基于JT-AR转换模型的非高斯风荷载特性分析

为了研究大跨度屋盖结构的非高斯风荷载特性,提出一种采用JT-AR转换模型模拟大跨度球面屋盖结构非高斯脉动风压的方法。基于JT变换和AR模型理论进行耦合,提出并构建JT-AR转换模型,模拟生成非高斯脉动风压时程样本数据,与目标功率谱及高阶统计量对比验证;通过已有风洞试验结果与作用在大跨度球面屋盖结构表面的非高斯分布特性作对比验证。结果表明:JT-AR转换模型的模拟结果与风洞试验作用在建筑上的非高斯脉动风具有同等作用效应,其模拟仿真结果具备可靠性及普适性。研究结论为大跨度结构抗风设计提供一种新的模拟方法,可代替复杂的风洞试验。

基于加权分位数回归参数估计的AR模型及其应用

提出加权分位数自回归AR(p)模型对路基边坡变形预测的新方法,给出其原理和具体算法。以重庆奉云高速公路某滑坡段为例验证了该方法的有效性,并与其他模型作对比分析。结果表明:新方法的预测效果优于最小二乘参数估计的AR(p)模型、非加权分位数估值的AR(p)模型、ARIMA及EMD-ARIMA模型。

基于Kalman滤波的组合预测模型在建筑物变形监测中的应用

根据建筑物沉降监测数据的特点,结合Kalman滤波算法、BP神经网络模型以及AR自回归模型在数据降噪、数据预测中的优势,提出并构建了一种新的基于Kalman滤波的BP-AR沉降预测模型。该组合预测模型实现建筑物变形预测的主要步骤为:首先,通过Kalman滤波算法对原始观测数据进行降噪,消除随机噪声误差对观测数据的影响;其次,通过BP神经网络模型对降噪后序列进行建模与预测;最后使用AR模型对预测残差进行建模与预测。通过实际建筑物沉降监测数据对本文提出的组合预测模型进行验证,结果表明相较于BP神经网络模型与BP-AR模型,本文提出的组合预测模型的预测精度更高,有效降低了噪声影响,具有较高的优越性。

自回归模型AR(P)在模拟年径流系列中的应用

在水资源规划和水利工程设计工作中,经常应用水文资料来计算某一水文站的某一水文要素的均值和各种保证率下的特征值。但当资料系列年限不充分长时,其代表性无法满足设计的要求,所推算的平均值和各特征值易出现较大误差。只有当资料系列年限相当长时,计算出的平均值和各特征值才具有代表性。为此,应用自回归模型AR(P),对有限的实测年径流系列进行模拟,计算出较长的年径流系列,克服了常用方法的弊端,进而满足了水资源规划和水利工程设计中的需要。

EMD+AR模型在运动想象脑电处理中的应用

为了在处理运动想象脑电信号时得到理想的特征向量,提取脑电波(Electroencephalogram,EEG)信号特征之前使用经验模态分解(Empirical Mode Decomposition,EMD)信号,再用自回归(Auto Regressive,AR)模型提取特征。与单独使用AR模型相比,EMD+AR算法模型得到的频谱图特征更为明显,表明EMD+AR算法模型提取的特征具有较强的鉴别力。

基于SSA和AR模型的海面变化预测试验

以吴淞站1955-2001年月平均潮位序列为基础,采用奇异谱分析(SSA)与自回归模型(AR)相结合的方案(SSA+AR),进行了月平均潮位预测试验。基本思路是对SSA分析的结果选择若干有意义的分量进行序列重建,借助于自回归模型进行分量预测,再对它们进行叠加,从而建立预测模型。本文以1955-1996年数据为基础建立模型,1997-2001年数据作为验证,检验结果表明,两种方法的结合使用显示了较好的效果。

基于SSA-AR方法的MJO指数预报模型试验

采用奇异谱分析(SSA)与自回归向量(AR)预报模型相结合的方法,对热带地区大气季节内振荡(MJO)指数向量作自适应滤波意义下的预报试验。结果表明,通过对MJO原始序列进行SSA的分解重建,无论采用对重建的分量序列进行AR(P)建模的方案,还是利用对重建合成序列进行AR(P)建模的方案,均可得到两周以上的MJO指数预报能力,其提前20天指数预报值与实况之间平均相关系数达到0.5,与直接对MJO原始序列进行AR建模相比较,该方法有较高的预报技巧和超前预报能力,预报效果也较稳定,故将SSA-AR方案进一步完善,可望作为MJO指数业务预报的有效模型。

