强震预警中P波到时STA/LTA和贝叶斯BIC双步骤捡拾研究

以云南地区的地震数据为基础,借鉴国内外P波震相自动识别相关研究,提出一套可实时处理P波震相的方法,即STA/LTA和贝叶斯BIC双步骤捡拾法。应用此方法对所选取的云南强震动台网观测记录进行P波自动精确识别,并与人工捡拾方法结果进行对比,确定STA/LTA和贝叶斯BIC双步骤捡拾法的识别精度能满足地震预警快速准确的要求。

基于广义回归神经网络的电力系统中长期负荷预测

在介绍广义回归神经网络(GRNN)基本算法、网络结构及平滑参数确定方法的基础上,提出将误差序列的均方值作为网络性能的评价指标并采用最小误差对应的平滑参数,建立了GRNN的预测模型。提出了确定输入神经元数目的方法:根据自回归模型阶次的选择经验初步确定输入神经元数目m;在m值附近进行搜索,对于每一个m值,确定平滑参数后,计算网络对学习样本的预测误差;根据BIC准则评价指标的最小值确定输入神经元数目。将模型应用于某地中长期电力网负荷预测,分别进行了单步预测和多步预测。与BP神经网络模型的预测进行比较,结果表明,采用该方法的预测精度明显高于BP模型,即使在训练集样本数据较少时,该方法的预测准确度仍然很高。

小波神经网络结构设计新算法

依据训练数据集，构造多分辨率的小波节点库，再根据输入给出小波节点的输出向量．在此基础上，把一种非线性动态系统模型结构确定和参数估计方法与小波网络相结合，提出一种新的小波网络学习算法．该算法权衡网络的规模和精度两方面因素，自动地确定网络的节点数目，可以得到在ＢＩＣ准则下最优的小波神经网络．仿真结果表明，用本算法设计得到的小波神经网络具有较小的网络规模。

大跨度桥梁风荷载模拟及程序编制

提出了一种有效而实用的风荷载模拟方法。利用工程实际中普遍采用的风速谱,采用多维自回归模型AR,并应用B IC法则确定多维自回归模型的阶数,使模型与功率谱的拟合更具相合性。用VB语言模拟了一座跨度为1000m的悬索桥的主梁随机风场,验证了该方法的有效性。

基于ARMA-AKF的HRG随机误差建模分析

针对半球谐振陀螺(HRG)随机误差影响惯性测量单元测量精度的问题,提出了一种改进的基于自回归滑动平均(ARMA)模型和自适应滤波(AKF)的随机误差处理方法。该文对预处理的数据进行了自相关和偏相关特性分析,判断随机误差的适用模型,以及利用贝叶斯信息准则(BIC)准则估计ARMA模型的阶数,通过长自回归模型计算残差法获取模型参数,引入加权自适应因子在线调整一步预测误差阵和量测噪声矩阵用于改进滤波方程,并比较了5项主要误差系数值。结果表明,改进的算法能够有效抑制随机误差,为HRG的随机误差建模补偿提供了新方法。