基于危险天气不确定性的最小风险路径规划方法

为降低飞行过程中遭遇危险天气的概率,同时避免大范围绕飞导致的路径与耗油增加,针对航路中的雷暴、积冰和颠簸天气,使用数值预报和概率预报,面向航前飞行计划,提出一种基于危险天气不确定性的最小风险路径规划方法.首先,基于概率预报数据使用配料法和C-F模型计算雷暴发生概率,基于数值预报数据计算积冰预测指数和颠簸预测指数;然后,融合多类型危险天气,提出一种具备风险标识的栅格化地图;在此基础上,改进传统路径最短的规划算法,构建以风险最小化为目标的Dijkstra和A^(*)算法;最后,使用2023年4月3日华中地区强对流天气预测数据建立风险地图,使用上述改进算法与传统Dijkstra、A^(*)和RRT算法进行路径规划并对比分析.结果表明,传统Dijkstra和A^(*)算法可计算得到最短飞行路径,而改进的A^(*)算法可计算得到总风险最小路径;若综合考虑飞行风险与路径长度,改进的Dijkstra算法最为适合.

基于模糊网络与TOPSIS的备件品种确定方法

舰船携行备件品种确定过程是一种典型的多属性决策问题,针对其属性评估时面临的复杂性与模糊性、评估过程透明性不足的问题,提出了一种集成模糊网络与熵权法来扩展TOPSIS的方法。该方法以语言值Z-numbers作为评估值表示形式,分别构造了效益和成本属性下的模糊网络子系统,将合并子系统规则的模糊隶属度函数作为聚合模糊隶属度函数,通过案例计算得到Spearman rho相关系数值。结果表明:模糊网络的应用提高了决策过程的透明性,熵权法的应用提高了属性权重确定过程中的客观性,证明了该方法较其他经典方法具有更高的准确性。

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。

空地数据实时传输下的飞机着陆风险预警方法

面向未来5G和卫星网构成的空地高通量互联场景,为实现飞机着陆风险提前预警.首先基于统计与模型,建立了一套以多源运行实时数据为主,融合历史统计和专家知识的着陆预警体系;然后,针对现有研究计算结果滞后问题,先通过对ARJ21飞机着陆过程快速存取记录器(QAR)数据的聚类分析,将飞行员着陆操作模式分为4类,进而构建基于决策场理论的飞行员着陆操作模式预测模型,计算并讨论不同场景下、不同个性飞行员的着陆模式选择;在上述基础上,针对着陆过程的复杂性和不确定性,提出一种分层计算的置信规则库推理方法,融合定性与定量信息实现着陆动态风险评估和预警.最后,通过对“2020.10.16攀枝花跑道外接地事件”和“2010.8.2伊春空难”着陆过程的风险推理验证了预警方法的有效性,其中攀枝花事件提前预警时间可达13 s.

基于IOWA算子的赤潮LMBP神经网络组合预测模型

针对现有赤潮单项预测模型不能综合各种理化因子有效信息的问题,提出了一种赤潮组合预测模型,该模型基于诱导有序加权平均(IOWA)算子与Levenberg-Marquardt人工神经网络(LMBP)算法,能够有效集结各种理化因子的信息,其预测精度比单项LMBP神经网络预测模型有较大提高.采用烟台四十里湾赤潮监测数据对该模型进行实验,结果验证了该模型的有效性和实用性.