海平面变化的小波和自回归模型集成预测试验

针对海面变化预测时间序列模型中趋势组份和周期（准周期）组份的提取和预测问题，基于吴淞站1955-2001年月平均潮位序列，采用小波分析（wA）与自回归（AR）模型相结合的方案，对小波分解的不同尺度分量序列，借助于时间序列模型进行分量预测，再对它们进行叠加建立预测模型，进行了月平均潮位预测试验。以1955～1996年数据为基础建立模型，1997～2001年数据作为验证，结果表明两种方法的结合使用显示了较好的效果，具有较高的精度。

基于声发射信号自回归模型的卧式釜结块检测

利用声发射检测技术,根据固体碰撞壁面产生不同频率的声发射信号的机理,结合自回归模型(AR模型),获得一种有效检测卧式反应器(HSBR)内聚丙烯结块的方法。通过计算声信号AR模型功率谱,并与正常状态下的谱图对比,进行方差计算,实现了结块的准确预警和故障的实时诊断。冷模实验发现,正常状态下声信号AR谱的能量分布均匀、小幅波动和方差较小;加入结块后,声信号AR谱低频部分的能量分率显著提高,方差显著增大,能够较为清晰地指示结块的产生。在工业装置中结块状况的实时监控结果表明,声发射检测技术能快速、准确、环保地实现卧式反应器内结块的在线检测。

基于三角模糊数的自回归模型在矿井瓦斯浓度预测中的应用

影响矿井瓦斯浓度的地质因素间存在着模糊性,为了解决带有模糊信息的动态瓦斯浓度预测问题,建立了一种模糊自回归(Fuzzy-AR(P))时间序列预测模型。采用AIC,BIC和FPE准则来确定模型阶数(确定为22阶),将计算模型系数中心值及模糊幅度值的问题转化成约束优化问题,并利用MATLAB优化工具箱求解。利用所建模型对6个测试样本进行预测分析,平均模糊隶属度为0.85,平均绝对误差为0.040 3,预测效果明显。与其他预测模型相比,Fuzzy-AR(P)模型的预测结果是一个区间,扩大了相关量的适用范围,使预测结果更合理、更科学。

应用经验模态分解下的AR模型提取电动机故障特征

为有效地诊断电动机断条故障,提出了一种基于EMD-AR模型的电动机断条诊断的信号分析新方法。该方法将时间序列的AR模型引入到电动机断条故障诊断中,采用了经验模态分解方法将电动机的电流信号分解成若干个平稳的IMF分量,对前三个分量建立AR模型,并对固有模态函数进行功率谱分析。通过对比正常电动机、一根断条满载电动机和一根断条空载电动机的A相电流信号的IMF1(V)~IMF3(V)分量,通过AR模型估计的功率谱图提取故障特征并分析。仿真和实验结果表明,此方法能有效识别电动机断条故障。

AR预测模型的IMM跟踪算法

针对LOS/NLOS混合条件下对机动目标的鲁棒跟踪问题,提出一种基于AR预测模型的交互式多模型(Interacting Multiple Model,IMM)跟踪算法(ARIMM)。该算法利用AR预测模型对运动状态建模,针对LOS与NLOS条件下观测噪声的分布不同分别使用无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)和改进的无迹卡尔曼滤波器(Robust Unscented Kalman Filter,RUKF),通过IMM方法估计出移动台的位置,利用该位置更新AR模型的参数,使AR模型与真实运动状态更加匹配,实现精确跟踪。仿真结果表明,在LOS/NLOS混合条件下,与传统的UKF和RUKF算法相比,该算法对机动目标跟踪的鲁棒性更好。

基于时间序列分析的滑坡位移预测模型研究

结合滑坡位移监测数据,从分析滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身基础地质条件控制的趋势项位移以及由外界因素如降雨、库水位变动等影响的周期项位移,应用时间序列分析方法建立滑坡位移预报模型。采用二次移动平均法分离滑坡位移的趋势项和周期项,在此基础上分别采用GM(1,1)灰色模型和自回归AR模型分别对滑坡趋势项位移和周期项位移进行预测,将计算得到的各分项位移预测值叠加即得到总位移预测值。以三峡库区八字门滑坡位移为例,分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。

