抗差Helmert分量估计在地铁CPⅢ控制网平差中的应用

为使CPⅢ控制网数据定权合理、提高平差成果精度,并具有抗粗差特性,论文提出采用结合Huber的Helmert抗差分量估计定权方法对CPⅢ控制网中的水平角、竖直角和斜距三类观测值进行合理定权平差,以福州市轨道交通4号线工程西门站至东街口站区间右线CPⅢ控制网测量项目为例,验证了该方法的定权合理性和可靠性,并可获得点位偏差小、精度可靠且有抗粗差能力的平差成果。

5G波束动态调度应对用户分布潮汐效应

现网中存在较多潮汐特性的场景,用户在特定的时间范围内规律性迁移和聚集,但现有5G基站以固定的波束配置覆盖,无法随业务和人员的聚集而变化,在该场景下最优波束覆盖范围与用户位置存在不匹配的情况,也无法发挥5G有源天线单元(Active Antenna Unit,AAU)能够波束赋形的优势。此类场景的网络优化存在人工无法计算最优波束权值、突发情况网络覆盖应对慢以及人工上塔调整天线成本高等痛点。针对这些痛点,提出波束动态调度方案,通过大数据计算和蚁群算法的应用,实现自动波束寻优,智能识别潮汐场景,自适应调整AAU的广播权值,使同步信号块(Synchronization Signal/PBCH Block,SSB)广播权值始终指向用户集中的区域,从而达到最优的覆盖效果和天线增益。同时,方案在基站突发故障、人员突发聚集等场景也能发挥重要作用,实现5G网络应用发展和用户感知提升的双重目标。

基于惯性权重调整的果蝇优化算法在WSN中的应用

目的:针对无线传感器网络随机部署节点的区域覆盖和传感器节点能量消耗问题,提出一种基于惯性权重余弦自适应调整策略的改进果蝇优化算法。方法:该算法在果蝇优化算法基础上,通过引入惯性权重的学习因子调整策略,在线调整算法的搜索步长。结果:增强了果蝇个体的自适应性及全局搜索能力,从而实现全局最优。结论:仿真实验表明,提出的改进果蝇优化算法不仅提高了收敛速度和全局搜索能力,还显著提升了WSN的覆盖率。

加权秩亏自由网平差的奇异值分解方法研究

针对传统的加权秩亏自由网平差方法需要对法方程系数阵求广义逆或者需要提前获取约束条件或伪观测方程的问题,本文提出了一种基于奇异值分解系统的加权秩亏自由网平差方法。该方法不仅避免了传统方法的上述步骤,而且适用于观测值权矩阵以及参数先验权矩阵为任意形式的情况,实现了计算流程的简化和适用范围的扩展。加权秩亏自由网平差较多应用于水准网和GPS网,本文分别对相应算例进行验证。结果表明:本文所提出的方法与广义逆法、附加条件法和伪观测法这3种传统方法的计算结果和平差精度完全一致,同时计算效率大致相当,从而为加权秩亏自由网平差提供了一种可供选择的方法,可在控制网内部数据质量检核和变形分析等领域发挥作用。

基于神经网络优化模型的保险公司应对灾害情况的决策安排

针对保险公司应对突发环境污染事故的决策安排,文章以BP神经网络为中心,利用WOA算法对网络拓扑结构及BP的权重系数进行了优化,同时采用Cubic混沌映射优化WOA算法的初始种群以避免局部极值,不仅改进了网络预测精度,还得到了预测误差较小的优化模型。以河南省相关环境数据为主要依据进行仿真测试,文章在确定整体模型结构层数的同时减小了误差指标,符合保险公司的决策预期。

基于Self-adjust网络模型的人脸图像情感分析方法

人脸表情具有丰富的情感内涵,是情感分析的一个重要研究方向。模糊的面部表情及标注者的主观性所带来的不确定性,给情感分析研究带来了挑战。鉴于此,提出了一种基于Self-adjust网络模型的人脸图像情感分析方法。首先用人脸对齐方法进行图像预处理,然后利用注意力机制来处理Focal损失加权,再对其进行秩正则化排序,最后通过重新分类对有误标签进行矫正,并用实验验证了该方法的有效性与优越性。该方法在准确率这个评价指标上有所提高,能够有效抑制人脸图像情感分析的不确定性,防止深层网络对不确定的人脸图像进行过拟合。

