当前非法出入境活动发展趋势预测

将灰色系统理论与马尔可夫链方法相结合,提出了灰色模型——马尔可夫链预测当前非法出入境活动发展趋势的方法,以某年至某年出入境统计的原始数为依据,通过MATLAB编程建立起微分拟合方程和系统状态转移概率矩阵,对当前非法出入境活动的发展趋势进行了预测和分析.     

导弹装备战场损伤预测仿真研究

装备的战场损伤、损耗预测是作战保障的基础。文中构建了导弹装备损伤预测的马尔可夫Markov模型,导弹装备战场损伤部件数量动力学预测模型,并针对战场损伤强度和维修强度对损伤概率和部件损伤数量进行了仿真。对导弹作战计划以及装备保障与维修计划的制定具有指导意义。     

电传动装甲车辆负载功率预测实时能量管理策略

针对电传动装甲车辆负载功率预测功能缺失导致控制作用滞后的问题,提出一种具有较高负载功率预测精度的实时能量管理策略。在分析整车结构的基础上,采用理论分析和数据拟合方法,建立各动力源数学模型。将差分自回归移动平均模型和自适应马尔可夫链两种预测方法相结合,设计非平稳趋势性负载功率组合预测方法。在非线性模型预测控制框架下,构建多目标优化函数,采用序列二次规划法在有限时域内实时求解最优控制指令,优化多动力源协调控制过程。依托硬件在环仿真平台进行多路面行驶实验,对比有无功率预测的能量管理控制效果。结果表明,改进的实时能量管理策略对未来负载功率具有较好的预见性,能够显著优化多动力源协调控制过程,提升车辆燃油经济性,稳定母线电压和电池荷电状态,对传统模型预测控制下的工程应用场景具有一定借鉴意义。     

军事人力资源规划预测的马尔可夫方法

军事人力资源规划预测，是军事战略规划的核心要件和军队各个业务部门有效运行的基础。做好军事人力资源规划预测，有助于降低军队人力投入成本。在军事人力资源规划预测工作中引入马尔可夫链方法，可以为军事人力资源规划预测工作提供一定的方法支持。     

二阶马尔可夫加速度模型下的机动目标预测器

采用二阶马尔可夫加速度模型建立机动目标跟踪滤波器,并将其扩展到预测器中形成六阶多项式预测模型来解决机动目标预测问题。仿真的结果表明本文建立的预测器使机动目标预测精度有了明显的提高。     

马尔可夫链的模块化软件可靠性研究

针对模块化软件系统,考虑到模块自身的可靠性和模块相互转移调用对其系统重要度的影响.利用马尔可夫预测的基本原理,将马尔可夫链引入到模块化软件可靠性模型建立中,通过建立转移概率矩阵,对软件系统的可靠性进行分析并建立可靠性模型.该模型利用从软件开发过程中收集出的可靠性数据,对模块化软件进行可靠性分析,以此来研究软件系统总体的可靠性.     

基于马尔可夫预测的低消耗弹药库存仿真建模分析

应用马尔可夫方法的无后效性原理,建立了低消耗弹药库存的预测模型,为该类弹药的年度供应提供依据。在模型建立的基础上,对其仿真算法进行了描述,并应用计算机进行了仿真实现。     

预测偏差的LS-SVM预测控制

提出了一种基于预测偏差的最小二乘支持向量机预测控制模型.首先介绍了最小二乘支持向量机预测模型,研究了基于预测偏差的控制算法,并给出了基于预测偏差的最小二乘支持向量机预测控制结构.通过利用最小二乘支持向量机辨识被控系统模型,同时预测系统的未来输出,然后用预测偏差控制算法进行滚动优化和反馈校正.仿真实例中,针对同一系统与基于预测偏差的RBF网络预测控制进行对比分析,表明该模型对系统的预测结果有更好的控制作用,并具有一定的抗干扰能力,有效地提高了预测精度.     

