考虑序列相关准备时间的分布式柔性作业车间调度研究

针对考虑序列相关准备时间的分布式柔性作业车间调度问题,提出以最小化最大完工时间为优化目标的混合整数线性规划模型,并提出一种改进遗传算法。采用基于负荷均衡的种群初始化方法提高初始种群质量,根据问题特性构造6个局部扰动算子,设计多重局部扰动策略提高算法的局部搜索能力。通过扩展柔性作业车间调度基准生成测试算例,使用正交实验确定算法参数。实验结果表明,所提改进策略能够有效提高算法性能,求解结果优于对比算法,验证了调度模型和所提算法的可行性和有效性。

基于高速图像采集与时间序列图像相关的微陀螺动力学特性测试

研究微结构与微机械电子系统(MEMS)的动力学特性测量与试验方法,对于优化MEMS的结构设计以及提高其可靠性与稳定性具有重要的意义。基于高速图像采集技术和数字图像相关方法,提出了一种用于MEMS动力学特性测试与研究的时间序列数字图像相关方法。由于数字图像相关方法是以图像子区作为单元通过相关搜索计算出相关动力学参量,如同在试件上安装没有任何附加质量和附加力的影响的“微传感器”,因此该方法对试件表面要求低,测试结构简单,测量的数据精度高,可靠。给出了用该方法对稳定谐振和自由阻尼振动情况下微陀螺的动力学特性的测试结果,为进一步研究分析微陀螺的稳定性提供了重要的参数。

数字时间序列图像相关方法在动态变形测量中的应用

本文结合微机械陀螺的简谐振动测试提出了一种改进的数字图像相关方法——数字时间序列图像相关方法，并编制了相应软件。通过对作高速简谐振动的微机械陀螺进行相关分析，可以得到试件全场的位移时程曲线；进一步对其作傅里叶变换，可以得到试件的频率等参数。通过该软件得到的微陀螺的振动频率相对误差为0．12％，从而为微结构动力学研究提供了可靠的分析手段。

GPS时间序列共模误差提取方法及对比分析

区域GPS网中,各个测站坐标时间序列会存在共模误差(CME),该误差会对GPS测站坐标精度产生一定影响,因此去除共模误差对提高站点观测精度具有重要意义。本文在叠加滤波方法的基础上,以各个GPS站点相关性大小为权重进行加权,利用相关加权滤波方法对辽宁及周边省份GPS观测数据进行处理分析,提取共模误差向量,并与叠加滤波的结果进行对比和分析。结果表明,两者均能在一定程度上提取共模误差向量,相关加权叠加滤波法比叠加滤波法具有更好的适用性,均方根提升更为明显,能够更好地提取共模误差。

利用数字图像相关方法实现高速相机序列影像运动目标的快速跟踪

以数字图像相关方法为核心设计了一套应用于高速相机序列影像运动目标的跟踪方案,该方案首先在基准窗口周围以局域搜索方法获取目标点的整像素位移值,然后联合使用梯度算法和最小二乘算法估计目标点的亚像素位移值,从而获得目标点的像素坐标,实现对目标点的自动跟踪。本文应用该技术方案处理了构筑物振动台实验的高速相机视频测量影像数据,与商用软件PhotoModeler Scanner相比,跟踪结果具有同等精度,在计算速度上有优势。

DRG支付对急性胰腺炎患者住院费用影响分析——基于中断时间序列模型研究

目的:本研究选取浙江省某三甲医院2019年至2021年的急性胰腺炎患者结算数据,评估DRG改革前后患者住院费用的变化,旨在为政策的持续优化提供实证依据。方法:采用中断时间序列模型分析政策执行前后住院费用变化趋势,并通过Spearman相关分析探讨住院总费用与各构成部分费用的关联度。结果:分析显示,改革前住院总费用每月上升1639.3元(P<0.001),改革后每月下降1924.1元(P<0.001),药品费和医疗服务费每月分别下降910.0元和480.3元(P<0.001)。改革后,医疗服务费与住院总费用的相关性最强(r=0.941,P<0.001)。结论:研究发现,随着DRG改革实施,样本医院急性胰腺炎患者的住院费用逐年下降,表明改革效果显著。医疗机构通过加强药品和耗材管控及规范医疗行为,有效体现了政策要求。为进一步提升DRG政策的调控作用,建议调整医疗服务价格以激励医务人员,同时建立动态调整机制,优化DRG分组方案,确保政策更好地适应临床需求和医疗实践。

基于时间序列神经分层插值模型的光伏功率超短期多步预测

针对光伏功率预测准确性受数据质量和外部变量影响的问题,提出一种结合外生变量分析、数据质量控制以及时间序列神经分层插值(N-HiTS)模型的光伏功率超短期多步预测方法。首先,提出用于筛选外生变量的综合相关性度量(ICM)指标,并采用K近邻(KNN)算法与线性插值策略处理数据缺失问题。然后,引入N-HiTS长时间序列预测模型,通过多尺度信号采样和分层插值提高模型对长时间序列数据的处理能力。最后,通过算例对所提方法与传统光伏功率预测方法进行对比分析,验证了所提方法的预测准确性。

