5G潜在用户预测及在网络规划中的应用研究

随着5G正式商用,5G网络快速部署成为运营商的重要工作内容.预测5G潜在用户和筛选重点业务区域对5G网络精准建设具有重要意义.依托O+B域及从互联网中爬取的第三方网络数据进行大数据分析,深入研究了现网5G终端换机前后的特征,然后从用户业务消费力、终端购买力和换机周期3个维度确定了潜在5G用户的预测方法,并对全网用户进行...     

水体透射光谱结合主成分分析(PCA )改进化学需氧量(COD)含量估算研究

化学需氧量（Chemical Oxygen Demand,COD）是水体有机污染的一项重要指标,化学需氧量越高,表示水污染程度越严重。 为了解决传统的COD测量方法耗时较长,不利于快速、实时地获取水体中COD的信息等问题。本文提出了基于透射光谱测量结合主成分分析(Principal Component Analysis, PCA)改进水体COD含量估算模型。具体的,采集100组COD水体光谱信息,分别使用3种不同的高光谱数据预处理方法对光谱数据进行预处理,分析不同预处理方法对模型精度的影响,并基于不同的预处理方法分别建立高斯过程回归模型(Gaussian Process Regression, GPR)和BP神经网络模型,分析不同预处理方法对模型精度的影响;并对各模型结合PCA数据降维方法进行模型的改进,通过比较模型的精度选择最优模型进行水体COD含量的检测。结果显示,相比于原始光谱数据建立的GPR模型和BP神经网络模型,数据预处理后的模型精度明显提升;且结合PCA对预处理后的数据进一步降维处理后,模型精度得到了进一步的提升。其中,基于标准正态变量变换特征结合PCA改进BP神经网络模型基于PCA改进的BP神经网络模型R^2高达0.9940,均方根误差RMSE为0.022540。证明了基于PCA改进的BP神经网络数据降维方法对预处理后的光谱数据进行降维处理,有利于去除光谱中的冗余信息,提取特征信息,可以实现高光谱检测方法可以实现COD含量估算模型的优化,从而为传统COD测量方法存在的问题提出了一种新的解决思路。     

T/R组件故障预测技术研究

针对雷达整机健康管理需求,介绍了国内外故障预测技术发展现状,基于TR组件FMECA方法分析了TR组件故障演变/故障征兆以及监测点的布局要求,研究了T/R组件故障预测及健康评估方法,对于实现T/R组件或有源相控阵雷达天线的故障预测与健康管理系统有较强的指导意义。     

4G/5G无线网络智能运维研究与应用

智能运维是网络智能化的重要内容,推行网络运维智能化,对4G/5G网络的高效、可靠运行具有非常重要的意义。本文提出一种4G/5G无线网络智能运维方案,采用多种AI深度学习算法,基于基站的告警、性能、动环等多维度数据建立基站退服预测模型、异常检测模型和故障根因定位模型,并进行模型组合,输出智能巡检、退服预警发布和故障工单根因智能定位等支撑一线生产的功能应用。经过实际的应用试点,验证了方案的可行性和有效性,为4G/5G网络智能运维的实施提供了有力的方法指导和技术支撑。     

振动噪声等高图的电驱动桥噪声预测及优化*

在项目开发前期通过优化电驱动桥扭矩特性的设计,可以规避噪声大问题。根据电驱动桥台架在对应扭矩下的振动噪声特性,提出了一套稳定高效的测试流程和分析方法。首先设计了一套完整的试验流程,制定了精准的数据分析方法。然后绘制出能够全面反映电驱动桥振动噪声特性的等高图。最后利用电驱动桥台架的振动噪声等高图,准确评估电驱动桥加速工况下振动噪声风险,为主机厂和电驱动桥零部件企业提供电驱动桥扭矩特性设计前期指导。利用该方法成功识别到某电驱动桥匀速及加速工况下电机及齿轮的啸叫问题。通过优化电驱动桥扭矩特性设计,电机48阶噪声峰值降低了8.5dB(A),确认该方法准确可靠,具备推广应用价值。     

基于SARIMA-GS-SVR组合模型的短期电力需求预测

短期电力需求预测在合理分配电力利用、减少能源浪费和增强电力系统的并网运行方面具有重要作用。应用单一的季节自回归移动平均模型对电力需求预测将限制预测精度。为了提高SARIMA的预测精度,文中提出了SARIMA-GS-SVR组合预测模型。采用网格搜索算法将SARIMA预测的残差带入支持向量回归模型进行参数训练,并将寻优的最佳参数带入SVR对残差进行预测。将得到的残差预测结果和SARIMA预测结果加和进行综合分析。建立SARIMA、SVR、GS-SVR和SARIMA-GS-SVR预测模型,以加利福尼亚州电力需求历史数据为例,对该地某日24 h的电力需求进行预测。为了体现模型整体的优越性,选用指数平滑法作为无关基准模型进行实验对比。实验结果表明,相比SARIMA,SARIMA-GS-SVR的预测精度提高了29.181 2%,且其MAE、MAPE和RMSE3种误差指标评价值低于其它4种模型。     

Dempster-Shafer证据理论在目标意图预测中的应用

为了准确对目标意图进行预测,以便我方及时合理地作出战术决策,采用D-S证据理论对目标意图进行预测。首先提取出影响目标意图预测的各个态势因素,然后分析每个因素的影响效果。在此基础上建立目标意图预测的数学模型,利用D-S合成法则将所有因素的影响进行综合,并计算出各个可能命题的概率赋值并给出相应决策。最后,通过仿真实例验证了该方法在目标意图预测中的可行性和实用性。     

RBF网络用于性能退化的可靠性评估

针对无法用数学式准确描述退化量与环境因子间复杂非线性关系的问题,提出了一种基于RBF网络的退化轨迹建模方法.利用RBF网络能够逼近任意非线性函数的特性,进行退化轨迹的建模,并结合失效值预测产品寿命.将所有估计寿命作为完全失效数据进行可靠性评估,有效地解决了失效数据少的问题.通过对疲劳裂纹增长数据的RBF网络建模分析,证明RBF网络具有很好的函数逼近能力,寿命预测结果非常理想.经验证,在更少的退化数据下,RBF网络仍能够较好地模拟退化轨迹,寿命预测精度较高.     

基于Logistic回归算法的疫情信息查询及趋势预测系统的实现

当前,新冠病毒在全球流行,各国面临严峻的疫情防控问题。文章通过统计美国每日的累计确诊病例和每日死亡人数,采用Logistic回归算法对美国疫情变化趋势进行建模,并通过大量准确数据进行预测分析。经测试,在新冠疫情暴发时,Logistic回归算法预测结果与美国累计确诊病例吻合度很高,并且疫情暴发的拐点日期也能够准确给出。通过本系统的实现,可以在疫情防控管理工作中及时掌握各地区的疫情发展变化,通过趋势预测提前做好防疫准备,及时控制疫情,提高防疫成效。     

一种高性能高清视频编码分像素插值滤波算法

为提高高清晰度视频编码的效率,基于一维立方卷积滤波原理提出了一种新的分像素插值滤波算法.实验结果表明,该插值算法与H.264/AVC标准中规定的6抽头插值滤波相比,在相同码率下,对高清晰度视频的编码信噪比可以提高0.5dB;同时,解码端存储复杂度降低了19%,计算复杂度相当.