EEMD+BiGRU组合模型在短时交通流量预测中的应用

针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的组合交通流量预测模型,有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解,根据分解所得的本征模函数(intrinsic mode function,IMF)分量绘制噪声能量图谱,去除分量中的噪声,并将去噪后的IMF分量作为BiGRU网络的输入进行训练,再将训练所得的结果进行重构加和,得到最终的预测结果。实验结果表明,未舍弃含有噪声的IMF分量进行重构的预测结果,相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型,其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果,其平均绝对百分误差相比于将全部IMF分量进行重构优化了56.62%。     

基于退化量分布的某型电连接器寿命预测方法

使用基于退化量分布的方法对某型电连接器进行了寿命预测,得到了其可靠度曲线并预测出其平均寿命为398 895 h。通过对各加速应力水平下所有样品的退化量进行拟合优度检验,得出退化量在各测量时刻最优服从正态分布,进而确定了退化量均值、方差与温度应力之间的关系。为了提高估计精度,使用极大似然法进行整体统计推断获取未知参数的估计值,并基于参数值与温度的关系外推出样品在工作温度下的可靠度函数。通过可靠度曲线的比较,获知样品寿命较好地服从对数正态分布,并基于此进行了平均寿命预测。     

基于灰色理论的设备状态趋势预测建模及应用研究

主要研究了利用灰色理论对设备状态进行预测的步骤和方法,通过对设备运行的关键参数进行建模,可以有效地预测设备状态的发展趋势,并分别以降温和保温阶段的轴承供气压力为例对该预测模型进行了验证,通过Matlab对采集的历史数据进行计算,结果表明该预测方法具有数据量少、计算简单、预测准确的特点,在该试验设备的运行状态趋势预测是可行的.     

基于SD的战时装备维修器材消耗预测模型

从影响战时装备维修器材消耗的主要因素入手,基于系统动力学方法构建了战时装备维修器材消耗的SD模型。通过对模型的运行与仿真得到了装备维修器材的消耗数据,验证了模型的适用性和方法的可行性,为科学预测战时装备维修器材消耗、做好维修器材保障工作提供了新的方法指导。     

基于模糊隶属函数的一类灰色关联度问题研究

针对系统特征序列与相关因素序列中数据不确定或存在区间取值的问题,基于模糊隶属函数提出了一种解决灰色关联分析中关联度确定的方法,并以实例说明了该方法的合理性.     

基于灰色Verhulst优化模型的电子装备故障预测方法

针对平均故障工作时间数据样本量少的特点,提出利用灰色Verhulst模型预测电子装备故障;又针对灰色Verhulst模型存在预测精度不高的问题,研究了灰色Verhulst模型参数的优化方法。通过实际试验数据对2个模型进行了仿真验证,并基于灰色关联度对2个模型的模拟预测精度进行了比较分析,结果表明：基于灰色Verhulst优化模型适合于电子装备故障预测,并具有较高的拟合预测精度。     

基于灰色理论的电子系统状态预测方法

电子系统的状态预测是利用其历史信息来实现系统未来状态和趋势的估计,以防止灾难性故障的发生,对于推动视情维修具有重要意义。针对典型模拟滤波电路,通过分析其关键测试信号的特点,研究了基于灰色理论的状态预测方法,并针对该预测模型的不足,设计粒子群算法选择最佳预测维数,设计新陈代谢法使该模型参数在线改变,从而建立符合电子系统信号特点的灰色预测模型。将该模型与ARAM模型比较,实验结果验证了该模型具有较好的状态预测精度和预测性能。     

空中目标威胁评估技术

对空中目标进行威胁评估是防空C3I数据融合系统中非常重要的一个模块,威胁评估准确程度将对防空作战的结局产生重大影响。文中首先构建了威胁评估的指标体系,基于模糊隶属函数对各指标进行了量化处理。然后在分析威胁隶属度构成的向量满足比较序列的前提下,应用灰色关联度分析对空中目标进行威胁评估与排序。最后给出了一个实例,得到的结果与专家群体评议后的结果完全一致。     

基于模糊灰色理论的数据链系统作战效能评估

数据链系统作战效能的评估研究,对信息系统的战斗力形成和提高有着重要意义。基于灰色理论和模糊数学提出了一种新的数据链系统作战效能评估模型,这种模型融合了层次分析法、灰色聚类分析、模糊综合评价,避免了使用单一模糊数学方法的不合理之处,为全面评估数据链系统作战效能提供了全新的方法。     

面向装备作战的弹药消耗智能预测方法

针对装备作战仿真环境下,弹药消耗预测计算时间长、实时仿真速度慢的问题,以战役战术火力毁伤弹药需求预测计算方法为主线,以人工神经网络为技术支持,提出了智能化的弹药消耗预测方法。通过遗传算法对网络连接权值的训练及优化,以及误差目标函数的改进与隐含层神经元数目的智能选取,提高弹药消耗预测的实时仿真速度,为下一步的弹药消耗预测研究提供了理论参考与方法支持。