基于双通道回声状态网络的时间序列补全及单步预测

随着物联网的发展,众多传感器采集到大量具有丰富数据相关性的时间序列,为各种数据挖掘应用提供强大的数据支持。然而,一些客观或主观原因(如设备故障、稀疏感知等)往往会造成采集到的数据出现不同程度的缺失。虽然已有很多方法被提出用于解决这一问题,但这些方法在数据相关性方面或考虑不够全面,或计算成本过高。而且,现有方法仅关注对缺失值的补全,未能兼顾下游应用。针对上述不足,设计了一种兼顾补全与预测任务的双通道回声状态网络。两个通道的网络虽共用输入层,但具有各自的储备池和输出层。两者最大的区别是左/右通道的输出层分别表示输入层前/后一个时刻对应的目标值或预补值。最后将两个通道的估计值进行融合,充分利用来自缺失时刻之前和之后的数据相关性以进一步提升性能。两种缺失现象下(随机缺失和分段缺失)不同缺失率的实验结果表明,所提模型无论是在补全精度还是预测精度上都优于目前流行的各类方法。

基于时间序列对齐和TCNformer的重介精煤灰分多步预测

由于在重介分选过程中各个传感器位置不同,导致重介分选主要工艺参数与灰分存在时间滞后,影响了精煤灰分结果。基于回归模型的灰分预测方法缺乏对时间序列信息的利用,无法捕捉重介生产过程随时间变化的动态特性;基于时间序列的灰分预测方法未能充分考虑灰分和重介分选主要工艺参数之间的时间依赖关系。针对上述问题,提出了一种基于时间序列对齐和TCNformer的重介精煤灰分多步预测方法。通过滞后相关性分析来量化灰分与重介分选主要工艺参数之间的滞后步长,依此对重介分选主要工艺参数在时间维度上进行移动,使得灰分和重介分选主要工艺参数时间序列对齐,消除灰分和重介分选主要工艺参数之间的时间滞后。在Transformer模型的基础上,引入时间卷积网络(TCN)提取特征,并将单向编码器扩展为双向编码器,构建了TCNformer模型来实现精煤灰分多步预测。将时间序列对齐得到的与未来时刻灰分数据对应的过程变量序列作为解码器的输入,以提升模型预测精度。实验结果表明:该方法的平均绝对误差为0.1579%,均方根误差为0.2152%,平均皮尔逊相关系数为0.5051,能有效提升精煤灰分预测精度。

基于粒子群算法的整像素数字图像相关方法

为了克服基于传统数字图像相关(DIC)方法的结果易于陷入局部最优等缺点,将基于群体智能的粒子群优化算法引入到DIC方法中(未考虑亚像素插值),对一幅散斑图平移后的位移进行了计算,验证了该方法的正确性。在搜索域内,当运动或变形后散斑图中若干目标子区与样本子区比较相似时,相关函数可能有多个极值。对这种情况下的点的位移进行了计算,观察了相关搜索时粒子运动的轨迹。研究发现,在迭代初期,该算法具有较强的全局搜索能力;在迭代后期具有较好的局部搜索能力。计算结果表明,该算法可以跳出局部最优;研究了样本子区尺寸、粒子数、粒子飞行的最大速度和最大迭代次数对计算时间的影响。

基于时间序列模型的黄河水沙通量的研究

黄河作为中华民族的母亲河,它为中国人民提供了丰富的水资源和肥沃的土地,然而黄河的含沙量一直较高,给当地的生态环境和经济发展带来了很大的挑战。根据小浪底水文站近6年水沙含量的实际监测数据,来预测黄河含沙量与时间和含水量的关系,为黄河治理和保护提供科学的理论依据。

基于Chebyshev混沌序列的数字图像扩频水印

利用同一密钥的混沌序列对有意义的水印信息加扰扩频实现双重加密,再考虑人类视觉系统(HVS)的影响将水印加到宿主图像小波变换的低频系数中,提取时利用图像复原方法实现盲检测。通过仿真,比较PN序列和M序列,从峰值信噪比(PSNR)和归一化相关系数(NC)的结果可知,该数字水印具有较好的鲁棒性和安全性。

数字散斑时间序列相关三维面形测量中提高精度的方法

:本文提出一种基于数字散斑时间序列相关三维面形测量法中提高测量精度的方法—多相关峰优化法。在数字散斑时间序列相关测量法中 ,当物体表面存在复杂细微结构时 ,被物体调制的散斑图中局部区域的散斑子图像会出现明显变形和局部阴影 ,这时相关曲线会出现多相关峰。由于相关值很低 ,这些相关峰对应高度都有可能是测量点的高度值。本文用特殊的算法对这些相关峰对应高度值进行辨别 ,找出最适合的高度值作为测量值 ,对测量结果进行优化。实验证明该方法对改善因局部区域的散斑子图像的变形和局部阴影影响而导致的测量误差具有非常显著的效果 。

