长记忆向量时间序列的非线性协整关系研究

系统地描述了向量时间序列之间协整关系产生的原因 ,指出系统内部存在长期均衡机制和吸引子是协整关系存在的根本所在 .在线性协整基础上 ,对系统内部存在的非线性协整关系进行了深入分析 ,给出了长记忆非线性向量时间序列中存在的非线性协整关系定义 .在协整关系研究中 ,引入了分形理论 ,从不同的角度解释了非线性时间序列协整关系及其长记忆性存在的原因 ,指出协整吸引子分形结构反映了系统的长期均衡的耗散能和吸引力 。

基于向量时间的因果序通信协议的研究与设计

对于一个由多个成员组成的分布式应用如 CSCW、副本数据库应用等来说 ,一个成员为了完成其所承担的任务 ,通常不仅要给其它成员发送组播消息 ,而且还要给某个或某些成员发送单播消息 ,并且这些消息形成了一种相互依赖的因果序关系 .为了有效地支持成员之间的交互及分布式应用的开发 ,提出了一个新的基于向量时间的因果序单播、组播混合通信协议—— CR UMcast协议 .该协议允许组成员既可以发送组播消息 ,又可以发送单播消息 ,并且保证按它们之间的因果优先顺序进行传递 .

基于向量时间序列预测小波神经网络的控制参数在线整定方法的尝试研究

针对控制系统参数在线整定(自适应自优化)方法在工程应用中存在的稳定性和性能指标欠佳与进一步智能化问题,首先提出结合小波分析、BP、RBF神经网络优点和自适应机制构造了自适应小波神经网络方法 (AWNN),进而提出将AWNN结合经典控制方法构成的AWNN-PID方法,最终提出了采用自回归移动平均向量时间序列算法预测输出替代控制系统实时输出,从而构成基于向量时间序列预测自适应小波神经网络的控制参数在线整定方法 (VARMA-WNN-PID);进而选择工程应用中最为常见的多阶延迟被控对象,对BPNN-PID、RBF-PID与该研究提出的AWNN-PID、VARMA-WNN-PID等4种方法进行计算机仿真对比实验(结合针对神经网络学习效率、惯性系数和预测算法阶数、步长的对比试验),验证了新方法具有可行性、工程应用可靠性、更好的快速性、更低的静差和更灵活的控制参数调整能力。

向量金融时间序列协整与协同持续关系——基于理论的思考

本文在协整和协同持续基本理论的基础上,继续考虑金融时间序列协整与协同持续的关系,在揭示时间序列内部稳定关系的研究上作一些新的尝试。提出具有波动持续性的向量金融时间序列,若各分量均为一阶单整且各分量间存在线性协整关系,则其一定存在线性协同持续关系,并且协同持续向量即为协整向量。从而揭示了协整与协同持续之间的数量经济关系,加深了我们对许多金融时间序列非平稳性和波动随时间变化这两个基本性质的理解。同时这一研究也展示了金融时间序列一阶矩和二阶矩之间的内在联系,有利于深刻理解向量金融时间序列在各阶矩意义上的内在均衡关系。

房室传导阻滞的时间心向量图诊断

近年来,按时间顺序连续直接描记多个心动周期的时间心向量图(timed rectorcardiogram,TVCG)的方法已经研制成功,并能快速、自动打印图形,使心向量图结束了它不能涉足心律失常诊断的历史。我们曾报道了其正常图形、方位识别、标志点及时间检测指示。现报道各种类型房室传导阻滞的时间心向量的图形及诊断。材料与方法1

时间和连续心向量图的临床应用

介绍时间和连续心向量图的图形、标志和识别，并通过８００例临床检测结果证明其诊断心律失常的准确性不亚于心电图，且可对Ｐ、ＱＲＳ、Ｔ环的瞬间向量图改变作出诊断。

基于时间向量的多工序加工系统工艺路线重组建模与优化

为增强工艺知识的重用性,提高工艺规划的柔性和动态适应性,提出基于时间向量和矩阵的多工序加工系统工艺路线重组建模与优化方法。通过分析多工序的共同作用因素及工序间复杂的耦合关系,构建了基于简单插入操作的惩罚时间矩阵、换刀时间向量、定位时间向量、装夹时间向量、旋转时间向量和加工时间矩阵。在此基础上,以非切削加工时间和空闲时间最小为目标,建立了多工序加工系统工艺路线重组模型,设计了工艺路线整数线性优化重组算法。通过汽车发动机缸盖加工工艺优化重组,验证了该模型和优化算法的有效性。

时间心向量图和连续心向量图的临床应用

时间心向量图和连续心向量图的临床应用王云翔罗北捷佟万仁舒筑和易周（解放军三零四医院心内科北京１０００３７）关键词心电向量描记术长期以来，心向量图主要用于心肌梗塞、束支或分支传导阻滞、心室肥厚、心室预激等疾病的诊断，而不能涉足心律失常，其主要原因是以往...