基于改进MOPSO的多级系统备件配置优化研究

备件是装备保障的重要物质基础,合理规划备件的配置方案是提高装备保障效能的关键。针对多级保障系统备件配置优化的高维、非线性问题,构建了以备件保障度最大、保障费用最小为目标函数,以其他准则为约束条件的优化配置模型。面向优化模型求解的难题,在传统粒子群算法的基础上,提出了一种改进的粒子群求解算法,给出了该算法的设计思路和优化流程,采用基于准则的方法以及改进惯性权重等措施,以两个目标作为引导,在备件配置方案生成时可以避免长时间的无效搜索,提高了粒子群优化算法的求解效率,最后通过算例证明该方法的可行性和有效性。

基于顾客满意度感知要素的需求预测模型

随着顾客主导型市场的发展,顾客满意度对未来市场需求的影响日益显著,为提高需求预测的准确性,构建了考虑顾客感知要素的多变量灰色组合需求预测模型。引入改进的灰色关联分析方法对与需求变化有关的质量、性能、服务等顾客感知要素的重要度进行分析。对由单变量灰色模型的派生形式GM(1,1,x^((0)))得到的各自变量因子的初始预测值进行加权Markov模型修正,以确定多变量灰色模型的派生形式GM(1,N,x^((0)))的输入量,预测未来需求趋势。以某企业发动机产品的需求预测为例,证明了该方法的适用性和有效性。

基于对角Elman神经网络的失业预测模型

本文通过对角 Elman神经网络来挖掘我国失业规律 ,建立失业模型 ,并预测我国的失业形势 .结果表明 。

基于可靠性分析与状态监测的钻井泵剩余工作寿命预测

在对大量同类钻井泵的大修间隔时间数据进行概率统计分析的基础上,求得与钻井泵的运行可靠度相关的特征参数,在宏观上提供钻井泵寿命预测的依据。动力端中情况最差的轴承的寿命可代表钻井泵的寿命,所以将状态监测所得的经优选的各域振动信息作为神经网络系统的模糊输入向量,通过径向基神经网络求出轴承的故障隶属度,作为轴承理论寿命计算公式的修正系数,由此解决钻井泵剩余工作寿命的预测问题,进而获得钻井泵剩余工作寿命。实际预测结果证明了预测方法的科学性和合理性。

基于径向基函数网络的能源消费量预测模型

采用径向基函数（RBF）神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型.以我国1978～1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998～2002年的实际数据检验网络,预测精度较高.并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型.

电力经济环境负荷调度的模糊多目标模型

电力经济与环境负荷调度(Environmental/Economic Power Dispatch,EED)已成为当前经济与环境和谐发展下电力系统需考虑的问题。针对EED问题中以发电单元实际发电量作为决策变量的非线性燃料成本函数和微粒排放函数,引入模糊集方法构造发电单元实际发电量的模糊变量,以贴近电力系统中发电单元发电量的特点,使得EED问题的模糊化多目标模型更贴近实际,并采用一种改进遗传算法来找出EED问题模糊化多目标模型的优化方案。最后采用一个3发电单元的测试系统进行仿真并与其他方法进行对比,结果证明采用本文模型和方法得到的系统负荷调度方案在系统经济成本与微粒排放量上有明显的改善。

基于SES的不常用备件需求预测模型

在目前引进装备的需求预测中,针对历史数据较少和样本值具有大量零值的问题,采用一次指数平滑法(Single Exponential Smoothing,SES)进行不常用备件需求预测。分析指数平滑法初始值和加权系数对模型预测准确性的影响,建立舰艇间断性需求备件的预测模型,并对某型舰艇备件进行预测和分析,较好地实现了间断性需求备件的预测。仿真结果证明了该方法的可行性和有效性。

信用转移矩阵预测模型的比较分析

对当前国际上几种主要的信用转移矩阵估计方法中所采用的预测模型进行了系统的分析,指出这些方法在模型构建中存在的一些共性问题,并通过进一步讨论,发现传统的结构建模方法是导致这些问题的关键·为此,提出了将动态建模理论引入转移矩阵预测模型的建模框架,并从理论上说明了这种建模途径能使所构建的转移矩阵预测模型具有更为可靠的理论依据,从而改善预测模型的有效性·

