异步马尔科夫跳变系统的分布式融合估计

对带有相关噪声的多传感器异步马尔科夫跳变系统,提出了线性最小方差意义下的按矩阵加权分布式融合估计算法。系统中不同传感器间测量噪声相关,并与系统噪声同时刻相关,同时不同传感器以不同的采样速率均匀采集观测数据。在状态更新点利用伪观测法,并引入Dirac函数,通过状态增广,将异步马尔科夫跳变系统转化为状态更新点的单速率系统。进而利用Kalman滤波理论,提出了线性最小方差意义下的最优局部状态滤波器、系统噪声估值器和两传感器间的估计误差互协方差矩阵,提出了多传感器按矩阵加权分布式最优融合估值器。通过跟踪系统数值仿真实例,进一步验证了所提算法的有效性。

多速率马尔科夫跳变系统的序贯融合估计

对带噪声相关的马尔科夫跳变系统,提出了在多传感器多速率均匀采样情形下的序贯融合估计算法。系统中状态均匀更新,不同传感器以状态更新周期的正整数倍进行观测采样,同时不同传感器间的观测噪声不仅同时刻相关,而且与过程噪声相关。根据状态更新点处的传感器观测采样情况,建立状态更新点的单速率状态空间模型。对转化后的单速率马尔科夫跳变系统状态进行扩维,进而将对原系统状态的估计等价地转化为对扩维后状态的估计,在此基础上,提出了在线性最小方差(Lineor minimum variance sense,LMSE)意义下的最优集中式融合估计算法和最优序贯融合估计算法。所提出的序贯融合估计算法通过对传感器观测数据的实时处理,可获得状态的实时融合估值。同时证明了集中式融合估计和序贯融合估计的等价性。仿真实验进一步验证了所提算法的有效性。

创设语篇语境优化词汇教学

词汇是语言学习的基础,词汇的学习直接影响着英语学习的进程。而目前的词汇教学状况不容乐观,学生普遍认为词汇学习枯燥,词汇记忆困难,无法正确运用词汇。本文尝试借助语篇语境理论,通过合理利用语境确定词义、记忆词汇、语用词汇,进而提高小学英语的词汇教学效果。

受限空间内细水雾灭火有效性实验研究

主要研究了在不同雾场强度分布条件下细水雾灭火有效性,通过集水法测量细水雾喷头在不同压力下雾场强度分布情况,并根据其雾场强度不同,在3m×3m×2.8m标准实验间内设定不同的火源位置,进行灭火有效性实验。实验表明,在受限空间内,细水雾灭火的临界雾场强度值会减小,但是同开放空间中的实验类似,雾场强度低于临界值时,难以熄灭火焰,同时会造成火焰强化。文中为细水雾系统在实际工程案例中提供一定的依据。

基于气象因子的黑龙江黑河林火发生概率预测

基于Logistic回归模型分析黑龙江黑河地区林火发生与气象因子间的关系,确定影响林火发生主要气象因子并建立林火发生概率预测模型。以1981—2015年黑河地区日历史林火数据和日气象数据为基础,随机划分80%的建模数据和20%的校验数据。使用R软件,通过Logistic逐步回归建立5组中间模型并筛选出显著气象因子(P<0.05)。运用Logistic回归模型建立全样本林火发生概率预测模型,分析主要气象因子。结果表明:日最大风速、日最高气温、日平均相对湿度、日平均水汽压和日降水量是影响林火发生的主要显著气象因子(P<0.05),其中日最大风速和日最高气温与林火发生呈正相关,日平均相对湿度、日平均水汽压和日降水量与林火发生呈负相关;基于Logistic回归的各样本模型预测准确率为82.83%~86.12%,受试者工作特征(ROC)曲线的线下面积(AUC)值在0.884~0.920之间,模型具有较高的预测准确率和拟合度,适用于该地区基于气象因子的林火发生概率预测。

