链式数据重组与神经网络在经济预测中的应用

建立经济模型和基于模型对宏观经济进行预测,是经济运行质量评价、仿真、制定发展规划等所必不可少的.针对宏观经济预测的特殊性:样本少、时变性,提出了反向传播(BP)神经网络的链式数据重组训练方法,并用于实际经济预测.和原数据用于预测的结果相比,达到了较高的预测精度.同时,解决了BP神经网络难以确定隐结点数的问题.

混合动态系统状态事件的精确定位方法

为了在分析和仿真混合动态系统时能够精确定位状态事件,避免定位过程中的不连续黏连现象的发生,提出变步长的状态事件定位方法.通过对状态事件条件历史值的拟合,得到预测事件条件的运动趋势,并以此趋势动态地调整数值积分的步长,使得状态事件发生时的连续状态值正好在积分网格上,并将该算法应用于一个整流电路的仿真.分析和仿真结果表明,在给定的误差范围内,对具有非线性事件条件的混合动态系统,该算法能够有效而精确地定位状态事件发生的时刻以及连续状态的值.算法简单易行,适用于控制模态或运动模态需要转换的场合.

混合动态系统的状态事件快速定位

利用两种不同的微分方程数值解法,提出一种快速区间套搜索方法,用于提高自动分析和仿真混合动态系统时状态事件定位的精度,同时避免定位时常出现的"不连续粘连"现象.在所设定的允许误差范围内,能够快速且精确地定位在状态事件.对一个电路系统的分析和仿真结果表明算法的有效性.

一种线性模型的精确转换方法

基于广义范德蒙矩阵的逆矩阵的计算方法,导出线性系统的连续时间模型和离散时间模型在含有重极点时的严格的直接换算关系,其结果可以直接表示为两者的分子多项式系数之间的关系,并且,对不同的调制器具有统一的转换形式.

铍青铜真空时效炉快速升温模型及自适应方法

校青铜真空时效炉是热处理专用设备。对于温度控制，它是非线性系统。按其工艺要求，在到达设定组应前，炉内温度必须尽可能快速上升，但不允许出现超调现象。设备还要求控制方法能自动适应显著不同的初恋和不同的装炉量。本文给出了用于快速升温的数学模型和自适应控制方法，较好地满足了工艺和设备的要求。该模型和控制方法可用于解决类似问题。