基于指数函数的川滇地区余震序列衰减规律研究

较大的余震可能造成额外损失并有二次触发建筑物受灾的风险。为研究余震序列衰减规律,文章尝试采用指数衰减模型拟合分析5个不同地区余震序列,并借助修正赤池信息准则、贝叶斯信息准则与调整后R^(2),分析其与传统余震衰减模型的性能。结果表明,指数模型描述余震序列衰减规律的能力与修正的大森余震模型、修正的拉伸指数模型接近。尤其对于四川长宁M_(S)6.0余震序列和云南彝良M_(S)5.7余震序列,指数模型表现优于其他两种模型。指数模型参数具有明确的物理意义:参数A与r之和能够准确代表强震后的实际初始余震数,5个余震序列初始余震数偏差均小于1.70%;参数k可作为反映余震序列衰减快慢的特征值,k值越大则余震序列衰减越慢,其值与主震震级呈反比例关系。

一类具有复权函数和两个不连续点的Dirac算子的逆问题

本文考虑了一类具有转移条件和复值权函数的Dirac算子的逆问题,采用了谱映射的方法得到了具有两个不连续点的Dirac算子的势函数在整个区间能被两组谱或Weyl函数唯一确定。

改进布谷鸟算法在装配序列规划中的应用研究

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

并网逆变器最优开关序列模型预测电流控制

传统的并网逆变器模型预测电流控制方法仅在控制周期内对电流波形进行单点预测,忽略了逆变器开关状态变化引起的输出电流纹波,为此提出一种改进的最优开关序列并网逆变器模型预测电流控制策略。首先,为减小开关切换次数、优化频谱分布,对空间电压矢量组合进行重新排列,设计6组开关序列,并根据开关序列提出基于无差拍的矢量持续时间计算方法。其次,在一个控制周期内设置8个电流预测点,以计算开关序列在控制周期内作用所产生的电流预测误差,并通过累加电流预测误差构造预测控制的价值函数,选择使价值函数最低的开关序列作为最优序列组合,提高并网电流波形质量。最后,通过实验验证所提策略在降低并网逆变器输出电流纹波方面的有效性。

基于混沌序列的MIMO-OFDM雷达通信一体化波形设计

为了解决多输入多输出的正交频分复用(multiple input multiple output orthogonal frequency division multiplexing,MIMO-OFDM)雷达通信一体化信号波形由于通信信息的不确定性导致模糊函数旁瓣水平较高以及系统雷达探测能力较差的问题,提出利用混沌序列对通信信息进行直接扩频。但普通单级混沌序列具有保密性低,可用数量少,容易被破解的缺点。因此采用一种基于加权算法优化的混合型级联混沌序列对通信信息进行扩频调制,然后再通过MIMO-OFDM一体化系统进行传输。由仿真结果可知,加权后的级联混沌序列相关性和误码率性能较m序列和Gold序列更好,经此序列扩频后的一体化信号模糊函数旁瓣水平会更低,故该一体化波形雷达探测性能更佳。且混沌序列越长,信号波形雷达探测能力越好。

面向类集成测试序列确定的强化学习方法

面向类集成测试序列的强化学习方法能够自适应地根据系统集成状态调整集成测试策略,是测试优化的关键技术之一,但现有方法普遍存在计算成本高且不适用于大规模软件系统、忽略测试风险的滞后性问题,大幅降低了适用性和可靠性。针对上述问题,提出一种具有重要值加权奖励的基于测试顺序的强化学习方法。优化强化学习建模,忽略节点在测试序列上的具体位置,减弱状态之间的相关性,提升模型可用性。结合深度强化学习模型,端到端地更新集成测试策略,减少值函数的误差。在奖励函数的设计上,引入修正的节点重要值,实现降低整体测试桩复杂度且提升关键类优先级的多目标优化求解。在SIR开源系统上的实验结果表明:优化的强化学习建模方式能够有效降低整体测试桩复杂度,并适用于大规模软件系统;融入修正节点重要值的奖励函数能够有效提升软件系统中关键类的优先级,平均提升幅度为55.38%。

反求铝合金淬火边界条件的序列LM梯度算法

准确获取边界条件在淬火仿真中至关重要。为此,根据瞬态热传导模型,利用正则化方法建立反求热通量的目标函数,结合序列函数指定法与LM梯度法,通过最小化目标函数推导出序列LM梯度算法,实现末端淬火实验中热通量的迭代计算。其次,通过训练观测点的平均绝对误差的“3-7-3”神经网络预测模型,建立了序列LM梯度算法关键参数的遗传算法优化方法。最后,以换热系数为边界条件建立淬火仿真模型。结果表明:在相同淬火时间内,一维序列LM梯度算法、一点法和两点法,在观测点的仿真温度平均相对误差分别为5.6%、5.9%、12.6%,17.1%、15.4%、15.3%和17.7%、16.0%、15.6%。因此,与一点法、两点法相比,序列LM梯度算法具有更高的精度。