一种高质量的极低比特率声码器

在数字语音通信中,极低速率语音编码有着广泛的应用前景,是声码器研究中的重要课题。本文提出了一种高质量的极低比特率声码器,这种声码器利用了矢量量化,马尔可夫链等技术,对经过线性预测分析后得到的语音参数进行压缩。计算机模拟结果证明所提出的极低比特率编码系统是成功的,其合成语音达到了较高的自然度和可懂度。     

基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。     

组合预测法在战时单兵日均物资需求预测中的应用

分析、研究、预测战时物资需求量,进而拟制相应的物资保障方案,是提高战时物资保障计划性和有效性的客观要求。利用灰色预测法和趋势预测法建立模型并进行预测,在对比分析各种物资需求预测方法的基础上,建立了基于最小二乘法加权的战时单兵日均物资需求的组合预测模型,为我军进行战时物资需求预测提供了一种可借鉴的方法。     

一种组合预测模型及预测值的模糊分级

基于多元线性回归模型及ＧＭ（１，ｎ）模型，给出了一种组合预测模型，进行了组合预测的精度分析及预测值的等级分类，并讨论了其在实际问题中的应用．     

空中突击效果预测模型研究

从实践需求出发 ,建立了空中突击效果的预测模型 ,旨在对特定目标在某一时刻遭到突击后 ,预测其在任一后续时间点上所产生的突击效果 ,以便为计划人员有效使用战役突击力量提供可靠保证     

GM(1,1)和SVR的雷达电子部件状态趋势预测模型

为提高雷达电子部件状态趋势预测的精度,根据测试数据特点,提出了基于GM(1,1)与支持向量机回归(SVR)的组合预测模型。采用粒子群优化算法分别对GM(1,1)和SVR模型进行了改进,提高了单一模型的预测精度。在此基础上,结合GM(1,1)模型对趋向性数据的预测优势和SVR模型对数据波动的强适应性,达到了取长补短、相得益彰的效果。实验结果表明该组合模型不但具有更高的预测精度,而且对不同预测对象有更强的适应能力。     

基于遗传神经网络的装备抢修性预测模型

装备的抢修性是装备设计时赋予装备的一种固有属性,直接影响到战场抢修工作。抢修性模型是抢修性研究的重要内容。针对抢修性量化模型难度大的特点,尝试采用具有自学习能力的神经网络对抢修性进行仿真预测,同时为提高神经网络的性能,运用遗传算法对其优化,从而得到基于遗传神经网络的装备抢修性预测模型。最后仿真结果表明该模型可较好地用于抢修性的仿真预测,能为新研制装备的抢修性设计提供有益参考。     

基于分形理论的目标航路预测

电磁干扰条件下解决断续航路预测问题对防空兵有效抗击空中目标至关重要。针对包络灰预测方法预测精度较低和Verhulst灰色预测模型计算过程复杂的情况,提出了预测航路的分形方法。在分形理论的基础上,研究了其用于目标断续航路预测的基本思路,建立了基于分形的目标航路预测模型,并对模型进行了求解。最后,利用建立的分形模型对雷达丢失目标后的目标航路进行了预测,通过实例体现了分形方法在用于航路预测时的准确性、灵活性和易实现等特点。结果表明,用该法对断续目标航路的预测具有一定的借鉴意义。     

小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真.     

基于BP神经网络的装备器材需求预测模型

准确预测装备器材的需求数量,是装备器材保障工作的重要内容和装备器材计划管理的前提。采用BP神经网络算法,通过对装备器材历史消耗数据进行处理,建立了装备器材需求预测模型,并结合实例,对模型进行了探讨和验证。     

基于支持向量分类的装备完好性预测模型

对抗的战场环境和任务的变化，越来越需要装备战备完好性来保障作战行动。保持或提高装备战备完好性是装备保障的核心和中心工作。利用基于结构风险最小化的支持向量分类（Support Vector Classification，SVC）方法对装备的战备完好性进行了预测，提高了机器学习方法的预测能力。并以车辆装备发动机的技术状况数据为实例，建立了预测模型，通过参数选择，提高了模型预测的正确率、命中率等指标。结论表明：支持向量分类方法是预测装备战备完好性的有效方法。     

基于卫星云图历史资料反演云团非线性预测模型

针对线性预测方法难以有效描述云团的非线性、非平稳变化的困难,基于经验正交函数分解(EOF)和遗传算法参数优化结合的思想,提出了一条云团非线性预测模型反演的方法途径。首先将卫星云图序列作EOF的时、空分解;在此基础上,引入遗传算法对EOF的时间系数序列进行了动力模型重构和模型参数反演,建立了EOF时间系数的非线性微分方程组;再通过时、空函数合成,构造了云团演变的动力预报模型。试验结果表明,反演的云团预报模型能较为合理地描述特定季节区域内云团演变的基本趋势,预测结果与实际云图的主要特征基本相符,尤其是实现了云图3h以上的中、长时效的客观预测。