基于SARIMA-SVM组合模型的战时军用物资需求预测

针对战时非平稳、非线性环境下预测难题,利用季节性差分自回归移动平均模型(SARIMA)和支持向量机模型(SVM)分别对线性和非线性时间序列的较强拟合能力,采用SARIMA对军用物资需求量时间序列数据进行线性建模,并用SVM对SARIMA模型残差进行非线性建模,将SARIMA模型与SVM模型组合对战时需求进行预测,结果表明,SARIMA-SVM组合模型预测精度明显优于单一模型,发挥了两种模型各自的优势,与滑动平均模型(MA)相比更具优势.该组合模型是切实可行的,可为战时军用物资供应提供决策依据.     

基于改进支持向量回归机的火炮身管寿命预测

为准确预测火炮身管寿命终止时火炮射弹数,根据射击过程中火炮身管磨损量与身管寿命特性,分析了身管膛线起始部磨损量与身管射弹数之间的关系,提出了支持向量回归机算法,并采用遗传算法进行模型优化改进,得到火炮身管寿命预测最优模型。结合两种类型火炮的身管数据,利用该模型对身管寿命进行预测,并与原始支持向量回归机进行对比,通过分析可知改进的支持向量回归机预测效果好、精度高,为火炮在实际应用中身管的寿命预测提供了新的思路。     

基于视频图像的目标识别与跟踪算法

研究了基于视频图像的目标识别与跟踪算法。主要应用了Hog特征和支持向量机(SVM)分类器设计完成对目标的侦察识别。当侦察到目标时,采用高斯模型对目标和背景建模,结合卡尔曼滤波预测估计方法和均值漂移(mean-shift)理论,实现目标跟踪和定位功能。最后通过缩微环境中的案例演示,验证了所提算法的可行性。     

基于二叉树直觉模糊SVM的弹道目标HRRP识别

弹道目标识别是一个多目标识别过程,二叉树支持向量机(BTSVM)是一种针对多类分类有效的分类器。BTSVM结构简单,训练快,但容易出现误差积累。为提高目标识别率,引入并改进了直觉模糊支持向量机,设计了一种基于自适应隶属度函数和直觉指数的多类直觉模糊SVM分类器。对训练集进行直觉模糊化处理得到直觉模糊数据集,用于训练分类器得到二叉树直觉模糊SVM分类器。将此分类器应用于弹道目标HRRP识别,提高了识别的正确率和识别效率,仿真结果表明了此分类器的有效性。     

基于粗糙集支持向量机的空袭目标识别

为提高对空袭目标的识别能力,提出了一种基于粗糙集支持向量机的空袭目标识别方法.该模型用RS方法构建SVM数据处理系统的前置系统,充分利用RS理论在处理大数据量,消除冗余信息等方面的优势,减少了SVM训练数据,克服了SVM算法因为数据量太大而导致处理速度慢的缺点.根据分类识别的要求,在RS-SVM两类分类算法的基础上,建...     

基于最小二乘支持向量机的坦克炮身管剩余寿命预测方法

针对高膛压坦克炮身管剩余寿命预测的难题,结合坦克实弹射击试验数据量少和非线性的特点,基于最小二乘支持向量机构建了坦克炮身管剩余寿命预测模型,给出了模型参数的选取方法,并以某型坦克炮射击试验为基础,对坦克炮身管剩余寿命预测模型进行了验证。结果表明:该模型预测坦克炮身管剩余寿命效果良好。     

基于改进型花朵授粉算法的SVM参数优化

针对现有的优化方法在优化支持向量机(SVM)参数时出现的搜索效率低、易陷入局部最优等问题,提出一种基于变异策略的改进型花朵授粉算法——MFPA算法,并将其应用于SVM的参数优化问题,通过UCI中的相关数据集进行测试,测试结果表明,基于MFPA算法参数优化的MFPA-SVM模型其分类性能要优于现有PSO-SVM模型和BA-SVM模型。最后将MFPA-SVM模型应用于风速预测问题,经测试证明,MFPA-SVM模型相较于PSO-SVM模型和BA-SVM模型可有效提高模型的预测精度。     

粗糙集理论的支持向量机建模研究及应用

结合粗糙集的属性约简和支持向量机的分类机理,提出了一种混合算法.将粗糙集理论中的属性约简引入到支持向量机中来,把粗糙集作为支持向量机的预处理器,先降低原问题的维数,以支持向量机方法建立预测模型.提高了SVM的推广能力,减少存储空间,加快了支持向量机的训练速度,取得了满意的预测结果.     

基于重构相空间AD-SVM的短期电力负荷预测

利用重庆市九龙坡区电网2009年7月1日000-10月8日4：00 99 d共2 380个历史电力负荷数据,分析其特点和规律.将构建混沌理论的平均位移（AD）法和支持向量机（SVM）相结合,提出了一种新的短期电力负荷预测模型.通过仿真计算,将结果与神经网络法预测结果进行对比,可得新方法能较好反应数据变化趋势,并且具备较好的拟合能力,能够提高负荷预测精度.在实际短期电力负荷预测中,可优先选用平均位移法与支持向量机相结合的新方法.     

