基于ARMAV模型和J-散度的结构损伤识别

损伤识别技术是结构健康监测系统的关键组成部分,为了进一步提高损伤识别的准确性和适用性,提出一种融合信息距离函数J-散度与向量自回归滑动平均(vector autoregressive moving average,ARMAV)模型的损伤识别方法。采用预白化过滤器对加速度时域数据进行消除激励相关性以及降噪处理;建立了ARMAV模型,并由模型的自回归参数和残差方差构建损伤判别指标;采用三层框架试验数据,并进行转播塔模型的损伤识别试验研究验证了该方法的有效性。结果表明:基于ARMAV模型和J-散度距离的损伤识别方法可操作性强,能够准确、高效地定位框架和塔架结构的损伤,且该方法受环境变化的影响较小,可为在线结构健康监测提供一种新思路。

基于ARMAV模型的国内海洋捕捞与海水养殖产量的分析

为了揭示国内海洋捕捞和海水养殖产量的相关关系,准确地跟踪并预测海洋捕捞和海水养殖产量的短期未来趋势,利用时序分析方法对1954—2006年国内海洋捕捞和海水养殖产量数据建立了多维自回归滑动平均(ARMAV)模型。该方法不仅避免了分别使用自回归滑动平均(ARMA)模型对两序列建模未考虑序列间关系的弊端,还通过数据的先期平稳化处理而使得算法的运用更具有针对性。图像与误差计算结果均表明,用本研究中给出的ARMAV(2,1,2)算法对两序列进行跟踪及预测具有效性。

基于ARMAV模型的结构参数辨识

根据激振信号{ft}和响应信号{xt}建立二维时序模型ARMAV(n,m,2),利用时序模型参数与模态参数的对应关系对结构进行模态参数辨识,识别出所有的模态参数,并根据时序模型参数进行功率谱估计。通过对电子机柜横梁的激振实验,表明用该种方法对结构参数的识别结果与理论值很吻合,可以在工程实际中对整个电子机柜结构进行参数识别,并可以得出功率谱图。

多维自回归滑动平均模型研究与应用

利用时序分析方法研究 1 95 2～ 1 997年国内生产第一产业与第二产业产值的AR MAV模型 ,并用所建模型对 1 998年产值进行外延预测 。

时间序列分析在流行病疫情研究中的应用

利用时序分析方法研究了从2003年4月27日开始卫生部办公厅发布的传染性非典型肺炎疫情报告,建立了非典型肺炎疫情ARMAV预报模型,并用所建模型对未来疫情进行外延预测,得到较为理想的预测结果.

电力系统模型类噪声闭环辨识方法

电力系统中多处负荷投切与变化等随机性质小扰动,导致系统响应始终存在类似噪声的小幅波动。文中提出利用广域测量类噪声信号闭环辨识被控电力系统模型,及时准确地反映系统当前动态特性,有效解决因仿真模型及参数误差造成的系统分析及控制器设计时效性和可信度差等问题。在研究多元自回归滑动平均(ARMAV)模型实现系统闭环辨识可行性的基础上,采用ARMAV模型拟合多元类噪声信号,进而基于模型实现电网正常运行过程中的系统模型闭环辨识。最后,将该方法分别应用于两区四机系统和36节点系统,证明了其准确性。

基于时不变ARMA模型的线性多自由度结构参数识别

简单介绍了时不变ARMA模型的数学描述，并阐述了结构参数与ARMA模型参数之间的对应关系：通过实例分析说明了ARMA模型用于工程结构识别的可行性；最后用一维ARX模型和ARVX模型对同一结构进行识别，从而得出多维模型在结构识别领域有更广阔的应用前景。

全国内地非典型肺炎疫情自回归预报模型

利用时序分析方法研究从 2 0 0 3年 4月 2 7日开始卫生部办公厅发布的全国内地新增传染性非典型肺炎疫情报告 ,建立全国内地非典型肺炎疫情ARMAV预报模型 ,对模型进行适用性检验后 ,可以用所建模型对未来疫情进行外延预测。用时序分析方法进行监测、分析及预报 。

国内第三产业产值的ARMAV模型研究与应用

本文利用时序分析方法研究 1 95 2— 1 995年国内生产第三产业交通运输仓储邮电通信业与批发和零售贸易餐饮业产值的 ARMAV模型 ,并用所建模型对 1 996— 1 997年产值进行外延预测 。