解微分方程组的Adams预测校正算法的改进方法

针对Adams预测校正算法求解微分方程组作了改进.算法的主要改进之处是在校正环节用已经计算出来的"新值"取代"旧值".最后,基于提出的改进方法和传统的Adams预测校正算法对同一微分方程组问题作了数值比较实验.数值实验结果表明改进的算法与传统的Adams预测校正算法的计算量一样,但精度大大提高.

基于自适应横程走廊的再入滑翔飞行器改进预测校正算法

针对再入滑翔飞行器(reentry gliding vehicle,RGV)预测校正制导算法中规避逻辑和制导逻辑相分离的问题,提出了一种基于自适应横程走廊的融合算法。首先,通过飞行器侧向运动轨迹与禁飞区的相交关系,动态引入规避逻辑;同时,提出禁飞区有效映射横程来量化影响飞行轨迹的禁飞区区域;最后,设计自适应横程走廊,动态调整走廊边界,控制倾侧角的翻转,实现规避逻辑和侧向制导逻辑的融合。仿真结果表明,在本文方法下,飞行器可以针对不同情况的禁飞区实现有效制导,对再入扰动具有一定的鲁棒性,并与制导逻辑和规避逻辑分离设计的算法相比,在保证制导精度的同时,具备更少的倾侧角翻转次数。

基于麻雀搜索算法优化Elman残差自校正地面沉降预测模型

地面沉降是一种常见的地质灾害,严重阻碍当地居民的生产生活,如何对地面沉降进行准确预测已经成为相关专家学者讨论的热点话题,但常规数学模型难以对地面沉降量做出准确预测。提出了麻雀搜索算法(sparrow search algorithm,SSA)优化Elman的地面沉降量预测方法,同时根据组合模型原理提出了SSA-Elman残差自校正(SSA-Elman residual self-correction,SSA-Elman-RSC)模型的策略,通过残差校正的方式降低神经网络预测误差,成功地将地面沉降量预测模型应用于山西省大同市潇河产业园,将预测结果与未进行残差修正的模型预测结果进行比较分析。结果表明,对于均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)3个指标,SSA-Elman-RSC拥有更高的精度。该模型的提出为山西地区地面沉降量预测提供了一种新方法,并且组合模型的建立提供了一种新思路。

一类非线性Burgers型问题的预测校正紧差分方法

针对一类非线性Burgers型方程,提出一种预测-校正紧差分方法。首先,对时间一阶导数采用一阶Euler格式,时间积分项运用一阶卷积求积公式进行离散,并以MacCormack方法的两步预测-校正方法处理非线性项;然后采用四阶紧差分离散空间的一阶和二阶导数,构造了Euler预测-校正紧差分全离散格式。最后通过案例验证了所提出算法的有效性。

基于DDPG的高速飞行器预测校正制导律设计

针对高速飞行器在再入滑翔过程中的多约束、强时变问题,本文结合深度确定性策略梯度算法(Deep Deterministic Policy Gradient, DDPG)的在线自主决策优势,根据威胁区信息,实时生成规避策略来进行动态禁飞区规避航迹规划。进一步为增强高速飞行器对环境不确定因素的抗干扰能力,在规避轨迹基础上选取航路特征点集合,采用预测校正在线制导方式,根据飞行任务需求和终端约束,实时校正高速飞行器飞行状态,最终实现高速飞行器精确制导。同时,为验证方法的有效性,开展了相应的数值仿真分析。结果表明,本文方法能够有效规避禁飞区,增强了对不确定因素的适应性,具有一定的工程应用价值。

基于Adam-LSTM的车用汽油价格预测

汽油价格预测的国内外以往研究主要采用传统统计模型和简单神经网络模型,无法处理长期依赖性问题,而深度学习的长短期记忆(LSTM)神经网络模型能够有效处理成品油价格数据中的长期依赖问题,因此建立基于Adam(自适应矩估计)-LSTM人工神经网络模型,对四川地区89号、92号、95号汽油价格数据进行预测。首先对数据进行滑动平均处理,然后通过均方根误差(RMSE)、平均绝对百分比误差(MAPE)等指标评价模型的预测效果,同时通过DM(Diebold-Mariano)检验比较LSTM模型与另外4种模型的预测效果,最终发现LSTM对于该数据的预测效果最优。

基于预测校正算法的Spike and Slab Lasso逻辑回归模型

尽管Spike and Slab方法广泛应用于贝叶斯变量选择,但其惩罚似然估计的潜力在很大程度上被忽视了。通过在贝叶斯模态中引入惩罚化似然观点,本文提出了新的Spike and Slab Lasso逻辑回归模型,将两个拉普拉斯密度的混合先验置于单个坐标上,可以自适应地收缩系数,即弱收缩重要预测量,强收缩不相关预测量,从而可以得到准确的估计和预测。同时,我们使用了预测–校正算法来求解Spike and Slab Lasso逻辑回归模型,并将该算法扩展到不可分离惩罚的情况。该算法利用凸优化的预测校正算法,沿着整个正则化路径有效的计算解,方便了模型选择,避免了正则化参数值不同时的独立优化。最后,模拟学习和实证结果表明本文所提模型比Lasso逻辑回归模型具有更优的性能。

