一种基于滑动差分的车辆边缘检测新方法

在基于视频的交通监控系统中,车辆的快速、有效提取是车辆检测中的一个重要环节。在彩色图像中,当车辆出现在道路上时,因为车辆与道路相比颜色上有较大的差异,所以在车辆的边缘像素点上会发生颜色的突变。本文以此为依据,结合车辆的几何信息,提出了一种新的车辆提取算法。此方法通过对彩色图像进行逐行扫描的方式,利用滑动差分滤波器,确定每行的车辆边缘像素点,进而将车辆从图像中提取出来。实验证明,该方法能简单有效地提取车辆。

基于差分自回归滑动平均模型的风电场短期风速预测

目前,风力发电的并网规模越来越大;但是鉴于风力发电特有的间歇性和随机性,难免会对电力系统的稳定运行和电能质量造成巨大影响;也就限制了风电的发展速度与规模。对风力发电场的风速进行中、长、短期的预测可以在一定程度上有效地解决该问题。依据风速序列的自相关性以及时序性,提出了一种基于时间序列分析的风电场短期风速预测ARIMA模型。重点讨论了建模的过程、模型的识别、模型的定阶和模型参数的估计。最后结合风电场实际,对比于持续法预测,给出了相应的预测结果和误差分析,验证了所提出的ARIMA模型用于风电场风速预测的可行性。

采用滑动窗时域有限差分法对不规则地形电波传播预测

为了解决大区域电波传播精确预测时计算量大的问题,采用滑动窗时域有限差分方法对不规则地形上短波频段的地波传播进行预测。将经典FDTD(finite-difference time-domain)与脉冲追踪相结合,采用UPML吸收边界处理有耗地形,使垂直于地面的二维FDTD计算区域随脉冲传播而滑动,在迭代过程中保存必要的场分量,处理后得到不规则地形上的路径损耗与传播路径的关系曲线,并与经典的几何绕射理论的计算结果进行了比较。结果表明,其优点在于保持FDTD全波时域分析准确性高的特点同时降低了计算量。讨论了计算区域在滑动过程中由于包含的后向波信息的局部性对计算结果的影响,以及顶部吸收边界对侧向波的反射带来的误差。数值仿真结果表明了此方法的有效性。

基于滑动倒谱的自动语言辨识

滑动差分倒谱在自动语言辨识的研究中获得了广泛的应用.但是滑动差分倒谱并没有利用语音信号的静态倒谱信息,在方言辨识中的研究表明静态倒谱比差分倒谱含有更多的特征信息.为此,提出了滑动倒谱(SC)的概念,并与滑动差分倒谱特征矢量进行了对比研究.首先利用开发集的语音考察了滑动差分倒谱和滑动倒谱的控制参数在不同取值的情况下对识别性能的影响,利用爬山法确定了这2类特征矢量达到局部最优控制参数组合的路径,然后利用测试集的数据对优化后的2类特征矢量建立的模型进行了闭集辨识和开集辨识.2种情况下的测试结果都表明滑动倒谱的性能优于滑动差分倒谱.并且这2种参数还具有特征互补性,将它们进行决策级数据融合可以进一步提高系统的性能.

基于SARIMA模型的上海市宝山区2024年水痘流行趋势预测

目的构建模型预测上海市宝山区2024年的水痘发病趋势,为水痘早期预警和有效防控提供科学依据。方法利用宝山区2010—2022年报告水痘个案数据,运用R语言构建季节性自回归滑动平均模型,用2023年数据进行验证,最后用验证模型预测2024年水痘流行趋势。结果宝山区2010—2022年水痘年均发病率为69.67/10万,2020年起发病数和发病率有所降低。宝山区水痘月发病数据为平稳序列,具有明显季节性。ARIMA(1,0,1)(0,1,1)12为最优拟合模型,残差经Ljung-Box检验为白噪声序列。2023年1—12月实际发病数均在预测值的95%可信区间内。预测显示宝山区2024年水痘发病数为762例,全年发病有2个高峰。结论ARIMA(1,0,1)(0,1,1)12模型能较好拟合宝山区水痘的发病趋势,可用于宝山区水痘短期发病情况的预测。

基于自适应高斯混合模型与静动态听觉特征融合的说话人识别

对特征参数和高斯混合模型进行改进,提出了一种特征域和模型域混合补偿的方法用于解决说话人识别特征受噪声影响较大以及高斯混合模型随训练样本长度减小而性能下降的问题。通过模拟人耳听觉,给出了基于伽马通滤波器的伽马通滤波倒谱系数;考虑其只反映了语音的静态特征,提取了能够反映语音动态特征的伽马通滑动差分倒谱系数。基于因子分析技术,利用移动因子表示高斯混合模型的自适应过程,通过训练语料较充分的说话人模型中的均值向量补偿受训练语料长度影响较大的分量的均值向量。仿真实验表明:在纯净背景下,本文方法的识别率达到了98.46%;在不同噪声环境下,本文提出的混合补偿方法能有效提高说话人识别系统的性能。

