Brent-Luk脉动阵列的一种仿真方法

在阵列算法提高处理速度问题的研究中,针对实现大规模Brent-Luk(BL)特征值分解脉动阵列需要的逻辑资源过多的问题,提出了阵列的一种仿真方法。使用较小的阵列仿真大规模BL阵列的功能从而节省逻辑资源。仿真阵列与BL阵列的结构相似,处理单元间的互连与原BL阵列的规模无关,而且处理单元间的数据交换简单,减少了数据交换,在逻辑资源限定的情况下,可实现仿真阵列的加速,并进行仿真计算。结果表明,仿真方法可高效地实现BL阵列的处理速度。

Brent算法在水和蒸汽性质计算中的应用

介绍了在水和蒸汽性质计算中,利用Brent算法,通过IAPWS-IF97计算模型的基本公式的快速迭代计算其逆函数,给出了求解过程的计算逻辑图和算法实现的关键,以及软件函数编写和调用的要点,并分析了计算结果的精度。分析表明,在水和蒸汽性质计算中,用Brent算法来求基本函数的逆函数,能稳健、快速地达到预设的高精度要求。

基于ACO优化的ARIMA-ES-RF布伦特原油价格预测研究

为解决传统单一的自回归积分滑动平均(ARIMA)和指数平滑(ES)预测原油价格(以布伦特原油为例)误差较大,难以精确地预测序列非线性特征的问题,提出自回归积分滑动平均(ARIMA)-指数平滑(ES)-随机森林(RF)组合预测方法。目前虽已有大量的原油价格预测模型,但还未有文献利用随机森林组合传统时间序列模型对原油价格进行研究。在此基础上,利用蚁群算法(ACO)对随机森林的重要参数(树的数量及根的深度)进行智能搜索,将随机森林组合模型的预测精度反馈给蚁群进行信息素的实时更新,输出使得组合模型预测精度最高的模型参数。研究结果表明:提出的蚁群优化参数后的组合随机森林模型能更好地预测布伦特原油价格的趋势,预测精度均方根误差(RMSE)从1.15降低至0.88,减少了0.27;平均相对误差从1.10%降低至0.86%,降低了0.24%,预测精度较以往的原油价格预测模型有显著提升。

快速模拟退火算法用于噪声图像配准

提出一种基于快速模拟退火的噪声图像配准算法.将模拟退火算法纳入鲍威尔(Powell)直接搜索法可以使优化解不陷入局部极值解而获得全局优化解,而且可大大地提高运算效率.实验表明,该算法能对平移、旋转后的噪声图像进行有效地配准.

一种地震共反射点道集数据的叠前反演方法

叠前地震资料含有地层的纵波、横波速度和密度等信息。利用叠前反演获得隐藏在地震数据中的这些基本参数后,即可揭示大量岩性及孔隙流体性质的信息。这里推导了平面波在层状弹性介质中传播的正演算子,提出了一种基于Brent正交搜索方向组的叠前三参数反演方法,该方法不需要求解庞大而复杂的导数矩阵。通过自适应退火因子和罚函数来处理约束条件,提高了算法的稳定性。将K-L变换引入到方向置换过程,有效防止了搜索方向组的线性相关。经理论模型和油田实际数据的反演结果表明,该反演方法是一种利用叠前地震数据进行储层预测的有效手段。

计算圆周率方法的数值实验比较

本文用数值实验的方法对比计算圆周率两类计算方法:Ramanujan型级数和迭代算法,并分享一些有趣的观察.

一种高压缩Wallace树的快速乘法器设计

介绍了一种32位有符号/无符号乘法器.该乘法器采用改进的Booth编码减少了部分积个数,并通过符号扩展的优化,减少中间资源消耗,对部分积进行统一的符号操作,简化了程序设计的复杂性.采用了7:2压缩结构的Wallace树及64位Brent Kung树结构超前进位加法器,有效地提高了乘法器计算速度.整个设计采用Verilog语言编写,通过Modelsim仿真验证设计功能的正确性.采用Synopsys的Design Compiler进行基于SMIC的0.18微米标准库的综合并得到性能参数.

高性能乘加单元的设计

设计了一个16位的高性能乘法累加单元,该电路能在单周期同时完成有符号与无符号整数的乘加、乘减运算,并且具有饱和运算功能。乘加单元采用改进的Booth编码乘法;把补码取反后加1的运算作为一个部分积,把累加数作为一个部分积,符号扩展位缩减后得到的补偿值为常数;部分积累加部分采用4-2压缩器;进位传递加法采用Brent-Kung加法,使结构对称紧凑。乘法累加单元采用hhnec 0.25μm工艺实现,关键路径延时为4 ns。

交叉偶极各向异性快速处理新方法

在交叉偶极子横波各向异性反演中,通常先利用波形反演法得到各向异性目标函数,再采用二维的全局寻优方法来求取地层方位横波各向异性参数,但对于低各向异性地层,存在搜索效率低、低精度解的问题.本文结合Alford旋转法和波形反演法,以两个分别沿着方位轴和各向异性参数轴的一维搜索代替了原有的二维搜索方法,这种一维搜索方法使用布伦特(Brent)算法有效地实现对各向异性参数的求取.使用该方法处理了现场测井数据,我们获得了和原先的二维搜索方法相似的结果.新方法的优点是很大程度上提高了数据处理的效率和稳定性.

量子粒子群智能算法在国际布伦特原油价格预测中的应用

原油价格的波动对世界经济政治形势具有重要的作用,其预测问题是维护原油生产、消费企业及国家利益的重大问题。因此,原油价格预测是国际市场研究的一个重要领域。本文将TSK模糊逻辑系统与神经网络结合,设计五层模糊神经网络系统,采用量子粒子群(QPSO)智能算法调整模糊神经网络系统的参数,将所设计的智能系统应用于国际布伦特原油价格预测中。并将QPSO算法与BP算法和最小二乘法进行比较,预测性能指标和仿真结果表明基于QPSO智能算法的模糊神经网络系统的设计是有效的,取得了更好的效果。