谈建筑火灾安全的监控系统

在现代化的大型和高层建筑中,失火因素多,火灾危险性大,抢救困难大,而且人员密集,安全疏散也出现前所未有的困难,因此统一的火灾安全控制系统越来越受到人们的重视。

带衰减观测多速率连续系统的分布式融合估计

针对多速率连续系统,考虑不同传感器多速率采样和数据传输过程中造成的衰减观测现象,本文提出了多传感器的状态融合估计算法。将连续系统在状态估计更新时刻进行离散化,进而采用提升技术,通过状态增广,建立观测采样点的状态空间模型。利用射影理论,基于建立的观测采样点的状态空间模型,提出单传感器局部最优状态估值器。采用按矩阵加权分布式次优融合估计算法,提出多传感器融合估值器。对车辆悬挂系统和飞行器发动机系统算例进行仿真分析,验证所提估计算法的有效性。

精细化城市部件管理系统的设计与实现

数字城市部件管理系统是进行智慧城市建设的重要环节,在新技术不断发展的形势下,构建精细化的城市部件管理系统极其重要。文中以ArcGIS Engine二次开发技术为开发背景,对数字化城市部件管理系统的设计与实现进行了相关的研究以及可行性分析。

基于RTK的遗传神经网络对林区定位精度的研究

近年来,随着GPS定位技术的快速高效的发展,已广泛应用于森林资源的调查。然而,因受到林区的地形、水面、气候、林带等多方面因素的影响,造成林业资源GPS定位手段精度相对较低的问题,引起了测绘工作者的广泛关注。根据这一现象,本文重新设计了神经网络和遗传因子,建立了基于遗传神经网络与RTK相结合的林区定位方法。通过进行仿真实验并将结果进行对比,得出本文所提出的差分定位相对中精度比单纯RTK-GPS差分精度高一个数量级,达到亚米级,已达到了林区测绘的定位精度要求。

一类非均匀采样系统的最优状态滤波器

研究了一类非均匀采样离散随机系统的最优滤波问题,其中系统状态以快速率均匀进行更新,观测以慢速率非均匀进行采样,且状态更新率为观测采样率的整数倍.建立了在观测采样点上的非增广的状态模型.应用射影理论提出了在观测采样点上的线性最小方差最优状态滤波器.进而,基于观测采样点上的状态估值,提出了在状态更新点上的状态滤波器.最后,分析了所提出的滤波器的渐近稳定性和稳态性能.仿真研究验证了算法的有效性.

我国林火发生预测模型研究进展

通过文献回顾,总结了国内林火发生预测模型的研究现状,并从林火发生驱动因子、林火发生概率预测模型、林火发生频次预测模型和模型检验方法等方面进行归纳分析。得出以下结论:1)气象、地形、植被、可燃物、人类活动等因素是影响林火发生及模型预测精度的主要驱动因子;2)林火发生概率模型中,地理加权逻辑斯蒂回归模型考虑了变量之间的空间相关性,Gompit回归模型适宜非对称结构的林火数据,随机森林模型不需要多重共线性检验,在避免过度拟合的同时提高了预测精度,是林火发生概率预测模型的优选方法之一;3)林火发生频次模型中,负二项回归模型更适合对过度离散数据进行模拟,零膨胀模型和栅栏模型可以处理林火数据中包含大量零值的问题;4)ROC检验、AIC检验、似然比检验和Wald检验方法是林火概率和频次模型的常用检验方法。林火发生预测模型研究仍是我国当前林火管理工作的重点,预测模型的选择需要依据不同地区林火数据特点。此外,构建林火预测模型时需要考虑更多的影响因素,以提高模型预测精度;未来,需要进一步探索其他数学模型在林火发生预测中的应用,不断提高林火发生预测模型的准确度。

语篇视角下的小学英语词汇教学实践

词汇是语言的基本组成单位,是语言活动的基础。本文通过巧用语篇话题,复习激活关联词汇;创设语篇语境,整体感知理解新词汇;设计语篇支架,结构化运用新词汇等教学实践,以期解决词汇教学中存在的问题,进而提高小学英语词汇教与学的效果。