加权模块度增量引导下的层次社区发现算法

模块度优化层次社区发现算法可以快速挖掘网络中不同密度的社区,对研究网络的功能和演化机制具有重要意义.然而,由于在迭代过程中仅合并模块度增量最大的社区,其收敛速度受到了制约;此外,在社区合并过程中过度强调社区之间的连接强度而忽略了社区之间的相似性,其划分结果的准确度也受到了制约.针对以上问题,提出了加权模块度增量引导下的层次社区发现算法.该算法引入了社区相似度权重,并结合模块度增量构建加权模块度增量,通过优化加权模块度增量划分层次社区;同时,在社区划分过程中引入可调合并阈值,动态调整每轮迭代中合并的社区数量,以优化算法的收敛速度.在不同规模的真实数据集和人工数据集上的实验结果验证了本文方法的正确性和有效性.

水准网定权方法的比较

为了提高水准网平差精度和促进对定权重要性的认识,本文对目前水准网定权的五类方法进行了比较和实例分析。得到了结论:(1)定权不正确造成水准网各高程点平差结果以及其精度带来影响;(2)不同的定权方法所产生的权不一样,从而平差结果也不一样。本研究结论对水准网平差具有一定的参考价值。

PSO算法优化BP网络的新方法及仿真实验

提出一种基于粒子群算法优化BP网络的权值调整新方法.该算法在基本BP算法的误差反传调整权值的基础上,再引入粒子群算法的权值修正,从而建立了基于粒子群算法优化的BP网络新模型.此模型不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且模型的精度较高,较好地提高了BP网络学习能力与泛化能力.将新模型应用于4个典型复杂函数的仿真实验,并与基本BP模型、基于遗传算法优化的BP网络模型(GA-BP)和传统的粒子群优化前向BP网络模型(PSO-BP前传)的仿真实验结果进行分析比较.仿真实例表明新PSO-BP优化模型性能尤其是泛化性能优于其它3种BP网络优化模型.

基于赫尔默特方差分量估计的水准网平差方法研究

复杂地区水准网平差时传统定权方法存在不合理性。根据高差观测误差与地形起伏的关系,建立高差分类新标准,推导出各类高差观测值权的计算公式,并引入赫尔默特方差估计法来合理匹配各类高差观测值的权比关系,最后通过算例验证本文方法的优越性。

基于蚁群算法的BP网络优化算法

将BP网络的训练误差和检验误差用于引导蚂蚁行经路径上的信息更新机制和选择机制,并据此计算蚂蚁行径中的转移概率;又将蚂蚁行经路径上的存储单元存放的参数值赋予BP网络训练,而存储单元存放的参数和训练误差值亦随BP网络训练误差的调整而改变。通过交互迭代优化,最终得到调整后的BP网络的最佳参数值。数值模拟计算结果表明:与传统的BP算法相比,在达到同一数量级的训练误差情况下,基于蚁群算法优化参数的BP算法训练次数少,而模型的精度高,在一定程度上提高了BP网络的学习能力和泛化能力。

主动配电网储能系统的多目标优化配置

储能系统在平滑间歇式能源功率波动、削峰填谷、改善电压质量以及提供灵活的功率调节等方面都发挥了巨大的作用。主动配电网能否实现对间歇性可再生能源进行完整消纳以及网络优化运行,在很大程度上依赖于主动配电网的储能系统配置是否合理。文中从削峰填谷能力、电压质量以及功率主动调节能力3个方面建立主动配电网储能系统的多目标优化配置模型,并使用带权极小模理想点法求解该多目标优化问题,避免求解多目标规划问题复杂的Pareto前端曲面,简化了问题求解的复杂度。最后,通过算例验证了所提模型及其求解方法的有效性。

资源受限网络控制系统的模糊反馈调度

针对带宽受限的多回路网络控制系统提出一种模糊反馈调度方法。首先利用二次型函数映射的动态权重调整策略对控制回路赋予不同的权重系数,继而考虑控制系统输出的误差和误差变化率,提出了改进的基于模糊反馈调度的优先级配置策略,设计了模糊反馈调度器,对各控制回路的优先级进行动态的调整。最后通过TrueTime工具箱建立了动态权重调整的多回路网络控制系统的模糊反馈调度仿真模型,并将该方法同EDF(earliest deadline first)与权重固定的模糊反馈调度方法进行对比。仿真结果表明在相同的网络带宽占用的情况下,该方法具有更小的网络时延,且具有较好的性能。