隐式广义预测自校正控制算法的混合仿真研究

利用广义预测控制与动态矩阵控制的等价性，根据动态矩阵控制中误差校正原理，对广义预测控制算法中的开环预测向量ｆ作了修正。并通过模拟仿真仪对该算法进行了混合仿真研究。

PI型广义预测自校正控制器的简化算法

基于具有PI结构的广义预测自校正控制器，推导了其不需在线求解丢番图方程的算法，从而使计算量大大减小，便于该控制器的在线实现。仿真结果已表明了该算法的快速性。

解广义混合似变分不等式的预测校正迭代算法

研究了一类广义混合似变分不等式,应用辅助变分不等式的技巧,在非紧假设条件下,用新的迭代方法,提出了求解广义混合似变分不等式的预测 校正迭代算法,并讨论了由算法所生成迭代序列的收敛性.

基于自适应免疫算法和预测-校正内点法的无功优化

针对电力系统无功优化问题,将自适应免疫算法(adaptive immune algorithm,AIA)和预测-校正内点法相结合,提出了一种新的混合优化算法.先利用AIA进行大范围全局寻优,找到候选最优点,把它作为内点法的初始可行点,再通过预测-校正内点法在初始可行点的邻域内进行局部的确定性搜索,提高解的精度和速度;在此基础上,根据对偶间隙的变化过程,提出了对中心参数及相应障碍参数的改进选择方法,有效地避免了数值振荡,使计算精度及收敛速度均得到明显改善.将上述方法用于IEEE14节点系统,计算时间为2.0 s,优化后网损下降2.27%;而用于IEEE118节点系统,计算时间为322 s,优化后网损下降14.29%.这表明本文所提出的算法在计算速度和精度上较其他方法均有明显改进.

广义预测自校正控制隐式算法及其仿真研究

大量的工业生产过程都具有非线性、时滞性、不确定性和时变的特点,要建立精确的模型十分困难,因此研制具有鲁棒性的自校正器逐渐引起人们的关注。介绍了一种广义预测自校正控制隐式算法且对其进行仿真研究,分析仿真结果,总结参数变化对整个系统性能的影响,结果说明了该算法的有效性。

半定规划问题的一种新的预测-校正算法

本文首先将半定规划转化为一个变分不等式问题,在满足单调性和Lipschitz连续的条件下,提出了一种基于Korpelevich-Khobotv算法的新的预测-校正算法,并给出算法的收敛性分析.

有效克服系统时延的PID自校正预测控制新算法

给出了ＰＩＤ自校正预测控制器的一种简单设计方法。其主要内容有：不同于自适应预测算法，基于内模原理构成ｄ步超前预测控制器；根据ｄ步超前预测信号，应用数据处理的新技术，构成了ＰＩＤ自校正预测控制的新算法。仿真及运行结果表明，这种控制技术是有效的。

自由边界问题的自适应预测-校正算法

对一类自由边界问题,提出了基于线性互补问题的自适应预测-校正算法.用有限差分对微分模型离散化后得到一个正定线性互补问题,该问题等价于一个不动点问题,从而得到求解线性互补问题的自适应预测-校正算法.用正定性及投影基本性质可证明算法收敛性.给出了具体的算法过程,数值结果表明了算法的可行性和有效性.

改进的多频自校正广义预测控制算法

针对输出采样速率比输入更新速率慢的多频系统，提出了一种改进的广义预测自校正控制算法。该算法将自校正机构辨识出的多频模型转化为以输入更新频率为采样频率的等价单频模型，用此模型预测系统未来的输出，避免了多频模型不能预测未来输出采样点之间的信息。仿真结果表明，该方法提高了系统的动态品质，具有响应速度快的特点。

解非线性混合似变分不等式的预测-校正迭代算法(英文)

对映象引入了部分松驰η 强单调性概念.应用辅助变分不等式技巧,建议和分析了求解非线性混合似变分不等式的预测 校正迭代算法.算法的收敛性证明仅需要映象的部分松驰η 强单调性,此性质比η 余强制性更弱.这些算法的收敛性结果是新的且推广了文献中某些已知结果.

混合拟变分不等式的预测-校正算法

引入并研究了一类具有弱强制性算子的混合拟变分不等式,运用辅助原理技巧,给出了一个求解混合拟变分不等式问题的三步预测-校正算法,并在一定条件下证明了该算法的收敛性.

一种隐式广义预测自校正控制算法及仿真研究

广义预测控制是一种新型的远程预测控制方法,它集多种算法的优点为一体,具有较强的鲁棒性。采用不辨识对象模型参数的隐式算法,更是大大减少了计算工作量,节省了时间。该文介绍了一种隐式广义预测自校正控制算法且对其进行仿真研究,分析仿真结果,总结参数变化对整个系统性能的影响,结果说明了该算法的优越性和可行性。

单步Newmark预测-校正算法无条件稳定的充分必要条件的论证

应用判别差分方程稳定性的Schur－Cohn准则，研究用于一般耦合系统动力响应分析的单步Newmark预测－校正算法的稳定性问题；给出了算法无条件稳定的充分必要条件的严格理论证明。