煤矿瓦斯涌出量预测的隐层递归反馈Elman模型

为更有效预测回采工作面绝对瓦斯涌出量,基于Lyapunov稳定性原理,改进Elman模型的递归部分。选取煤层瓦斯含量、煤层埋藏深度、煤层厚度、煤层倾角、采高、日工作进度、工作面长度、工作面采出率、邻近层瓦斯含量、邻近层厚度、邻近层间距、开采强度和层间岩性作为监测指标,对某矿16个学习样本进行训练,建立隐层递归反馈（HRF）Elman预测模型。利用矿井监测数据检验预测模型。试验结果表明,用HRF Elman模型能够有效地预测出瓦斯涌出量,预测结果相对误差为1.6%~3.41%,平均相对误差为2.45%,相比传统的Elman模型,预测精度和效率都有所提高。

MIMO-OFDM系统中一种低开销有限反馈新方法

以LTE-Advanced为背景,针对多输入多输出—正交频分复用(MIMO-OFDM)系统中的关键技术——基于码本的有限反馈预编码进行了研究,提出了一种基于递归算法的有限反馈新方法。利用各子载波间的频域相关性,以前一个子载波所选码字为基础,通过内积运算排序的方法来确定当前子载波的码字集合,然后对与该新码字集合相对应的码字索引进行可变长编码,以用于系统反馈。仿真结果表明:在递归反馈算法的基础上利用可变长编码能有效降低LTE-Advanced系统的反馈开销。