基于多变量混沌时间序列的航班运行风险预测模型

为了提升航班运行风险预测精度,基于某航空公司2016—2018年航班运行风险数据,在验证15个风险时间序列的混沌特性后,构建基于多变量混沌时间序列的风险预测模型.首先,对15个风险时间序列进行多变量相空间重构,采用主成分分析法(PCA)对相空间进行降维处理;然后,基于迭代预测的方式,分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型;最后,以降维后的相空间作为输入,计算并比较分析未来1~7 d的风险预测结果.结果表明:多变量相空间重构后总维数为62维,经PCA降维处理,降至31维;在不同的预测模型中,降维后RBF模型预测效果最佳;其中,预测第1天结果相对误差<25%出现频数为82.62%,至第5天仍达75%以上;该模型第1天预测结果的修正平均绝对百分比误差(MAPE)值为11.32%,且前5 d均低于20%,满足航空公司使用要求.1~5 d预测结果对航班风险管控具有实践操作价值,证明基于多变量混沌时间序列的风险预测方案可行、有效.

构建数字矿山存在的问题与对策

随着信息时代的到来,矿山企业信息化势在必行。同时,数字矿山的构建也必将成为实现 矿山企业高产、高效、安全开采的有效途径。本文从三个方面论述了构建数字矿山过程中存在的问题, 并提出了相应的解决这些问题的对策和具体措施。

基于自回归神经网络的钼铁价格预测分析

钼铁在工具钢生产企业的原料采购成本中占比20%,其价格的大幅波动给相关企业的生产和经营的稳定性造成了巨大影响。研究钼铁价格波动的规律,对于指导钼铁采购企业制定合适的采购方案、降低采购成本、保证生产经营的稳定性具有举足轻重的作用。通过对钼铁市场信息及钼铁价格影响因子进行分析,根据钼铁价格波动的特点,引入自回归神经网络,建立了适合下游企业钼铁月度价格预测模型和日价格预测模型,证明了自回归神经网络在钼铁价格预测方面的适用性,拓展了钼铁价格预测的思路。

基于FCM的小波神经网络模型在径流预测中的应用

针对径流变化存在的季节性差异,提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集与观测值之间的局部预测模型,文中采用网络模型分类识别器,可自动搜寻相适应的局部网络模型进行预测.以西南某水库2006年日平均入库来流的计算实例对简单小波神经网络预测模型和文中所建的融合模型进行了比较.

BP神经网络非线性组合预测模型在海洋冰情预测中的应用

针对海洋冰情灾害的非线性复杂问题,目前已提出了多种模型对其进行预测。在此基础上,根据神经网络的非线性和良好的函数逼近特性,提出用基于BP神经网络的非线性组合预测(NN-NLCF)模型来预测海洋冰情灾害。结果表明,NN-NLCF模型与海洋冰情的非线性特性相契合,它综合利用了参与组合的多种预测模型的有效信息,因而能更客观地反映海洋冰情的发展趋势,预测结果更为稳健、精度更高,在其它自然灾害时序预测中具有一定的推广应用价值。

分形插值预测模型的构建及应用

文章根据长江大通站月平均径流量数据资料,首先运用重标极差(R/S)分析方法揭示了径流复杂的非线性特性下隐藏的持续性特征,并计算出其分形维数,证明该径流量时间序列具有分形特性。据此,利用历史数据建立了具有外推功能的迭代函数系统(IFS),其中对垂直尺度因子的求取采用了能兼顾数据局部细节和待插值对象整体特征的方法。然后通过筛选不同的数据长度建立了新陈代谢分形插值预测模型对径流量进行预测。最后通过实例验证表明,该预测模型能够满足预测的精度要求。

基于NARX神经网络与ARMA的汇率混合预测模型

汇率时间序列是一个动态复杂系统,单独的线性回归模型或者非线性神经网络都不能很好地反映系统的特征。文章将汇率时间序列分解成线性序列和非线性序列两部分,并分别用ARMA和NARX神经网络进行建模;最后组合成NARX-ARMA汇率混合预测模型。结果证明,相比其他汇率预测模型,NARX-ARMA混合模型有更好的预测效果。