基于移动平均-马尔可夫链模型的上海市机场旅客吞吐量预测研究

为了更多的挖掘数据的信息,本文将移动平均与马尔可夫链模型结合,对马尔可夫链模型进行改进,以拟合结果为动态基准线来构建动态的马尔可夫链,并进行预测及平稳分布研究。利用上海市机场2008年1月至2013年10月的各月数据进行模型拟合,将拟合结果作为动态基准线,进行系统状态划分,确定状态转移概率矩阵。预测未来4个月的中值和区间,并根据马尔可夫链的遍历性和稳定性求出状态的平稳分布。实证表明,该方法的预测精度更高,并且具有较强的适用性和泛化性,具有较强的实用价值。

基于改进灰色马尔可夫模型的花生产量预测

【目的】为了提高花生产量的中长期预测精度,提出一种改进的灰色马尔可夫模型。【方法】首先,以中国2010—2020年花生产量数据为研究样本,在传统灰色模型的基础上进行加权滑动平均处理,建立滑动灰色模型;然后,利用马尔可夫链对预测结果进行修正,得到滑动灰色马尔可夫模型;最后,采用新陈代谢的思想,对原始数据序列做等维新息处理,构建新维滑动灰色马尔可夫模型。【结果】新维滑动灰色马尔可夫模型的平均相对误差比滑动灰色模型和滑动灰色马尔可夫模型分别降低了80.00%和48.89%,并预测出未来5年中国花生产量将以2%左右的增长率增长。【结论】本研究结果可为其他农作物产量预测提供一种科学合理的思路。

ARMA双谱分析与离散隐马尔可夫模型在电力电子电路故障诊断中的应用

提出一种基于自回归滑动平均(auto-regressive moving average,ARMA)模型双谱分析与离散隐马尔可夫模型(discrete hidden Markov model,DHMM)的电力电子电路故障混合诊断新方法。首先对故障电路采样的数据进行零均值处理;然后采用高阶累积量建立ARMA模型参数并进行双谱分析,通过对双谱矩阵进行矩阵变换提取电路故障信息特征量,再对故障特征数据进行矢量量化;最后应用离散隐马尔可夫模型,设计出电力电子电路的故障分类器。将该方法应用到SS8机车主变流器电路的故障诊断中。结果表明,所提出方法具有较高的正确诊断率和较强的抗噪声能力,在无噪声或加入5%的噪声情况下,正确诊断率均为100%;而当加入10%的噪声时,正确诊断率比DHMM诊断法和GA-BP神经网络诊断法分别高出16.11%和23.79%。该方法在工程中具有实际应用价值。

基于马尔可夫模型的南京市年降水量预测试验

鉴于降水过程存在大量不确定性的特点,中长期降水预报一直是气象科学领域的一个难题。主要采用平滑处理消除异常值,对年降水量进行分级,建立滑动平均马尔可夫链预测模型。通过建立的预测模型,对南京市2009、2010年年降水量进行了试预测。结果表明,2009年预测值与实测值相对误差为2.17%,2010年预测值与实测值相对误差为3.09%,预测精度较高。同时,为弥补滑动平均马尔可夫链模型对极端年份无法预测准确的缺陷,利用灰色灾变系统,对南京市极端降水年份进行预测。两者结合能更好地完成南京市年降水量的预测工作。

一种新的自回归———滑动平均模型

将列宾逊算法和最小实现算法结合 ,给出一种新的自回归—滑动平均模型与仿真结果。

基于隐马尔可夫模型的步态识别算法

为降低数据噪声的干扰,提高步态识别的有效性,提出一种基于隐马尔可夫模型的步态识别算法(GR-HMM)。利用滑动平均滤波模型对步态数据进行去噪预处理,建立观测序列;基于GR-HMM算法计算观测序列概率,重估迭代至观测序列概率收敛,得到GR-HMM算法的参数模型;对步态数据进行步态阶段识别及步态关键事件定位。基于Shimmer IMU采集的数据对算法进行训练和分析评估,实验结果表明,GR-HMM算法的步态阶段识别灵敏度和特异性分别可达93.1%和96.9%。

木材干燥微波-真空木材干燥过程ARMA模型建立及其控制器仿真

结合模糊控制的智能性与常规PID控制的可靠性,针对花旗松的微波-真空干燥工艺建立时间序列下的自回归滑动平均数学模型,设计一种Fuzzy-PID自整定控制器,采用模糊推理的方法实现PID参数的在线整定。应用Matlab/SIMULINK工具对干燥窑常规PID控制和fuzzy-PID自整定控制进行仿真,通过分析与比较得到:fuzzy-PID自整定控制器的阶跃响应曲线具有上升快,稳态性能好,过渡过程时间短,超调量小的优点,控制特性满足系统的要求。能够提高木材干燥过程的控制水平,有效地保证木材干燥质量和降低能源消耗。

