement error approaches in all states. But in order to evaluate the performance of both models, we initially implement them in a toy system. From the results, we observe that the model with measurement error performs better than the model without measurement error in terms of the mixing features of the MCMC runs and the accuracy of estimates, thereby, it is used for the parameter estimation of the realistic MAPK pathway. From the outcomes, we consider that the suggested approach can be seen as a promising alternative method in inference of parameters via different OR techniques in system biology.     

一种预测轨检车TQI值的等维递补方法

构建灰色模型和ARMA模型的组合模型,并在此基础上构建等维递补模型预测轨检车TQI数据,根据预测数据与实际数据的误差实时调整预测模型.将该模型应用到轨检车TQI数值的预测上,可以分析和预测轨道状态变化趋势,为轨道维修计划的科学制定提供辅助决策.     

AR（p）模型中的缺失数据估计

运用EM算法,对含有缺失数据的AR（p）模型进行参数估计,通过最大似然准则就非左端缺失的情况进行插补.最后,用蒙特卡洛方法给出实验分析,表明如下结果：（i）误差与AR模型的阶数正相关,与缺失比例正相关;（ii）当AR模型的特征根模长相对较小时,误差与数据长度负相关,且误差被控制在了标准差的30％以内;（iii）当模长中等时,误差基本控制在1个标准差左右;（iv）当模长较大时,误差与数据长度正相关,而且误差也相对较大.     

A distribution-free approach to estimating best response values with application to mutual fund performance modeling

Frontier regression models seek to model and estimate best rather than average values of a response variable. Our proposed frontier model has similar intent, but also allows for an additional error term. The composed error approach uses the sum of two error terms, one an inefficiency error and the other as white noise. Previous research proposed assumptions on the distributions of the error components so that the distribution of this total error can be specified. Here we propose a distribution free approach to specifying these errors. In addition, our approach is completely data driven, rendering model specification an unnecessary step. We also outline, step-by-step, an approach to implementing this procedure. Our entire approach is illustrated with a mutual fund data set from the Morning Star database.     

基于改进的支持向量回归机的金融时序预测

金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于近期的数据预测错误施以更严重的惩罚,构建了改进的支持向量回归机模型.使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果.     

Interval estimation for fitting straight line when both variables are subject to error

When both variables are subject to error in regression model, the least squares estimators are biased and inconsistent. The measurement error model is more appropriate to fit the data. This study focuses on the problem to construct interval estimation for fitting straight line in linear measurement error model when one of the error variances is known. We use the concepts of generalized pivotal quantity and construct the confidence interval for the slope because no pivot is available in this case. We compare the existing confidence intervals in terms of coverage probability and expected length via simulation studies. A real data example is also analyzed.     

基于声矢量水听器阵列误差的自校正算法

对声矢量水听器阵列的各类误差进行了分类,推导了各类误差对阵列信号模型的影响因子,通过Monte Carlo实验分析对比了各类误差对阵列DOA估计性能的影响,然后将方向性误差和位置误差归结为幅度误差和相位误差,在传统声压阵列误差校正模型和算法的基础上,得到矢量阵列误差自校正的优化模型及自校正算法,最后,通过仿真实验和外场实验的数据处理表明,自校正算法具有良好的参数估计性能,具有一定的工程实用性.