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Contiki的无线传感器网络平台设计与实现

无线传感器网络由大量节点组成,网络面临的问题很难全部被仿真工具描述,因而由仿真得到的无线传感器网络应当在部署之前进行物理测试.根据无线传感器网络节点的一般架构,设计完成了一批体积小、成本低、功耗低、硬件资源丰富和代码开源的无线传感器节点,组建了一个无线传感器网络实验平台.在平台上移植了Contiki操作系统管理节点的软硬件资源,设计实现了射频芯片、串行接口和温度传感器的驱动程序.采用6LowPAN协议构建自组织网络,验证了平台的节点通信半径和组网效果.试验表明该平台完整支持6LowPAN协议,采集数据的可靠性、网络的健壮性和通信半径等指标,可以满足无线传感器网络节点定位与环境变量检测等应用的需求.     

具有分布时滞的随机反应扩散细胞神经网络的几乎必然指数稳定性

研究一类具有分布时滞和反应扩散的随机细胞神经网络的稳定性。通过构造Lyapunov泛函,并利用It公式、半鞅收敛定理以及不等式技巧,得到了系统几乎必然指数稳定的充分条件。     

联合机动编队多源信息感知网络价值分析

为了真正认清联合机动编队多源信息感知网络的理论价值,按照复杂网络理论的网络连接方式,定性分析了多源信息感知系统的网络拓扑结构,并应用小世界模型(WS)建立了多源信息感知网络价值增益模型,然后进行了实例仿真分析.研究结论对联合机动编队多源信息感知网络的建设与运用有一定的启示.     

新课改理念下基于网络环境的教师培训的实践探索

在新课程的理念下,对教师在职培训提出了更高的要求,在偏远地区,优质教育资源相对比较匮乏,基于网络的教师培训与传统教师培训相比更有利于教师新课程理念的培养,本研究对新课改理念下基于网络的教师培训的实践探索进行总结分析,期望能对偏远地区开展网络环境教师培训提供一些有益的经验。     

网络中心式空战仿真研究

将网络中心战思想引入空战仿真研究,提出基于复杂适应系统理论的网络中心式空战模型.对网络中心式空战子模型进行设计,使空战单元根据对局部环境的感知所获取的态势信息来调整自身个性,调整规则依据约束变量的设定和决策元规则.通过仿真实验着重考察了具有自适应性的空战单元在空战对抗中的作战表现,实验结果初步验证了其战斗效能优势.     

基于Libpcap网络数据包捕获技术的改进

分析了Linux下基于Libpcap的网络数据包捕获技术机理,指出了影响数据包捕获性能的＂瓶颈＂,通过零拷贝技术、内存映射技术和中断节制机制对其改进,并进行仿真实验。结果表明：改进方法可以显著提高数据包的捕获率。     

对称五元照射的SCM网络设计分析

从需求分析、对称五元照射器组阵设计、单通道单脉冲（Single-Channel Monopulse,SCM）网络设计等几个环节,深入分析了无人值守条件下高动态低仰角跟踪所采用的对称五元照射SCM网络的实现方法。通过与传统3通道天线组阵的比较,阐明了新对称五元照射阵列的优越性;通过与双通道多模馈源和差网络的比较,阐明了新SCM网络的特点;根据校飞试验结果,证明了设计方法的合理性。     

Optimization of steerable sensor network for threat detection

A Markov chain approach to detecting a threat in a given surveillance zone by a network of steerable sensors is presented. The network has a finite number of predetermined states, and transition from one state to another follows a Markov chain. Under the assumption that the threat avoids detection, two game theoretic problems for finding an optimal Markov chain (two surveillance strategies) are formulated: the first maximizes the probability of threat detection for two consecutive detection periods, whereas the second minimizes the average time of detection for the worst‐case threat's trajectory. Both problems are reduced to linear programming, and special techniques are suggested to solve them. For a dynamic environment with moving noise sources, the optimal Markov chain changes at each detection period, and the rate of convergence of the Markov chain to its stationary distribution is analyzed. Both surveillance strategies are tested in numerical experiments and compared one with another. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011     

基于目的地预测的多相似加权目标编群方法

针对目标编群中单一算法存在的适用范围小、误分率高的问题,提出一种新的态势估计中目标编群的处理方法。首先应用Hop fie ld神经网络对态势中目标的目的地做出判断,然后采用多相似性加权策略计算出目标间的相关系数,再根据最大相关系数层次聚类算法实现编群。仿真结果表明方法能在一定程度上减小错误编群的概率,同时适用范围也得到了扩展。