基于ARIMA-ANN预测模型的能量感知路由算法

针对传统能量感知OLSR协议在减少传输功率消耗和均衡节点剩余能量之间不能兼顾的特点,提出了一种新型的基于剩余能量比例和传输功率消耗的OLSR路由协议OLSR_RC,它利用上述两方面的指标构造复合能量开销,并将其作为路由选择的度量值。在减小网络开销的同时,也防止了部分低电量节点的能量被快速耗尽,延长了网络的生存周期。此外,新路由还采用ARIMA-ANN组合能量预测模型对节点的剩余电量进行预测,降低了由于拓扑控制(TC)消息丢失对选择路由所造成的影响。这种新型路由协议在无线传感器网络领域有比较广阔的应用前景。

滑动平均马尔可夫模型在公路沿线降雨预测中的应用

文章采用滑动平均马尔可夫模型预测降雨量,对公路建设和养护有重要价值。滑动平均马尔可夫模型是基于马尔可夫模型,先将数据滑动平均处理后再运用马尔可夫模型预测。文章以滇西的腾冲县和滇南的景洪县水文站30年的降雨资料为实例,对该方法进行了具体的应用。并与未做滑动平均处理的马尔可夫模型预测结果做了比较,其误差降低,精度提高。

基于信号模型参数辨识的变电站局部放电电磁波信号重构

抑制现场噪声干扰、有效提取信号特征是局部放电(PD)信号检测和分析的关键,为此,利用自回归–滑动平均(ARMA)模型对局部放电辐射的特高频(UHF)电磁波信号建模,给出了利用高阶累积量估计模型阶数和参数的理论依据和算法。以混有Gauss白噪声及定频干扰的双指数振荡衰减函数模拟局部放电辐射的UHF信号,利用ARMA模型参数重构信号的Fourier变换幅值,利用双谱估计重构其Fourier变换的相位,最终重构时域信号,以验证该算法重构信号的有效性。利用该方法重构变电站实测的局部放电辐射的UHF信号,验证了该算法在变电站现场干扰情况下,可从现场采集到的含有噪声的信号中重构出只相差常数因子和线性相移的有用信号。且算法辨识得到了信号的ARMA模型参数及重构得到的UHF信号频谱及时域信号,可以给局部放电类型识别等进一步处理提供参数。

多种灾情预测模型的研究──2001年后上海市热带气旋灾情预测

采用３种方法，即灰色模型ＧＭ、自回归－滑动平均模型ＡＲＭＡ和人工神经网络ＡＮＮ预测了上海市２００１年后（含２００１年）强热带气旋出现的趋势与规律。结果表明，２００１，２００６和２０１０年将出现中级以上灾情，而前两个年份灾情较重．通过数值计算结果比较了３种方法的应用特点，为进一步建立综合预测模型打下基础。

基于Improved-HMM的进程行为异常检测

针对传统隐马尔可夫模型(HMM)状态转移概率仅与前一状态有关的不足,提出了一种改进的隐马尔可夫模型(Im-proved-HMM),该模型考虑到状态转移概率与前两时刻状态相关,旨在提高异常检测准确率。用基于Improved-HMM的Baum-Welch(BW)算法对正常进程行为进行建模,并采用滑动窗口的方法,检测进程行为是否处于异常状态。实验结果表明,该模型的检测准确率高于传统的HMM模型,能及时、准确检测到进程行为的异常。

风电场短期功率组合预测模型研究

由于风能的间歇性,电网调度与运行一定程度上将依赖于对风电场短期输出功率的准确预测。利用某风电场输出功率14 d的历史数据建立3种单项预测模型,对未来36 h的短期功率进行预测。基于3种单项预测方法的结果,提出了3种组合预测模型:熵值法组合预测模型、以预测误差平方和最小的线性组合预测模型、基于诱导有序集结算子(IOWA算子)的组合预测模型。通过实例分析,3种组合预测模型有效结合了各单项预测模型的信息,均能取得较理想的效果。其中,基于IO WA算子的组合预测模型为所有6种预测方法中的最优。

