基于历史数据挖掘的海上船舶交通事故预测

为优化船舶航行路线,减少因交通事故导致的延误和拥堵,提升海上运输效率和效益,研究基于历史数据挖掘的海上船舶交通事故预测方法。从海事机构获取海上船舶交通事故历史数据后,采用数据挖掘方法中的一维局阿尼自编码器对海上船舶交通事故历史数据展开挖掘,得到海上船舶交通事故特征,再建立灰色SCGM(1,1)C模型,将海上船舶交通事故特征输入到该模型中,并运用当前预测状态中间值作为修正产生,对灰色SCGM(1,1)C模型预测结果进行修正后,得到海上船舶交通事故预测结果。实验表明,该方法具备较强的海上船舶交通事故历史数据挖掘能力,灰色SCGM(1,1)C模型输出的海上船舶交通事故预测结果 DBI数值较高,预测海上船舶交通事故能力较好。

基于粗糙集理论-主成分分析的Elman神经网络短期风速预测

为了解决传统静态前馈神经网络(FNN)在短期风速预测中易陷入局部最优值及动态性能的不足,引入Elman动态神经网络建立风速预测模型,采用主成分分析法(PCA)对原始风速数据进行特征提取以优化神经网络的输入,改进激励函数和网络结构以寻求函数收敛速度和预测精度的最优解。针对Elman神经网络预测模型在风速波动的峰值处预测误差较大及预测精度存在波动性,提出采用粗糙值理论对模型预测值进行修正与补偿,进一步提高预测精度。实验证明:所提出的方法能有效提高预测精度,增强神经网络模型的泛化能力,具有较好的实用性。

基于CEEMDAN与回声状态网络的风速预测方法

为了对风速进行准确预测,结合分类与回归树(Classification and Regression Tree,CART)、自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、回声状态网络与非线性误差修正策略,提出了一种基于回声状态网络(Echo Sate Network,ESN)的混合期风速预测方法。其中,CART用于对原始数据进行重构,得到建模数据集。CEEMDAN用于提取输入特征信息。ESN根据输入特征建立风速预测建模。最后,利用误差修正策略对所得到的模型进行修正。基于国内某风电场的数据实验表明,所提出方法能够准确预测风速,可以指导风场生产,提高生产自动化水平。

基于修正卡尔曼滤波的目标跟踪

分析了卡尔曼滤波算法在目标状态发生突变和运动模型建立不准确时估计精度降低,甚至发散的原因,对比自适应渐消卡尔曼滤波算法,提出了一种通过直接修正预测值来提高卡尔曼滤波算法精度、改善算法性能的修正算法。修正的算法通过设置判定准则和修正准则,实时修正预测值,在滤波初始阶段可迅速降低估计误差、提高稳态时的滤波精度、缩短收敛时间;当目标发生状态突变时,可消除或降低由于目标状态突变造成的滤波跟踪精度下降、滤波发散的问题;当目标运动建模不准确时,可消除或降低由于建模不准确带来的模型误差。仿真实例说明了算法的有效性和较强的实际应用指导意义。

基于后验量测修正的卡尔曼滤波算法

针对卡尔曼滤波器鲁棒性差,对突变状态跟踪能力有限的问题,提出了基于后验量测修正的卡尔曼滤波算法(PMKF)。该算法利用改进的判决准则对滤波状态进行实时判断,状态平稳时采用卡尔曼滤波,状态突变时采用提出的后验量测卡尔曼滤波算法(PKF)进行修正。理论分析及仿真结果表明,该修正算法不但削弱了状态突变对滤波的影响,克服了模型失配导致的滤波精度下降的问题,而且通过实时修正,提高了稳态时的滤波精度,缩短了滤波收敛时间。改进的判决准则对连续突变状态也具有更强的检测能力。

THE MODIFIED METHOD OF CHARACTERISTICS WITH FINITE ELEMENT OPERATOR-SPLITTING PROCEDURES FOR COMPRESSIBLE MULTICOMPONENT DISPLACEMENT PROBLEM

For the three-dimensional compressible multicomponent displacement problem we put forward the modified method of characteristics with finite element operator-splitting procedures and make use of operator-splitting,characteristic method,calculus of variations,energy method,negative norm estimate,two kinds of test functions and the theory of prior estimates and techniques.Optimal order estimates in L^2 norm are derived for the error in the approximate solution.These methods have been successfully used in oil-gas resources estimation,enhanced oil recovery simulation and seawater intrusion numerical simulation.