冬日里的美丽

初冬季节,我走在田野的小径上,抬起头看看灰蒙蒙阴沉沉呆滞的天空,望一望无边的、裸露在风中已变灰的土地,我的心也变得阴沉起来。我本是打算出去散散步,欣赏与聆听大自然的美丽。田野里春天嫩绿的春芽,夏天绿油油的麦苗,秋天无垠的金黄,都能让我的心情开阔明朗,人也仿     

基于灰色系统理论的火灾事故预测方法

简要叙述应用灰色系统理论进行火灾事故预测的理论和方法 ,建立了火灾事故预测的GM (1,1)模型 ,并用该模型对火灾事故进行预测。     

基于通用特性的武器系统研制方案优选方法

针对以往武器系统研制方案评价中只重视作战性能和费用的不足，建立了武器系统通用特性的评价指标，并运用灰色关联分析法进行方案评价和优选；在分析经典灰色关联分析法缺陷的基础上，提出一种新的基于欧式距离的权重确定方法对其加以改进，避免了主观因素的影响，使评价结果更加客观、准确；最后通过国防装备研制项目评价实践中的一个实例介绍了该方法的具体应用，并验证了方法的可行性和有效性。     

利用灰色理论与时间序列探讨我国物价指数的发展变化

本文根据装备建设的需要,对物价指数的变化进行了研究,首先依据原始数据利用灰色理论建立预测模型,在分析模型精度基础上,提出了灰色时间序列模型,使模型精度得到提高。并根据我国物价指数变化的特点,进一步建立了上包络线模型．使本文更具实际意义。     

基于灰色时序的完整性规范技术

计算机系统的完整性安全策略模型与规范问题，是计算机安全研究中最重要的课题之一。已有的研究结果离实际应用还相差太远，例如Ｃｌａｒｋ－Ｗｉｌｓｏｎ完整性模型只是提出了一个框架。本文呈现了我们构造的形式化灰色时序安全策略规范语言（ＧＴＳＬ）。ＧＴＳＬ的理论基础是灰色系统理论和时序规范语言ＬＯ－ＴＯＳ理论。由于它在完整性规范能力、完整性验证过程的构造与表示、责任分离合理性测试等一系列技术方面的完善与创新，使得ＧＴＳＬ成为真正能够实际使用的完整性安全策略规范语言。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

基于SC-BP的设备故障预警研究

为实现对火炮系统健康状态监测和故障预警,满足从“故障修”向“状态修”转变的发展需求,采用拟合模型算法,建立设备标准化电流优化BP神经网络预测模型（SC-BP）,分析运行数据的内在逻辑和相关性,设计设备正常运行状态下的数据参数库,并与实时采集的设备状态数据进行比较,根据拟合优度进行辨识,通过比较设备实时数据与历史正常数据之间的相似关系来判断设备状态,并显示故障关联信息,为工作人员分析故障原因提供了参考,并对算例进行了分析验证。研究结果表明,该故障预警方法能够辨识设备性能异常状况,使维护人员能够在设备故障形成早期发现征兆,提前采取措施以避免设备故障的发生。