基于贝叶斯动态模型的某器件性能预测

在导弹武器系统当中,及时准确的故障预报对提高导弹的安全性具有极其重要的意义。本文根据导弹惯性器件故障预报系统的设计要求,利用贝叶斯动态线性模型对导弹某惯性器件的性能进行了预测研究。贝叶斯预测是利用历史信息和从样本获得的信息来获取后验分布的一种预测方法,该方法不需要平稳性的假设,而且充分利用了已有的信息,可以用来对电子设备的性能进行预测。实例研究表明,该方法具有比较好的预测效果。     

基于声门闭合瞬间检测的时延算法研究

阐述了基于声门闭合瞬间检测的时延估计方法基本原理,研究了基于希尔伯特变换的线性预测残留误差时延估计法提取时延的方法,并与最大似然广义互相关方法进行了性能分析和比较,结果表明线性预测残留误差的均方偏差最小,抗混响能力强,运算量适中,便于实时实现。     

H.264/AVC帧内4×4块预测模式判别的改进算法

H.264提供了4×4的亮度块帧内预测,其共有9种预测模式.在判断其预测模式中要求4×4块的每种预测模式都要判断,因此计算复杂度很高.有效减少4×4块预测模式的判断次数,在实时视频编码过程中很有价值.基于此,提出了一种帧内4×4块预测模式判断提前退出的优化算法,并对其进行了试验,得到了很好的效果.     

H.264帧间模式快速判决

H.264标准采用率失真优化(RDO)技术提高了编码效率,但这是以较高的计算复杂度为代价的.提出一种快速模式判决算法,利用早期的SKIP模式判决以及运动代价来减少待选的模式.实验表明,该算法比起H.264标准显著提高了编码效率,而视频质量并没有太大的损失.     

电子信息产品环境适应性标准的现状及需求

环境适应性是电子信息产品重要的质量属性之一。通过对环境适应性技术及其标准发展的概况阐述,介绍了国内外电子信息产品环境适应性领域标准的现状和现有标准的需求情况。     

机载电子产品的环境适应性研究

介绍了环境因素对机载设备的影响,对如何通过设计、制造、试验、管理等手段来提高机载电子装备的环境适应性进行了研究,并提出了目前机载电子装备环境适应性工作中存在的不足和改进的方向。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

Adaptive Neuro-Fuzzy Inference System and a Multilayer Perceptron Model Trained with Grey Wolf Optimizer for Predicting Solar Diffuse Fraction

The accurate prediction of the solar diffuse fraction (DF), sometimes called the diffuse ratio, is an important topic for solar energy research. In the present study, the current state of Diffuse irradiance research is discussed and then three robust, machine learning (ML) models are examined using a large dataset (almost eight years) of hourly readings from Almeria, Spain. The ML models used herein, are a hybrid adaptive network-based fuzzy inference system (ANFIS), a single multi-layer perceptron (MLP) and a hybrid multi-layer perceptron grey wolf optimizer (MLP-GWO). These models were evaluated for their predictive precision, using various solar and DF irradiance data, from Spain. The results were then evaluated using frequently used evaluation criteria, the mean absolute error (MAE), mean error (ME) and the root mean square error (RMSE). The results showed that the MLP-GWO model, followed by the ANFIS model, provided a higher performance in both the training and the testing procedures.     

不同运动特性目标落入自由波束的分析探讨

指定仰角目标如果不在雷达指定搜索范围,需要抽调指定波位到指定仰角对目标进行照射.对于不同运行特性的目标,在保证雷达跟踪性能和跟踪精度的前提下,选取不同的目标运动数学模型、滤波外推算法,分析预测精度对目标落入自由波束的影响;通过仿真分析,发现运动模型以及滤波算法的选取对目标落入自由波束时影响是明显的,最终提出一种折中方案,即使目标运动特性发生变化,也能保证目标以一定的概率落入自由波束,实现雷达全空域的搜索.