一种改进动态特征参数的话者语音识别系统

研究语音动态特征参数提取问题,在话者语音识别过程中,动态特征参数可以有效提高识别率。但是传统算法在其提取过程中存在大量干扰冗余信息,造成了识别率降低并带来运算速度的降低。为解决上述副作用,提出在说话人识别系统中,使用一种动态时频倒谱系数参数的方法。上述方法在不减少反应话者个体特征分布特性的前提下,可消除冗余信息并降低样本特征的维度。利用上述方法提取语音特征参数并输入混合高斯-通用背景模型进行说话人语音分类。在Matlab上仿真结果表明,动态时频倒谱系数可有效改进话者语音识别系统的识别正确率。

融合韵律与动态倒谱特征的语音疲劳度检测

通过语音实现疲劳度检测具有操作简单、无创伤和实时性等优点.为了提高语音疲劳度检测的性能,将韵律特征与动态倒谱特征相融合,采用高斯混合模型作为分类器进行语音疲劳度检测.分别考察了梅尔频率倒谱系数、滑动差分倒谱特征以及韵律特征的检测性能.实验结果表明,在单特征时,梅尔频率倒谱系数比滑动差分倒谱特征和韵律特征的检测性能好,对于融合特征,检测性能均比单特征好,将三个特征融合后,检测正确率可达91%.

ETS和SARIMA流行趋势中的性能比较模型在预测北京市猩红热

收集2004—2019年北京市猩红热月发病人数和人口学资料,采用描述性统计方法和Joinpoint回归调查猩红热的流行病学变化趋势。北京市猩红热发病的平均年度百分比变化为(AAPC=1.866,95%CI:-2.968~6.941;t=0.816,P=0.428),流行趋势总体保持稳定,每年的4—6月和11—12月为发病高峰,呈双季节模式。最优SARIMA模型和最优ETS模型预测的平均绝对误差(MAD)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)、平均误差率(MER)、方根百分比误差(RMSPE)五个误差指标分别为0.586、0.623、0.751、0.296、0.785和0.318、0.282、0.438、0.282、0.338,可见ETS模型的预测准确性高于SARIMA模型,可用来对北京市猩红热流行趋势进行预测预警,从而为猩红热动态精准化防控提供参考依据。

一种静态特征与动态特征结合的方言辨识方法

针对MFCC仅反映语音静态特征导致的方言识别率低的问题,而SDC由于考虑了前后帧差分倒谱的影响,能反映语音的动态特征;同时考虑方言的静态与动态特征,对普通话、上海话、广东话和闽南话4种方言进行MFCC特征和SDC特征提取,将其两组特征组合送入支持向量机进行辨识,并研究了针对4种方言的SDC的局部最优参数组合。仿真实验结果表明,同时考虑方言的静态与动态特征方法的识别率高达92.5%,但识别率的提高是以延长运算时间为代价的。

自动语言辨识的研究方法及发展概述

根据自动语言辨识研究中所采用的识别信息的不同,文章将研究中使用的方法归类为基于声学特征的方法、基于韵律特征的方法、基于音素识别的方法和基于高层语言信息的方法。通过对这些方法进行分类介绍并结合NIST的评测结果分析,阐述了近十几年来自动语言辨识研究的发展情况,最后对进一步研究中存在的问题和发展趋势进行了分析。

三种方法在风速预测中的应用研究

对持续法、ARIMA和BP网络三种方法在提前1 h风速预测中的应用进行了研究和比较。为消除季节对预测结果的影响,针对一年12个月分别建立预测模型;认为风速具有不平稳性,应该对原始风速序列进行差分处理;通过对样本数据进行相关性分析来确定神经网络的输入神经元个数;结果表明:大多数情况下,ARIMA模型和BP网络模型的预测结果都好于持续法,并且BP一般都好于ARIMA;但也有持续法好于ARIMA和BP网络模型的情况。不能笼统地说某个方法优于另外一个方法,应该根据具体情况进行分析和判断,选择合适的模型种类,以取得最优预测效果。

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。

基于ARIMA模型的航空装备事故时序预测

为提高航空装备事故预防的针对性、有效性和主动性,预防和减少事故的发生,降低事故造成的损失,提出一种时序的差分自回归滑动平均(ARIMA)模型。其建模过程先在时间序列基础上辨识一个试用模型,然后加以诊断,并作出必要调整,反复进行辨识、估计、诊断,直至获得较为满意的ARIMA预测模型。在实例验证中,所构建的用来预测美国空军飞行事故万时率的ARIMA模型,能够将预测的平均相对误差控制在7%以内,预测结果总体反映航空装备的实际安全状况。