时间序列预测小波神经网络在线整定控制（英文）

为提升现有的BP与RBF神经网络控制参数在线整定系统的自适应能力、动态与稳态性能,该研究提出了,提升BPNN-PID和RBFNN-PID算法和系统的智能特性,提出并改进了WNN-PID方法;提升上述算法的响应速度并降低稳态误差,提出并改进了VARMA-WNN-PID方法这两项改进工作。通过理论分析和计算机方针对比研究,证实了提出和改进的方法具有一些特性提升。

时间和连续心向量图对心律失常的诊断

由于计算机技术的应用,给心向量图(VCG)检查系统带来了新的生机。使VCG能按每个心动周期心电活动的时间顺序连续描记的时间心向量图(T-VCG)和连续多个心动周期的连续心向量图(C-VCG),从而一改长期以来VCG只局限于房室肥大、心肌梗塞、束支阻滞等的诊断而不能涉足于心律失常领域的弱点,使VCG诊断心律失常成为可能。我院近两年来,使用时间和连续心向量图与心电图(ECG)同步记录,共检查1320人次。结果表明,时间和连续心向量图心律失常的检出率与ECG一致,且有些时间,前者较后者更优。

基于出力模式匹配的风电集群点多时间尺度功率预测

风电集群点出力预测是提高大规模风电接入条件下电力系统运行安全性和经济性的有效手段。针对风电集群点出力的模式性,利用元组向量表示其变化趋势,通过元组向量时间扭曲法对当前出力模式在历史出力模式库中进行匹配,以时间偏移量、时间压缩率、幅值压缩率3个修正参数表征相似出力模式的差异性,结合匹配结果对风电集群点出力进行预测。实际应用结果表明,该方法可以取得较为理想的效果,参数修正能够提高预测精度,使预测结果更加合理。

动态多源时间认知推荐算法研究

一个好的推荐算法在如今的智能Web应用中变得十分重要。给出一种具有时间认知的推荐算法。传统的推荐算法通常不加选择地使用早期和近期的评价,随着时间的推移而忽略了用户兴趣的变化,且用户的兴趣在短期的时间间隔内保持稳定但在长期间隔内是有所改变的。在已有的协同过滤推荐算法基础上加入了时间向量因子用来激励近期记录或减弱早期记录,以达到更有效分类相似兴趣的用户的目的。结果表明应用该方法能有效提高在智能Web中推荐的准确率及效率。

心向量图与心电图的Q—T间期离散度比较分析

目的应用心向量图和12导联心电图对比分析Q—T间期离散度（Q—Td）。方法使用Metronics心电工作站分别对确诊的心肌梗死组100例（其中心电图ST—T正常和异常者各50例）、正常组100例、对照组50例（心电图ST—T均异常）行同步12导联心电图（D1）、心向量图（正交心电图，D2）和时间心向量图（D3）检测，并测定和比较Q—Td。结果心肌梗死组中ST-T异常者D1（27．49±25．32）ms，明显大于D2（7．35±13．01）ms和D3（1．56±4．08）ms（均P〈0．01）：正常组D1（15．72±15-71）ms，明显大于D2（1．22±4．7）ms、D3（1．60±4．92）ms（均P〈0．01）；对照组D1（46．37±23．80）ms，亦明显大于D2（16．88±20．56）ms和D3f4．334-9，47）ms（均P〈0．01）。心肌梗死组无ST-T改变者D2、D3与对照组比较，差异无统计学意义（均P〉0．05）。而D1则有统计学意义（P〈0．05）。结论测量方法可影响Q-Td的大小，12导联心电图Q—Td的增大与ST—T改变有关。

