区间过程激励下刚柔耦合系统动态不确定性分析的序列模拟方法

针对动态不确定性激励作用下的刚柔耦合系统动力学问题,提出了一种基于区间过程模型的动力学不确定性序列模拟方法,旨在通过区间过程序列抽样及刚柔耦合动力学序列模拟计算结构振动与机构运动等系统动态响应的上下边界。介绍了中心刚体柔性梁刚柔耦合系统动力学方程的构建与数值求解方法。针对动态不确定性激励作用下的刚柔耦合系统动力学分析,引入区间过程模型及其区间K-L展开对动态不确定性进行了度量和高效表征,提出了一种求解系统机构运动与结构振动等动力学响应上下边界的序列模拟方法。该方法利用序列模拟策略识别当前模拟序列中对动态响应上边界或下边界具有贡献的区间过程参数样本集,作为下一模拟序列中的局部加密抽样中心,可有效避免直接蒙特卡罗模拟在计算动力学响应上下边界时因过多无效抽样模拟而导致的低效收敛问题。最后,通过三个算例对所提方法的有效性进行了验证。研究结果表明,对于刚柔耦合系统大范围运动及振动响应上下边界的求解,序列模拟方法相比于直接蒙特卡罗模拟方法具有更好的计算效率和计算精度。

应用改进马尔科夫链的光伏出力时间序列模拟

构建准确的光伏出力时间序列模型,对于光伏并网系统的规划和运行有重要的意义。综合考虑光伏出力时间序列的季节特性、日特性、天气特性与波动特性,构建了改进的马尔科夫链模型,以更好地体现光伏出力特性。在原始马尔科夫链的基础之上细化数据片段分类,生成多个状态转移矩阵;同时模拟光伏出力波动特性,改进序列生成过程。以合肥地区某光伏电站实际出力为基础数据进行仿真分析,仿真结果表明,与原始马尔科夫链模型相比,改进模型所产生的光伏出力序列具有更高的精度及自相关特性。

基于每时晴空指数的大规模光伏电站出力多维时间序列模拟

建立准确的光伏出力时间序列模型,对含大规模光伏的电力系统规划运行研究有着重要意义。提出一种基于每时晴空指数序列的多维光伏出力序列生成方法,并考虑电站间光伏出力空间关联特征进行大规模电站光伏出力模拟。首先,计算每时晴空指数序列,采用分段函数对日出、日落时段光伏理论出力进行序列平稳化,并将平稳化每时晴空指数序列作为输入进行向量自回归(vector auto-regressive,VAR)建模。其次,通过多步聚类算法对两种空间尺度进行大规模光伏电站空间最优分群,筛选出典型电站和变动电站分别进行多维光伏出力序列模拟,得到大规模光伏模拟时间序列。最后利用宁夏回族自治区内大规模集中式光伏电站的出力实测数据进行仿真测试。结果表明,与传统方法相比,该方法生成的大规模电站多维光伏出力序列更好地继承原始序列的统计特性、概率分布及自相关特性,较好地还原光伏出力波动特性,模拟精度提高了28.06%,验证了所提方法的有效性。

中国北方岩溶区含水岩溶裂隙介质的序列指示模拟研究

针对当前岩溶学研究领域中空隙位置定量预测和数学描述的难题 ,选择研究程度高、资料丰富、具有典型代表性的山东济南泉域的含水岩溶裂隙介质 ,运用序列指示条件模拟方法研究空隙间的连通性能 ,预测岩溶裂隙密集带和强径流带的位置 .研究表明 ,它既可给出其模拟数值的波动区间 ,且不同分位数值模拟图均能明显一致地指示出岩溶裂隙密集带和强径流带位置 ,尤其是当样本点较少时 ,也可获得几乎与样本点较多时的一致成果 ,从而为该方法的推广应用提供了广阔的领域 .

应用序列指示条件模拟算法模拟森林类型空间分布

森林类型的空间分布是进行森林景观格局研究的基础和先决条件。当前林业实际生产过程中 ,森林分布图的获得要么具有很强的主观性 ,要么受环境因素的制约。空间统计学可以描述事物在空间上的分布特征 ,条件模拟算法是空间统计学中进行空间插值的一种有效手段。森林类型是一个区域化的分类变量 ,在研究区内可能存在森林类型破碎化严重情况 ,为此本文选用分类变量的序列指示条件模拟算法来模拟森林类型的空间分布。文中介绍了序列指示条件模拟算法的原理、计算步骤、优点及适用性 ,以东北汪清林业局局级样地为材料 ,应用序列指示条件模拟算法对汪清林业局森林类型空间分布进行模拟 ,模拟结果与森林经理调查得到的森林分布图相比较 ,模拟精度达到 73.80 %。精度分析结果表明 ,以样地为材料 ,应用序列指示条件模拟算法 。