基于KKT条件的SVM增量学习算法

为了解决支持向量机(SVM)在增量学习时,由于支持向量选择不完全,导致增量学习过程无法持久进行的问题,提出了最大似然边界SVM增量学习算法。该方法在深入分析分类面变化趋势的基础上,充分利用KKT条件,选择包含支持向量的边界向量参与SVM增量学习。实验表明,该算法可以完全覆盖支持向量,与经典支持向量机算法的结果完全相同,并且节省了大量时间,为今后大样本分类和增量学习的可持续性提供了条件。     

基于系统动力学的信息战模型

根据信息战的内容和特点,分析了信息因素和兵力因素在信息战过程中相互作用的关系,结合系统动力学理论,建立了信息战系统动力学模型;并结合仿真实例对信息战的相关因素进行了定量与定性相结合的分析,说明了制信息权在信息战中的决定性作用,为信息战研究提供了理论参考.     

信息心理战理论模型以及量化模型探讨

军事理论的研究在心理战方面已经取得了一些成果,但在量化分析方面显示不足。从信息心理战基本作用原理入手,利用数学建模的思想,构建基本信息传播扩散原理模型并且设置合理参数模拟动态过程,从而获得军事行动中心理战的心理攻击信息内部传播动态数学模型,对于未来信息化战争量化分析以及效能分析有一定参考价值。     

模型参数自适应的交互多模强跟踪算法

基于强跟踪滤波器对突变状态的良好跟踪能力,设计了一种自适应交互多模算法.在交互多模算法框架内,计算"当前"统计模型的概率和目标机动强度信息(由残差统计距离来表征),自适应地调整"当前"统计模型的加速度等参数,提高了"当前"统计模型的自适应性和滤波器的鲁棒性,增强了系统对目标突发强机动的跟踪能力.仿真结果验证了该算法的有效性.     

基于概念模型的仿真模型调度决策法

仿真模型调度决策是实现仿真结果合理、可信、可用的重要环节。界定了模型调度决策问题域,引入了模型调度序列表示决策结果,提出了基于UML(unified modeling language)概念模型的模型调度决策法,分析了防空作战仿真模型调度决策示例,为解决舰艇作战仿真模型的调度决策提供可行办法,对复杂军事问题仿真模型调度决策具有一定的理论意义。     

二维浅水波并行模式的伴随

以二维浅水波为例,详细探讨如何开发并行模式的切线性模式和伴随模式。切线性模式的并行机制和原始模式一致,而伴随模式不同。三个模式采用一致的数据剖分方法可提高并行效率。在集群并行计算机系统上采用一维数据剖分,切线性模式的通信量与原始模式相当,而计算量几乎是原始模式的2倍;伴随模式的通信量大约是原始模式的2倍,而计算量几乎是原始模式的3倍。在三个模式中,切线性模式的加速比最大。     

离散作战模型的连续化兰切斯特模型研究

通过兰切斯特方程的分析,定义了作战力量变换系数概念,推导出作战力量变换系数的兰切斯特方程,得到了衡量交战双方作战力量等效值,而作战力量变换系数的兰切斯特方程正是适用于离散型作战的兰切斯特作战模型,使具有深刻影响力的兰切斯特方程适用范围扩大到了交战双方离散数量型的作战领域,从而赋予兰切斯特方程新的生命,为复杂的格斗作战分析提供了新的工具。     

等面积混合模型与等压混合模型的理论比较

利用一维定常流理论,建立了超声速引射器中从混合段到扩压器出口的冷气流混合模型。经过计算,得到了在不同的输入条件下,等面积混合模型和等压混合模型的恢复压力。比较结果,发现等压混合并不总是优于等面积混合,并得出了判断等面积混合与等压混合优劣的条件。在更改参考文献中的部分输入参数后,得出了同样的结论。     

一个飞行员模型

航空火控系统,就其实质而言,是一个闭环的人机系统,“人(即飞行员)”是该系统的重要组成部分。因此,在仿真中,找出一个真实可用的飞行员模型是完成仿真任务关键的一步,本文介绍了目前在终端航空武器投放仿真(TAWDS)中广为应用的多轴飞行员模型,分析了该模型的工作原理,并试图通过根轨迹法,绘制出其闭环特征方程的根轨迹图,以确定该模型参数的选取范围。最后通过以F-106飞机为例,对所得的e_(Lv),e_(Lw)时域响应曲线进行了初步的分析,说明其仿真结果和实际情况是基本吻合的,因而,该飞行员模型是可用的。另外,此模型在别的火控系统的研究中,也可作为借鉴或参考。     

一种基于当前统计模型的模糊交互多模型算法

研究了模糊交互多模型算法(FIMM)和基于当前统计模型(CS)的自适应滤波算法,提出了一种基于当前统计模型的模糊交互多模型算法(CSFIMM)。该算法克服了模糊交互多模型算法精度较低和当前统计模型自适应滤波器方差调整有限的缺点。通过仿真,对所提出的算法和交互多模型(IMM)算法以及FIMM算法在估计精度和计算量两个方面进行了比较。     

基于“当前”统计模型的综合滤波-参数识别模型

在机动目标“当前”统计模型的基础上建立了新的综合滤波－参数识别模型,并用识别－滤波两步走的方法在线识别机动示性参数和量测噪音参数,由此实现对机动目标跟踪的动态建模,使数学模型更加符合实际情况。