数字散斑时间序列相关的计算机模拟及系统参数选择

本文分析了数字散斑时间序列相关方法中由于参考平面沿z轴方向平移而引起的散斑场的平移和缩放,并进行了计算机模拟,得出了决定参考平面间距选取的因素。本文分析的结果将有助于确定数字散斑时间序列相关系统的设计参数,以及系统校准过程中参考平面间距的确定原则,为系统设计提供理论依据和技术方案。

基于相关分析的fMRI时间序列图像处理

脑与认知科学研究中,对功能磁共振图像的分析,不仅要求脑功能激活区的准确定位,而且要得到脑激活区的动态变化。提出了通过对激活区体元时间序列的分解,构造序列参考波形,用相关分析法检测识别每个时间周期的激活类型,得到脑功能激活区的动态变化图像、生理信号变化时间及信号强度曲线。经视觉试验实测数据建模并检验,该方法可有效检测fMRI数据中与试验密切相关的脑激活区及其周期性变化。

基于翻转网络的低相关性序列数据预测研究

在某些实际应用中,通常不存在与被预测时间变量具有高相关性的其他维度变量,或者这些维度变量难以采集。而具有较低相关性的时间序列数据普遍存在,其对于数据预测具有更重要的意义。提出一种基于注意力翻转网络的低相关性多维时间序列数据预测模型。针对低相关性时序数据具有相关性随时间而变化的特点,引入批处理滑动窗口以摆脱时间变化带来的干扰,更好地捕获维度相关性。针对传统门控循环单元(GRU)网络大量丢弃低相关性样本的问题,建立翻转GRU网络对低相关性多维数据进行初次过滤,控制多维数据在网络中的传递数量,避免维度变量因相关性较低而被丢弃,提升相关性较低的多维数据在模型中的存活时间。同时,利用基于维度的注意力机制自适应调整不同维度序列在相关性提取过程中的重要性。建立平方长短期记忆(LSTM)网络对分配权重后的数据进行拟合,更细致地确定相关性对被预测参数的影响。实验结果表明,该模型的决定系数可达0.95,预测性能优于GRU、LSTM等传统神经网络模型。

基于灰色时间序列随机组合模型在地下水埋深预测中的应用——以沧州市为例

地下水资源是支撑区域粮食生产的重要基础资源,为解决河北省浅层地下水水位持续下降问题,以河北省典型平原区沧州市为例,依据2007-2022年水位监测井观测数据,通过MATLAB软件结合灰色时间序列原理搭建地下水埋深灰色时间序列随机组合模型,揭示沧州市地下水埋深变化规律,为沧州市乃至河北省平原区地下水资源可持续开发利用提供依据。通过相关模拟方法证实该模型简洁实用,精度较高。研究结果表明:未来3年(2023-2025年),如果按照目前的发展趋势,沧州市地下水位会继续下降,平均年降幅为1.45 m左右。

基于时间序列分析对我国货运量的研究

物流运输行业的发展与经济发展和综合国力都有着密切的联系,因此对运输行业的规模水平分析也是至关重要的。本文通过使用时间序列分析、自相关系数和偏自相关系数等,利用R软件对我国货运量规模的历年变动情况进行了分析,并对未来发展情况作出预测,发现未来我国运输行业受到“大吨小标”事件的影响,将会造成缓慢下降的趋势,有关部门应予以重视。

疾病诊断相关分组实施后赣州市高血压患者住院费用变化的中断时间序列分析

目的:分析实施疾病诊断相关分组(DRG)政策对高血压患者住院费用产生的影响。方法:选取2017年9月—2021年11月江西省赣州市20所医院(二级医院13所,三级医院7所)收治的高血压患者25502例作为研究对象,应用中断时间序列分析的方法分析DRG对高血压患者住院费用的影响,观测值是高血压患者月度平均住院费用。结果:DRG政策实施后,高血压患者月均住院费用的平均数减少,从实施前的4782.32元下降至4606.29元,差异有统计学意义(P=0.028);患者的月均住院费用总体呈现下降趋势。实施DRG后,高血压患者的月均住院费用显著增加了396.30元,斜率变化量β3=54.64,差异有统计学意义(P=0.003);政策实施后的直线斜率为-1.82。二级医院和三级医院的月均住院费用有短期上升,但长期来看二者呈现平缓下降的趋势,观测长期趋势的系数,二级医院具备显著性,三级医院前后对比无明显变化。结论:DRG政策实施前后的住院费用下降,提示该方式在一定程度上给试点范围医院的高血压患者减轻医疗经济负担,但部分地区依然存在改进空间,需要不断调整。

寻找地震相关地区的时间序列相似性匹配算法

把时间序列相似性匹配的基本概念和方法引入到地震预报的应用中.在分析现阶段时间序列研究成果的基础上,结合大量地震历史源数据和领域专家经验知识,提出了有关地震地区相关性的地震相似度定义和地震序列相似性匹配模型,并通过大量实验模拟对该模型进行了反复验证,实现了基于地震相似度的时间序列相似性匹配算法.同时,通过分析我国地震活动频繁区域近20年来的地震历史数据,应用地震区域序列相似性匹配算法进行了固定时间差的粗粒度和细粒度纵向序列相似性实验分析,取得了可信度较高的实验结果,为地震学预测的应用研究提供了较好的技术支持.