向量自回归模型在下击暴流风速场模拟中的应用研究

下击暴流是雷暴天气中沿地面传播的一种极具突发性和破坏性的一种强风,对建筑结构的破坏性极强,因此建立准确可靠的下击暴流风速模型对于研究建筑结构在下击暴流作用下的动力响应并减少灾害发生是至关重要的。本文采用随时间变化的向量自回归模型(简称TVAR模型)建立下击暴流的风速模型。采用基函数方法识别TVAR模型参数,即将TVAR模型参数表示为加权时间函数的线性组合。联合使用正向估计和后向估计器估计TVAR模型中的随时间变化参数,计算得到下击暴流随时间变化功率谱密度。模拟得到了下击暴流风速、功率谱密度、相干函数等重要参数。结果表明本文提出的TVAR模型可以准确模拟下击暴流风速场,且计算效率得到了进一步提高。本文提出的TVAR模型为准确进行下击暴流模拟或建立经验模型提供了可靠的方法。

基于LSTM神经网络机车调度剩余时间预测

矿山机车调度的数字孪生系统构建是智慧矿山建设的一项重要研究内容,为实现矿山机车调度数字孪生系统的实时预测分析,将预测型监控管理的剩余时间预测作为研究目标。从井下机车调度系统的数字孪生系统的背景出发,以矿山机车的智能传感技术实时采集的机车运行过程数据为基础,通过对事件日志中不同类型的机车轨迹进行划分,构建剩余时间向量,并使用对时序数据有较高准确性的LSTM神经网络进行预测,实现机车调度剩余时间的精准预测。同时,根据划分的机车轨迹创建滑动窗口矩阵,在机车运行过程中不断迭代更新,使用已训练的LSTM神经网络模型对滑动窗口矩阵的剩余时间向量进行预测,实现不同类型机车调度剩余时间预测的实时更新。通过实验证明了方法的有效性。提出的方法可以有效地解决不同机车类型在不同活动下的机车调度剩余时间实时预测问题,为矿山数字孪生下的机车大数据分析与决策提供数据支持。

基于时空向量的新卫城博物馆建筑解析

和所有现代城市一样,希腊共和国首都雅典也面临着传统与发展之间的权衡。雅典卫城所代表的是希腊古典时期文化艺术巅峰,面对沉睡的过去,伯纳德·屈米设计的新卫城博物馆试图与历史发生关联。向量是具有大小和方向的量,文章从时间向量和空间向量两个角度分析新卫城博物馆与雅典卫城旧址的碰撞,阐述历史与未来的融合与交流,解析21世纪博物馆设计的先锋之作。

预测小波神经网络智能控制系统仿真研究

针对高危险高污染环境中控制系统参数在线整定和优化的需求,提出了一种结合向量时间序列预测方法和小波神经网络方法的控制参数在线整定智能控制系统,即通过增设小波神经网络作为控制系统的智能整定机制和自回归移动平均向量时间序列算法预测输出替代根据实时输出进行计算。采用理论分析和对多个方法进行计算机仿真对比实验等方式,验证了上述方法和智能控制系统具有可行性、工程应用稳定性、更好的快速性、更低的稳态误差等特性,给出了稳定性保证方法。

复杂系统的变结构分析

传统的变结构研究方法都是建立在模型基础上的 ,变结构分析主要集中在系统运行模型中参数的变化或变量的增减问题上 .这种传统的分析方法只限于人们对未知系统的模型结构有一个大致的了解 ,在一系列先验假设的条件下才能进行 .但是在系统建模之前 ,人们很难预先知道系统的运行的模型形式 .,对复杂系统而言 ,传统的变结构分析方法就难以奏效 .特别地 ,对非线性向量时间序列系统而言 ,系统内部动态均衡结构的变化不仅具有空间结构 ,而且具有一定的时间结构 .针对这种实际情况 ,本文提出了一种新的变结构分析思想 ,利用神经网络技术对系统的运行规律的结构变化情况进行了分析 .利用上海股市数据进行了实证研究 。

软件DSM系统中的全局断点技术

软件DSM系统的并行调试环境已经成为制约其广泛应用的一个重要因素。全局断点技术是用户调试程序的一种基本方法。该文通过定义软件DSM程序执行的HB1序来描述程序的执行,并以此定义因果分布式断点。并使用重放方法和向量时间戳技术来获得因果分布式断点。应用测试结果表明,该方法产生很小的空间和时间开销。

技术经济分析的新方法

目前常用的传统分析与建模方法,有时间序列分析法、多元统计分析法等,但这些方法只适用于短记忆、平稳序列的分析建模。然而,经济变量的发展变化通常具有长记忆性和非平稳的特点,生搬硬套传统的时间序列分析方法会使得分析结果失真,致使理论模型无法真实地反映国民经济的实际。众所周知,经济系统中各变量之间存在着相应的长期均衡关系,