基于自回归高阶估计的盲信号提取算法

文章利用线性预测模型来描述信号的时序结构,提出了一种基于高阶统计量的自回归参数估计的盲信号提取算法。算法首先通过高阶累积量对AR模型中的加权参数进行估计,然后利用盲提取方法对混合信号进行抽取以达到混合信号的分离,比较了高阶累积量方法和二阶自相关分离算法在不含噪声和含高斯白噪声情况下的分离效果。最后通过仿真实验证实了算法的有效性。

高炉铁水硅含量序列的支持向量机预测模型

基于包钢6号高炉的在线生产数据,首先建立铁水硅含量序列的自回归AR(p)模型,分析其滞后阶数;然后对硅含量的自回归项及影响因素进行主成分分析,找到多元变量相互独立的有效信息作为输入变量;最后建立铁水硅含量的支持向量机回归预测模型。该模型对炉温预测的准确度达到88.2%,对在线监测高炉炉温具有一定的实用价值。

成都市居民未来生活用水量预测模型的选择

以成都市居民生活用水量为背景 ,采用不同的预测方法进行了实例计算 ,分析比较了多个模型的预测精度 ,并在此基础上确定了适合成都市居民生活用水量变化特征的新的预测模型──自组织模型。研究结果表明 ,自组织方法 (GMDH)是强有力的建模方法 ,是一种有效的预测手段。

时序与主成分分析的钢框架模型损伤识别研究

针对结构健康监测中基于时间序列分析实现损伤识别的问题,提出了一种利用AR模型的均方差根误差(RMSE)与主成分分析(PCA)的结构损伤识别方法.首先对加速度数据建立自回归AR模型,并求得模型的均方根误差.然后,采用主成分分析获取载荷矩阵,通过标准化处理后提出结构损伤特征指标并定位损伤发生的位置.为验证本文提出方法的可行性,对不同损伤工况下的钢框架模型进行了振动试验,利用该方法对各种损伤状况进行识别,识别结果与预设损伤情况相一致.结果表明,使用该方法可以充分利用大量实测数据,克服外界干扰因素所带来的影响,对于结构的损伤诊断具有较高的理论价值和实用价值.

非负变权组合预测模型在建筑物沉降预测中的应用

为了克服建筑物变形预测中单一模型预测精度差、不稳定的问题,本文融合了适应性强、互补性好的自回归滑动模型、灰色模型和三次指数平滑法三种模型,基于误差平方和最小准则,采用滚动时间域的方式构建了非负变权组合预测模型。工程应用表明:非负变权组合预测模型的预测精度、可靠性优于三种单一预测模型、方差倒数组合预测模型以及等权组合预测模型。研究成果对建筑物沉降预测具有较好的参考价值。

二维超声波风速仪

叙述了超声波风速测量的原理,依据时差法的理论推导了V型结构的二维超声波测风速的计算公式,提出了一种基于微控制器STM32的超声波风速仪的设计方法。描述了超声波发射LC振荡选频电路、信号放大电路、二阶有源低通滤波器和有源全波整流滤波的关键技术的实现过程,并给出相应电路图和验证结果,程序融入了AR自回归模型滤波算法。同时对温度对风速影响和脉动风场进行研究。实验结果表明:该电路动态自适应能力强,抗干扰能力较强,配以智能化算法可实现高精度的风速测量,具有较高的参考和实用价值。

参数和非参数方法计算相干函数的比较

地震动空间相干函数计算主要两类方法,一是采用谱窗方法对功率谱和互功率谱进行平滑的非参数方法,另一类是采用K-T(Kainai-Tajimi)谱拟合功率谱和互功率谱的参数方法。本文选取了SMART-1台阵第5次和第45次地震的水平分量加速度记录,采用AR(Auto-Regressive)自回归模型的参数方法,计算了不同台站间距的相干系数,并选用Loh相干函数模型,对两种方法的相干系数进行拟合,分别得到了拟合参数和标准差。结果表明:(1)基于AR自回归模型方法得到的拟合标准差小于非参数法;(2)非参数法和参数法的相干系数有明显差别;(3)随着间距的增大,基于非参数法的相干系数随着频率增大而变小的程度放缓,而基于参数法的相干系数明显反映出相干系数符合随着频率增大而变小,同时也随距离的增大而减小的共识。