DHL序列在奇特征域上的迹表示和线性复杂度

将DHL(Ding-Helleseth-Lam)序列看成是特征为奇素数的有限域Fq上的序列,利用经典四阶分圆的性质和迹函数基本理论,确定了DHL序列的Mattson-Solomon多项式,得到该序列在奇特征域上的迹函数表达式。在此基础上给出了计算该序列在Fq上线性复杂度的一般公式。

基于干扰序列图的无人机定位系统电磁效应分析

无人机定位系统是无人机与外部环境进行信息交互的重要核心模块,同时也为电磁干扰信号提供了耦合路径。围绕无人机定位系统电磁效应分析展开研究,关注未采取电磁加固措施的消费级无人机,基于无人机定位系统内部结构,建立了无人机定位系统的干扰序列图,进而推导出无人机定位系统各模块的瞬态响应函数,基于干扰序列图构建了无人机定位系统物理模型,开展了定位系统电磁效应场路联合分析,仿真分析了定位系统及其敏感单元磁场强度H和磁感应强度B的分布与规律,得到了无人机定位系统的电磁效应分布特征与电磁薄弱环节。仿真结果表明:无人机定位系统电磁薄弱环节在芯片线路连接点处,且随着电磁脉冲干扰时间的增加,电磁效应持续累积且呈现趋势一致的震荡效应。

基于改进人工蜂群算法的装配序列规划技术研究

针对复杂产品装配序列规划耗时、效率低且错误率高等问题,提出了一种基于改进人工蜂群算法的装配序列规划解决方案。首先,综合考虑装配序列的可行性、复杂性、稳定性、重定向性、聚合性等多个因素,构建基于矩阵的装配关系模型及适应性评价函数;其次,通过调用SolidWorks中的应用程序接口(application program interface, API)获取装配对象的相关数据,生成装配关系矩阵,以求装配序列规划问题;最后,以冷藏车的典型零件为对象,验证该方法的可行性。该技术显著缩短了检查时间和减小了错误率,同时提高了效率。

基于小波函数与改进时间序列的数字经济成熟度研究

针对时间序列算法右侧数据畸变严重,全局搜索能力弱的问题,提出基于小波函数的改进时间序列算法(ITSWF)。首先采用小波函数对右侧畸变数据进行分包,使数据呈现片段式有序,减少不同时间的数据畸变性,削弱时间、维度对计算结果的影响。然后,小波函数将数据分包,形成不同维度的子时间序列,并对不同维度子时间序列进行协同进化和最优位置共享。经过仿真测试,ITSWF算法的计算精度和收敛速度均优于CTS、ITS算法。最后,通过设置初始值和阈值构建ITSWF模型,对数字经济经济成熟度进行预测,且结果显示,ITSWF模型在数字经济成熟度分析方面,其准确率有所改进。

基于OPPERMANN序列扩频的雷达通信一体化波形设计

共享波形设计是雷达通信一体化系统最大化资源利用效率的关键。针对现有的一体化波形多址通信功能欠缺问题,设计了一种基于OPPERMANN序列扩频的雷达通信一体化波形。利用OPPERMANN序列对雷达脉冲信号进行加权,在子脉冲内调制多个下行链路用户的通信信号,并采用正交的OPPERMANN序列对不同用户的通信信号和雷达信号进行扩频,从而实现雷达与通信双重功能。理论分析和仿真实验表明,所设计的一体化波形使雷达和通信信号共享同一频带,不仅可以同时与多个下行链路的用户进行通信,还具有不同类型的模糊函数,可以满足雷达系统在目标探测和目标跟踪场景下的波形设计需求。

基于掩码时间注意力和置信度损失函数的序列数据早期分类方法

序列数据的早期分类对于高时效性应用具有重要意义。该任务的目标是在满足预期分类精度的前提下,尽快地对持续输入的时间序列进行分类。目前,深度学习已经在序列数据早期分类任务中得到了广泛应用。现有的深度方法通常利用递归神经网络来适应流数据的长度变化,并通过设置分类概率阈值退出分类过程。然而这些方法忽视了流数据的关键识别区域随信息量的增加持续变化。为了解决该问题,本文提出了一种基于掩码时间注意力机制的时间卷积网络来动态关注关键识别区域。此外,考虑到正确类别的分类概率分数应随模型观察到更多数据单调不递减,本文设计了一个置信度损失函数惩罚不符合该条件的模型,进一步促使模型提取更有区分性的特征。在8个公开数据集的实验结果表明了所提方法优越的早期分类性能。