用时间序列模拟和预报天山乌鲁木齐河源1号冰川年径流总量

本文把1958—1984年天山乌鲁木齐河源1号冰川的融水径流总量的时间序列X(t),分解为趋势项L(t)、周期项P(t)、平稳项S(t)、随机项ε(t),使该时间序列表示为X(t)=L(t)+P(t)+S(t)+ε(t)。采用非线性回归提取L(t),用谱分析和Fourier级数提取P(t)余差用自回归方程建模,用上述项的叠加作出预报,按相关指数公式计算R=0.90,效果良好。

季节性随机模型在月蒸发量序列模拟中的应用

月蒸发量序列有明显的季节性变化。如果采用理论的或经验的公式计算,则需要有相应同步的水文气象资料。本文首次将季节性随机模型引入月蒸发量序列的模拟,并将季节性AR(1)模型和相关解集模型比较,结果表明,这是有效的,可供水文计算和资源评估的应用。此外,与相关解集模型比较,它避免了大量参数的计算和中心化处理等过程,使计算简便。

跨专业序列模拟在妇科肿瘤及放疗科临床教学中的应用

目的 跨专业序列模拟在妇科肿瘤及放疗科临床教学中应用,为优化不同专业医务人员沟通和协作提供新建议,探讨交叉学科培养机制的可能。方法 随机选取100名2020-2021级我院妇产科住培医师和放射治疗师,其中50名2020级为对照组,2021级为试验组。对照组采用传统临床教学模式,试验组采用跨专业序列模拟。研究结束统计两组理论和操作的成绩,同时调查两组住培医师/放射治疗师对临床教学模式满意度和患者及家属对住培医师/放射治疗师满意度,评估不同时间住培医师/放射治疗师/患者的焦虑情况并进行分析。结果 在理论及操作考核中,放射治疗师操作成绩无差异,其他各试验组平均成绩均优于对照组(P<0.05)。试验组对跨专业序列模拟临床教学模式满意度明显高于对照组(P<0.05),患者及家属对住培医师/放射治疗师满意度调查试验组均高于对照组(P<0.05)。在初始评估中所有的住培医师及放射治疗师均存在轻度焦虑,且同专业中无差异;患者存在中度焦虑,且差异无统计学意义(P>0.05)。研究1个月时,所有人的焦虑评分均有所下降,其中患者焦虑评分下降明显,且差异有统计学意义(P<0.05),试验组的医务人员下降较对照组明显,但无统计学差异。研究3个月时,试验组的住培医师及放射治疗师焦虑评分进一步下降,对照组未见明显下降,差异有统计学意义。结论 跨专业序列模拟是实践非技术技能的好方法,有助于学生了解整个医疗系统,对住培医师及放射治疗师的培养具有良好效果和积极作用。

MicroRNA靶向病毒携带的microRNA模拟靶序列对病毒的抑制作用

Micro RNA模拟靶序列(target mimic,TM)通过竞争性结合miRNA,从而干扰miRNA对靶标m RNA的调控.我们前期工作发现:以黄瓜花叶病毒(Cucumber mosaic virus,CMV)作为载体在植物体内表达TM序列有效地抑制了miRNA的活性或稳定性,从而消减了miRNA对靶基因的调控.但是,miRNA与CMV携带的TM序列的结合在一定程度上抑制了病毒的积累.研究分析了miRNA靶向病毒携带的TM序列对病毒抑制作用的内在原因.a.通过RNA印迹分析CMV携带不同miRNA TM序列对病毒积累的影响,进一步明确miRNA靶向病毒携带的TM序列对病毒的抑制作用;b.利用GFP作为报告基因,通过荧光显微镜、蛋白质印迹以及RNA印迹分析TM序列对重组病毒积累的影响;c.以GFP作为报告基因,利用荧光显微镜观察和免疫印迹方法分析模拟靶序列对GFP翻译的影响;d.利用CMV病毒的反式复制系统分析miRNA模拟靶序列对病毒负链RNA合成的影响.结果表明,多种植物内源的miRNA靶向CMV基因组携带的miRNA TM序列,在不同程度上抑制了病毒的积累,miRNA与其TM序列的结合抑制GFP蛋白的翻译和负链的合成.植物内源的miRNA通过与病毒基因组携带的miRNA模拟靶序列结合,通过抑制病毒蛋白的翻译以及病毒负链RNA的合成,从而降低了病毒的积累水平.基于该论文的研究结果有可能建立一种抗病毒的新方法.