基于ARIMA和小波神经网络组合模型的交通流预测

针对现阶段城市道路交通流预测精度不高的局限性,提出了一种基于差分自回归滑动平均(ARIMA)和小波神经网络(WNN)组合模型的预测方法来进行交通流预测。利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网络模型强大的非线性关系映射能力,把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分。采用差分自回归滑动平均模型预测交通流序列的线性部分,用小波神经网络模型预测其非线性残差部分,最终合成为整个交通流序列的预测结果。计算机仿真结果表明:组合模型的预测精度高于ARIMA模型和WNN模型各自单独使用时的预测精度,组合模型可以提高交通流预测精度,是交通流预测的有效方法。

交通事故损失的时间序列分析

为揭示交通事故经济损失的变化规律,笔者研究并利用时间序列的方法,建立了ARIMA模型,对1985—2005年全国交通事故经济损失的数据进行了分析和预测。根据原始数据的特点,选择随机时间序列分析方法。通过对模型的识别和参数的选择,得到2006—2008年的交通事故损失的预测值分别为2.9559,2.9707和3.0129亿元,置信区间为95%。通过对1985—2005年交通事故经济损失的预测结果与原始数据的比较表明,预测结果接近原始数据,该方法为交通事故的预防和控制提供了技术指导和有益参考。

基于H-P滤波法、ARIMA和VAR模型的库区滑坡位移综合预测

受库水位涨落及降雨等影响,库区滑坡位移表现出明显的周期性。基于位移时间序列分析,将滑坡监测位移分解为趋势项与周期项之和。趋势项反映滑坡变形的长期趋势,其主要受滑坡本身地质结构等因素影响。周期项反映滑坡变形的波动性,其主要受外部因素影响。以三峡库区巫山塔坪滑坡为例,考虑长江水位与降雨量影响,采用H-P滤波法从滑坡位移中分解出趋势项及周期项,利用差分自回归滑动平均模型(ARIMA)对趋势项进行平稳处理并计算趋势项预测值,利用向量自回归模型(VAR)计算周期项预测值。趋势项预测值与周期项预测值之和为滑坡位移预测值。与实际监测值及多种方法分析比较,表明综合预测所得结果能较好反映滑坡变形的趋势性和波动性,位移预测效果较好。

苏州市空气质量的时间序列变化过程研究

城市空气质量水平是以空气质量指数(API)来表征的,API的时空变化可以反映城市空气质量的变化过程。文章以苏州市2002～2007年各月API值为研究对象,将其构成一组时间序列,采用时间序列理论中的小波分析原理和差分自回归滑动平均模型(ARIMA)原理对这组API序列进行趋势的辨识和数值预测,结果表明(1)苏州市近年来的空气质量水平不断提高,并将稳定保持在一个良好的水平上;(2)差分自回归滑动平均模型ARIMA(2,2,2)在拟合该地区API值时间尺度上的变化趋势效果较好,能够较好的预测苏州市月空气质量水平。

采用改进模糊层次分析法的风速预测模型

针对风速具有较强随机性的特点,提出一种基于改进模糊层次分析法的风速预测组合模型。以风速预测周期、风速的振荡性及预测者对预测模型的信赖度为目标准则;通过模糊判断矩阵的方法确定组合模型的最优权重。该组合模型可以综合考虑影响风速预测的多种不确定性因素,在综合不同模型预测结果的基础上引入专家经验。算例分析表明,该组合预测模型的预测结果与传统的单一预测模型相比,误差更小,精度更高。

2010-2018年河南省南阳市手足口病季节性差分自回归滑动平均模型预测

目的应用时间序列分析构建河南省南阳市手足口病发病预测模型,为制定防控策略提供科学依据。方法收集2010—2018年河南省南阳市手足口病月发病数据建立时间序列,应用专家建模器构建季节性差分自回归滑动平均(SARIMA)模型,对2019年发病情况进行预测,并与实际值进行比较。结果2010—2018年南阳市手足口病月发病率呈明显季节性,专家建模器构建结果显示,ARIMA(2,0,0)(0,1,1)12为最优模型,平稳R^(2)为0.827,RMSE为2.240,MAE为1.207,BIC为1.755。模型对2019年发病情况预测结果显示,预测值与实测值整体变化趋势一致,相对误差绝对值最小为0.01,最大为-6.14。结论SARIMA模型能够较好地拟合南阳市手足口病发病情况,并预测未来发病趋势,为防控工作提供理论依据。