用于测试序列优化的DPSO-WAO*算法研究

针对现有测试序列优化算法所存在的计算效率及优化性能间的矛盾,在DPSO-AO*算法基础上,采用基于加权Huffman编码的启发式评估函数实现对测试成本的评估,形成了DPSO-WAO*算法;实例证明,基于加权Huffman编码的启发式评估函数更为准确地评估了全局测试成本,使DPSO-WAO*算法优化性能较DPSO-AO*算法提升10%以上,趋近传统AO*算法,并通过取消成本回溯有效降低了传统AO*算法的计算复杂度,对于运载火箭等大型系统的测试序列设计、故障诊断等具有重要意义。

对称幂平方L-函数Fourier系数的高次均值估计

设f(z)为全模群SL(2,Z)上权为偶数k的Hecke特征形式,L(s,sym^(2)f)为其对应的对称幂平方L-函数,λsym^(2)f(n)为对称幂平方L-函数L(s,sym^(2)f)的Fourier展开式中第n个正规化Fourier系数.本文借助Newton和Thorne近期关于函数Symjf的重要工作以及自守L-函数的亚凸界和均值估计结果,研究了λsym^(2)f(n)在四个整数平方和序列上的三次均值估计和四次均值估计,得到了均值估计的渐近公式,改进了之前的结果.

基于自注意力机制的面向重复消费场景的序列化推荐算法

为提升序列化推荐模型在重复消费场景中的性能,增强推荐算法对于时间的敏感程度,减轻信息过载带来的负面影响,文中提出了基于自注意力机制的面向重复消费场景的序列化推荐算法SLSASRec。文中着重对重复消费场景中的时间间隔进行研究,对于用户的历史消费时间采用自注意力机制建模,在霍克斯过程中设计特定的时间核函数用以捕获用户的长期与短期偏好,同时在基础强度获取部分使用基线模型SASRec获得个性化建模。通过实验分析,在公共数据集Grocery and Gourmet Food的HR和NDCG指标上较对比的基线算法SASRec分别提升5.19%和5.02%,证明了算法可以有效预测用户的重复消费行为。

基于序列卷积神经网络的移动通信网络数据异常识别方法

在移动通信网络中,正常数据通常远多于异常数据,导致数据集出现了严重的不平衡问题,降低了数据异常识别的准确性。为了克服这一局限,本研究提出了一种基于序列卷积神经网络的移动通信网络数据异常识别方法。采用K-means聚类算法聚类移动通信网络数据,以减少噪声影响、提高异常检测准确性和计算效率,并通过欧几里得距离计算相似度,优化聚类中心直至误差平方和最小化。构建序列卷积神经网络模型,利用其高效提取序列数据局部特征、捕捉时间依赖性及降低特征维度等优势,识别移动通信网络数据中的异常,通过卷积、池化和全连接层处理,结合Softmax激活函数实现准确分类。实验结果表明,文章方法的数据异常识别的准确性较高,异常数据结果与实际结果基本一致,最大识别误差仅为4条。

时间序列均值和方差函数的确定方法

发现并提出一个重要定理 :时间序列的方差与该序列的差分绝对值序列的趋势项具有相同的函数形式。在此基础上 ,建立一种确定该差分绝对值序列趋势项的方法 ,该方法首先采用样本周期图和多点平均对趋势项中的周期项和非周期项进行分离 ,分别求得其函数表达式 ,然后再综合得到整个趋势项函数 ,进而求得原时间序列的方差函数形式 ,其中待定参数可根据相关系数平稳序列理论求得。该方法也可用于确定时间序列的均值函数 (趋势项 )

时间序列中自相关与偏相关函数分析

相关函数表现出时间序列中任意两个值之间的相关性是如何随着时间间隔而改变的.自相关函数刻画了时间序列相邻变量之间的相关性,偏相关函数则是排除了其它中间变量的影响,真实地反映两个变量之间的相关性,并且二者紧密相连.同时两个相关图所反映的信息在时间序列分析各个方面发挥着关键作用.

基于母函数的非线性反馈函数及其子序列研究

针对非线性最大长度移位寄存器反馈函数难以构造问题,本文提出了一种基于母函数构造非线性最大长度移位寄存器反馈函数方法.首先,我们阐述了母函数模3分类法,证明了各类母函数新的特征状态集,提取了母函数的特征式;其次,根据特征式对母函数的筛分特性合成了非线性m子序列移位寄存器反馈函数;最后,分析了该移位寄存器生成的伪随机序列,对其自相关值和线性复杂度进行了大量搜索.结果一致表明该序列不仅具有良好的周期特性、平衡特性、游程特性,还具有尖锐的自相关特性和理想的线性复杂度.