基于序列高斯协同模拟的多尺度区域森林碳密度空间分布估计

以浙江省仙居县为例,基于2008年全县森林资源清查样地数据和2007年2月获取的Landsat TM影像数据,采用序列高斯协同模拟方法,分别在30 m×30 m和270 m×270 m空间分辨率水平上模拟森林地上部分碳密度及其分布,并对模拟结果进行对比分析。结果表明:仙居县森林地上碳密度分布具有空间连续变异性,四周为高碳密度有林地集中区,中间大部分为低碳密度无林地集中区,抽样估计研究区域地上森林碳储量为5 283 789.63 Mg。基于30 m×30 m分辨率的序列高斯协同模拟结果为5 692 875.69 Mg,模型确定系数为0.620 3;对比270 m×270 m像元大小基础上估计得到的森林碳储量5 030 871.79 Mg,模型确定系数0.238 3,小尺度上估计的碳储量总量更多,碳密度分布范围更广,模型精度更高。序列高斯协同模拟考虑了森林碳密度空间分布的差异性,模拟结果接近地面样地估计值,碳密度分布范围合理,能够很好地反映碳分布空间的连续变异性。

基于机器学习的地层序列模拟

地层结构及其分布的模拟是地质信息化研究与工程规划设计建造的迫切需求。现有的研究方法主要以钻孔数据为基础,选择插值方法进行二维剖面绘制和三维地层建模。插值方法是决定模拟结果准确程度的重要因素,但插值方法的选取受主观因素影响,缺乏科学合理性,难以推广应用。针对这一问题,本文提出一种基于钻孔数据进行机器学习的地层序列模拟方法,即将钻孔地层数据处理为地层类型序列与地层层厚序列,利用循环神经网络与序列-序列架构建立地层序列模拟模型。通过将模拟结果与实际钻孔数据对比分析,发现地层序列模型可以较准确地模拟地表到基岩面之间的地层类型与厚度范围。研究可为地层模拟提供新方法。

水文时间序列周期识别的新思路与两种新方法

针对水文序列周期识别的困难,提出首先对原序列处理,再识别周期的新思路,同时提出两种新方法:一种是模拟延长序列法,即通过建模延长原序列,再应用最大熵谱分析法(MESA)对延长序列识别周期;另一种方法是构建主频序列法,应用小波重构法重构原序列主频部分,然后应用MESA对重构序列进行周期识别。结合实例,运用多种方法对同一序列进行周期识别。分析结果表明:由于受序列长度偏短、偏态性、复杂随机成分等因素的影响,传统单一处理方法(周期图法、FFT、MESA、小波分析)周期识别效果并不理想,而使用两种新方法可以有效地减小或消除上述因素的影响,周期识别效果有明显改善。

基于森林资源清查、卫星影像数据与随机协同模拟尺度转换方法的森林碳制图

当前,全球变暖对地球生态系统的影响正引起世界的广泛关注。为减缓其影响进程,让决策者获得准确的碳源/碳汇空间分布信息与动态至关重要。目前面临的重大挑战是如何准确估计森林碳的空间分布和分析估计结果的不确定性。本研究基于森林资源连续清查样地数据和遥感影像数据发展了一个森林碳制图的一般方法。基于序列高斯协同模拟算法,结合样地数据与卫星影像数据进行模拟,将森林碳汇分布图的尺度从30m×30m转换到900m×900m(区域、国家和全球森林碳制图单位大小)。以临安市为例,利用全市2004年森林资源清查样地数据和同年度LandsatTM影像数据,进行研究区森林碳(地上部分)模拟和尺度转换。结果显示,方法准确重现了森林碳空间分布和变异规律,在分布上模拟结果与地面样地属性具有较好的一致性,在数量上模拟结果的总体平均值较地面样地的总体平均值低约24.9%;模拟还提供了其估计结果的不确定性,包括估计值的方差和估计值大于一定阈值的概率,这些可用于不确定性传播模型的模拟分析,进而实现对森林碳估计结果的评价。

基于回归与随机模拟的区域森林碳分布估计方法比较

以临安市为例,利用2004年森林资源清查样地数据和同年度Landsat TM影像数据,采用一元二次非线性回归和序列高斯协同模拟方法分别模拟森林地上部分碳密度及其分布,并对模拟结果进行比较分析。结果表明:一元二次非线性回归估计得研究区森林碳储量为2365404.37t,碳密度平均值为9.0000t·hm-2,最大值为73.7144t·hm-2,最小值为0.7156t·hm-2;序列高斯协同模拟得研究区森林碳储量为3291659.83t,碳密度平均值为12.5233t·hm-2,最大值为78.9133t·hm-2,最小值为0.0833t·hm-2;根据2004年森林资源清查样地数据,按随机抽样方法估计研究区森林碳储量为2708897.90t,样地碳密度平均值为10.3065t·hm-2,其最大值为96.9625t·hm-2,最小值为0;序列高斯协同模拟结果更接近地面样地估计结果,而且碳密度分布范围更合理;一元二次非线性回归估计结果与地面样地估计结果之差的累积平方和为9857.4619,而序列高斯协同模拟结果与实测结果之差的累积平方和为8018.4625;序列高斯协同模拟较一元二次非线性回归在估计区域森林碳空间分布上有明显优势。