基于时间序列的微藻生长环境参数的预测模型

掌握微藻生长环境中的温度、硝酸盐浓度、氧气浓度等参数的变化规律有利于提高生物产出量。本研究利用钝顶螺旋藻全生长周期中的大量环境参数,引入时间序列预测方法,通过极大似然估计,得到线性回归模型,同时引入状态空间预测方法,将低维的线性模型映射到高维空间,以消除低维空间下模型的不准确性。为评估模型的有效性,采用了杜宾-瓦特森检验法、图像法、均方根误差、平均绝对误差和最大误差等评估方法和指标进行评估和验证。预测结果显示,自回归滑动平均模型和自回归滑动平均-卡尔曼滤波模型均可用于预测微藻生长的环境参数;与前者相比,后者预测误差更小,模型拟合更精确,能更好地揭示钝顶螺旋藻生长过程中环境参数的内在规律。

φ-混合序列滑动和过程回归模型的相合性

在误差为φ-混合序列的滑动和过程下,研究了其回归模型估计量的相合性问题。在一般的条件下,利用Cr不等式、Jensen不等式、Ho¨lder不等式、φ-混合序列的矩不等式及其权函数的一些性质,给出了此回归模型估计量的q-阶平均相合性和一致q-阶平均相合性,推广了已获得的部分结果。

宝鸡地区降水特征分析及降水量预测

基于宝鸡气象站1961年-2015年降水实测数据,利用线性拟合、模比系数积差曲线、Mann-Kendall检验法、云模型和滑动平均-马尔可夫模型对该地区降水变化特征和降水量预测进行了全面分析。结果表明:宝鸡地区年降水量、丰水期和枯水期降水量的线性变化率分别为-11.9mm/(10a)、2.6mm/(10a)和-14.5mm/(10a),且枯水期降水量的减少趋势显著。宝鸡地区年际与年内降水量分配极不均匀,不均匀性为全年>丰水期>枯水期;降水量不均匀性的稳定程度为丰水期>全年>枯水期。丰、枯期滑动平均降水量预测值的总和较年尺度的预测值更为准确,且2016年-2020年的年降水量预测值分别为613.1mm、727.0mm、632.0mm、457.2mm和876.7mm。研究结果可为该地区旱涝灾害的防治提供科学依据。

风电场群远程集中SCADA系统设计

随着国家清洁能源战略的实施,风电场的数量和规模都快速、大幅度增加。同时,由于各种新型技术的进步,风电场群远程集中数据采集与监控(SCADA)系统的建立具备了必要的技术条件。以传统电力调配一体化系统为基础,参照公共信息模型(CIM)和IEC61400-25标准,通过对其模型、数据和功能方面的改进和扩展,实现了风电场群远程集中SCADA系统,并在长江新能源开发有限公司上海控制中心得到成功应用。

利用ARIMA改进HHT端点效应的方法

针对希尔伯特-黄(Hilbert-Huang transform,简称HHT)变换中经验模式分解(empirical modedecomposition,简称EMD)的端点效应问题,提出一种基于自回归综合滑动平均模型(ARIMA)进行端点延拓的改进方法。利用ARIMA在非平稳数据建模方面的优势,EMD前在待分析信号两端各预测一段数据,HHT后再截去延长的部分,保留原信号长度的处理结果。通过仿真信号和实测的转子不对中故障信号验证了该方法的有效性,证实改进后的算法能有效地抑制EMD端点效应的影响,信号故障特征更清晰,并且ARIMA模型的参数确定方便,算法易于使用。

非平稳时序分析在GPS伪距观测值建模中的应用

伪距观测值的仿真建模在GPS系统分析、误差消减等方面有很广泛的应用,原有的一些建模方法得到的仿真结果误差不能满足特定应用的需要。为此,提出了一种利用非平稳时间序列分析的方法,以达到减小仿真误差的目的。该方法通过对实际采集的GPS伪距数据的特征进行分析,采用自回归-求和-滑动平均(ARIMA)模型建模,并运用逆函数法对模型参数进行估计,最后通过Matlab编程进行了仿真,仿真结果表明利用该统计模型得到的仿真伪距与实际测量值的误差不超过3米,得到了较为满意的效果。

西江流域硝酸盐氮输出规律研究

以西江流域为研究对象,研究流域出口断面硝酸盐氮浓度时间变化规律,采用非平稳时间序列分析方法,分析流域系统行为对氮输出的影响,结果发现:西江硝酸盐氮浓度存在线性增加的确定性趋势,其季节增加量最大值出现在每年5月,与降雨季节增加量最大值时间基本一致,表明降雨造成的地表冲刷、土壤侵蚀以及5月施加的氮肥量大,是造成流域硝酸盐氮输出增大的主要原因。对西江高要断面输出的硝酸盐氮浓度建立了非平稳自回归-滑动平均混合模型,即ARIMA(1,0,1)(2,1,1)12模型,模型通过了高要站硝酸盐氮浓度实测数据的验证,利用模型,预测了西江硝酸盐氮输出的时间变化规律。