航空重力测量测线网平差中的粗差处理

航空重力测量测线网平差的主要任务是进行系统误差的补偿。为了削弱粗差观测值的影响,提高补偿效果,引入阈值法和抗差估计,并采用模拟数据验证了这两种方法的有效性和可靠性。通过比较发现,抗差估计在航空重力测线网平差中具有更好的实用价值。

基于改进的Adaboost-BP模型在降水中的预测

针对目前分类算法对降水预测过程存在着泛化能力低、精度不足的问题,提出改进Adaboost算法集成反向传播(BP)神经网络组合分类模型。该模型通过构造多个神经网络弱分类器,赋予弱分类器权值,将其线性组合为强分类器。改进后的Adaboost算法以最优化归一化因子为目标,在提升过程中调整样本权值更新策略,以此达到最小化归一化因子的目的,从而确保增加弱分类器个数的同时降低误差上界估计,通过最终集成的强分类器来提高模型的泛化能力和分类精度。选取江苏境内6个站点的逐日气象资料作为实验数据,建立7个降水等级的预报模型,从对降雨量有影响的众多因素中,选取12个与降水相关性较大的属性作为预报因子。通过多次实验统计,结果表明基于改进的Adaboost-BP组合模型具有较好的性能,尤其对58259站点的适应性较好,总体分类精度达到81%,在7个等级中,对0级降雨的预测精度最好,对其他等级的降雨预测有不同程度的精度提升,理论推导及实验结果证明该种改进可以提高预测精度。

一种可调参数前馈神经网络的快速学习算法

针对传统BP神经网络权值算法速度慢、易陷入局部极小等缺陷,在权值平衡算法的基础上,提出了一种激励函数参数可调的前馈神经网络,并给出了相应的权值和参数快速学习算法。该算法运用该文提出的非单调启发式模拟退火搜索法实现网络权值和参数的快速搜索。实验表明,该算法不仅能明显提高网络的学习速度,而且可较好地避免学习过程陷入局部极小点而导致学习失败。

带权约束参数平差在工程控制网优化中的应用

介绍用带权约束平差原理编制的工程控制网试验修正法设计和平差程序 ,并用于设计工程导线和平差变形观测控制网等实际工程的例子 ,据此提供一些结论和建议。

一种车牌识别软件系统研究

针对现有车牌识别算法中的车牌定位、字符分割和字符识别三个核心模块存在的不足,提出了一种基于边缘两侧颜色检测的车牌定位方法;通过采用动态阈值调整方法,很好的实现了字符分割;对神经网络在字符识别技术中的应用进行了大量的研究和实验,根据汉字和数字、字母特征提取的不同,在对字符信息初识别时将汉字和数字、字母采用不同结构参数设置的神经网络进行识别,并对识别结果中包含的具有形体相近的字符提出了一种"不等权值"的方法。结果证明识别率有了明显提高。

无线传感器网络节点定位加权校正模型

为了降低定位算法本身和接收信号强度指示(RSSI)所产生的误差对定位精度的影响,在以往的定位算法(如利用高斯—马尔可夫模型定位)中加入校正机制,并将移动锚节点和固定锚节点定位技术相结合,提出了一种基于加权的校正模型和算法。仿真结果表明,采用加权校正模型有效地提高了节点定位精度,与采用高斯—马尔可夫模型定位相比较,定位精度提高了36.2%。

造纸过程定量水分的小波神经网络PID控制

抄纸过程定量水分控制系统存在时变、时滞、非线性、不确定等特点,使得定量、水分两个指标波动幅度较大,严重地影响了成纸合格率,断纸次数多。为解决上述问题,设计了定量水分的串级控制方案,采用小波神经网络PID控制方法对定量水分控制,并建立了三层神经网络模型,输出层单元分别表示PID控制器的三个参数,用非线性小波基函数取代隐层神经元的Sigmoid函数,根据定量、水分的实际输出与期望输出之间的偏差可实时在线调整PID参数。在MATLAB上进行仿真。仿真结果表明,控制系统能较好地克服时滞、时变、非线性等干扰对定量水分的影响,实现控制精度高,能很快达到稳定,并可有效地减少断纸次数,提高造纸效率。