麦长管蚜风险因子随机模拟研究

采用随机模拟方法 ,对北京市麦长管蚜风险因子的等级序列模拟和概率计算进行了探讨。首先对多年来风险因子序列的数据进行分级 ,确定其分布型。然后根据其分布型和分布特征值 ,使用matlab软件编程计算 ,产生各序列值对应分布型的累积分布函数值 ,并采用分布型随机数发生方法产生随机模拟序列。通过对北京市195 6～ 2 0 0 1年温度、降水量和 1982～ 1999年麦长管蚜发生量、发生期的 6个等级序列的模拟 ,能够计算出各个等级的概率 ,并产生通过F检验的模拟序列。

5G毫米波降雨动态衰减模拟研究

基于降雨衰减时间序列合成方法,模拟产生了北京地区28 GHz、30 GHz和38 GHz的动态降雨衰减时间序列,并应用快速傅里叶变换和Kaiser窗函数对其功率谱进行估计。多次模拟降雨衰减事件,并对模拟序列进行统计分析,得到降雨衰减的概率分布,并与ITU-R推荐的模型进行比较。本文方法可用于5G通信网络链路的降雨衰减预测和性能分析研究。

基于空间协同仿真模拟的开化县森林碳估计

森林碳储量是反映森林生态系统生产力的重要指标,也是区域森林碳汇计量的基础。以浙江省开化县为研究区,采用2013年资源3号遥感影像与2014年森林资源清查样地数据,结合序列高斯协同模拟方法对全县地上部分森林碳储量及其分布进行估计,并以平均误差、残差平方和、平均相对误差以及均方根误差4个指标为基础对估计结果进行精度评价。结果表明:开化县2014年森林总碳储量空间协同仿真估计结果为7.221 573 Tg,碳密度值分布为0~109.178 0 Mg·hm^(-2),均值为32.376 4 Mg·hm^(-2),基于15%检验样本的平均相对误差为4.565%,仿真估计碳总量在实测样地估算的置信区间内。本研究发现,遥感影像与地面样地森林碳密度的相关性随遥感影像的空间分辨率变化而变化,这对于提高森林碳储量估计精度有着重要意义,也是下一步研究的重点。

一次函数变换GM(1,1)模型分析及直接离散GM(1,1)模型的建立

分析了基于一次函数变换的GM(1,1)模型提高预测精度的实质,即模拟序列从原有的纯指数序列变成了非齐次指数序列,并指出提高光滑度并不是提高预测精度的决定性条件,建立了模拟序列为非齐次指数序列的直接离散GM(1,1)模型.该模型不对原始数据做任何改变,实例应用结果表明其预测精度同一次函数变换的GM(1,1)模型相当,指出了改变模拟序列特征使其更接近于原始数据的发展,对于提高预测精度更具意义.

基于交互行为的恶意代码检测研究

恶意代码的智能化检测对恶意代码的分析有着重要的意义。在针对恶意代码动态交互序列的自动分类问题上,基于滑动窗口的序列特征进行的自动分类面临着序列混淆、噪声注入和模拟序列等问题。针对上述3个问题,分别使用分支序列、马尔可夫链的状态转移概率矩阵和交互对象来进一步地完善基于交互序列的恶意代码自动分类,并给出了分类总体流程的设计。实验结果表明能够有效解决上述问题。

一种抗视角变换的SURF匹配算法

针对传统的SURF匹配算法在图像搜索、物体识别中对视角变化大的图像特征点无法匹配的缺陷,提出了一种改进的SURF图像匹配算法。该算法利用模拟图序列的概念,即由原始图像模拟各种可能的视角变换生成的一组图像序列,对图像序列中的每幅图像进行SURF特征点提取;剔除冗余特征点后将模拟图序列中的特征点映射到原始图像中,这一过程增加了原始图像的特征点数量,特征点描述向量改用原始图像和多个模拟图的SURF特征描述向量共同表示;最后采用欧氏距离准则,最终得到两幅图像的正确匹配对。实验结果表明,本算法增加了特征点匹配对数,改善了视角变换过大(大于60°)使得图像无法匹配的情况。