关于指数分布的MLP与SLP的讨论

对指数分布、双参数指数分布的无替换与有替换的Ⅰ、Ⅱ型截尾样本．给出了单样、双样预测的MLP（极大似然预测子）,对Ⅰ型截尾样本还给出了LP（简单线性预测子）。     

双参数指数分布l个未来样本的顺序统计量单边联合预测系数表

对过去样本为Ⅱ型截尾样本．给出了双参数指数分布l个未来样本的顺序统计量单边联合预测下限的预测系数数表，并用数值例说明了数袁的应用。     

二项分布的Frequentist、Bayesian、Fiducial预测

要研究二项分布随机变量的预测问题，给定过去样本，给出了未来样本成功数的Frequentist（经典方法）预测子，并给出了Frequentist、BayeSian（贝叶斯方法）以及Fiducial（信赖方法）预测区间。     

Poisson分布的预测

对Poisson分布的未来样本的观测值给出了UMVUP(一致最小方差无偏预测子),介绍了Faulkenberry的Frequentist精确预测区间(PI),给出了无信息先验的Bayes PI与Fiducial PI,比较表明Faulkenkerry的PI最优,推荐在工程上使用,最后用数值例进行了说明。     

完全样本时,(对数)正态分布未来样本顺序统计量的Bayesian与Fiducial预测下限

在过去样本为完全样本时,本文给出了共轭型先验与群不变先验下,（对数）正态分布的双样Bayes预测下限与Fiducial预测下限,并指出可信水平为γ时,群不变先验下的Bayes预测下限与Fiducial水平为γ时的Fiducial预测下限,与Fertig＆Mann（1977）给出的置信水平为γ时的Frequentist预测下限在数值上相等。     

构造单样预测区间的基于观测值的条件方法

基于Ⅱ型截尾样本的观测值,提出了一种新的构造样本未来观测值与样本未来观测值落入时间区间(yr,t]内的个数(未来失效数)的单样预测区间的条件方法。     

Ⅱ型截尾时指数分布在未来时间区间内失效数的预测

对一般的连续分布，给出了单、双样预测未来失效数的条件概率，并对指数分布的Ⅱ型截尾样本，给出了未来时间区间内失效数的Bayes及Fiducial单样、双样预测子和预测区间（PIs）。     

Weibull与极值分布的l个未来样本的顺序统计量的单边联合预测区间

用基于辅助统计量的条件方法、基于群不变先验的Bayes方法及Fiducial方法,给出了Weibull与极值分布的l个未来样本的顺序统计量的单边联合预测区间,讨论了条件方法给出的该单边联合预测区间的性质与特例,并用数值例进行了说明。     

一种预测航天火工装置可靠性的小样本方法

给出了一种预测航天火工装置功能可靠性的新方法。当产品特性值服从正态分布,且已知产品上（下）规范限时,基于应力-强度模型,结合可靠性、统计学等相关知识,给出了航天火工装置可靠性的小样本预测方法。该方法可用20发以内的试验样本量来预测火工装置0.999999的高可靠性指标。此方法虽以火工装置为研究背景,但其基本原理可应用到其他机械类产品的可靠性预测之中,为可靠性的预测提供一种新的途径。     

飞行器健康度神经网络预测方法

提出了一种飞行器健康状态的智能预测方法,用于飞行器实时控制健康预测,是一种实时在线健康预测算法。该方法改变了传统飞行器事后补救的健康处置方案,采用实时输出飞行器的健康预测值。包括5个模型:飞行器数据模拟模型、基于RNN和LSTM的数据集正样本训练预测模型、基于灰色模型的预测模型、组合预测模型,以及健康度计算模型。     

应用过程神经网络的航天器瞬态温度预测方法

航天器在轨温度受空间热环境影响变化较大,同时研制阶段的热分析与热试验往往也耗时较长,因此通过准确有效的预测方法为其提供在轨温度预警信息、提高热仿真与热试验效率至关重要。文章提出航天器瞬态温度预测方法,依据航天器在轨温度实测数据,采用相空间重构理论构建样本集完成训练,应用过程神经网络建立瞬态温度预测模型,并对温度进行外推预测。经验证,根据温度预测方法建立的温度预测模型绝对误差最大值为0.746 K,可在满足工程精度的情况下实现对航天器瞬态温度的快速预测。     

基于FIG-SVR的姿控发动机推力校准斜率预测

为了对某型号姿控发动机高空模拟试验推力现场校准斜率进行趋势预测,提出了一种模糊信息粒化(fuzzy information granulation,FIG)和支持向量回归机(support vector regression,SVR)相结合的时间序列预测方法。借助模糊信息粒化方法将推力现场校准的斜率映射为包含区间最小值Low、中值R和最大值Up 3个参数的模糊信息粒,以降低样本的维数,并以其为输入构建SVR回归模型。预测结果表明,基于模糊信息粒化SVR确定的预测区间较好地反映了推力现场校准斜率的变化趋势。     

基于OARO-GRU网络的高频地波雷达电离层杂波短期预测

电离层杂波的精确预测对提升高频地波雷达的目标探测性能具有重要推动作用。为此,提出了一种基于改进人工兔子算法优化门控循环单元 （Opposite Artificial Rabbits Optimization optimized Gated Recurrent Unit, OARO-GRU）网络的电离层杂波短期预测模型。首先,依据高频地波雷达接收到的电离层杂波具有混沌特性这一先验知识,通过相空间重构技术构造GRU网络的输入和输出样本集;然后,融入反向学习和柯西变异两种改进策略用于改善标准ARO的寻优能力,并将其用于执行GRU网络的包含隐层节点个数、初始学习速率和最大迭代次数在内的三个超参数值的优选;最后,重新训练优化后的GRU网络,输入测试样本集进行测试,并依据给定的评价指标评估模型。实测结果表明：相较于其他7种对照模型,所提出的OARO-GRU网络预测模型在预测精度和可靠性上均具有明显的优越性,为有效改善高频地波雷达的目标探测性能提供了一种新的思路与方法。     

位置尺度族分布的双样预测区间

利用基于辅助统计量的条件方法,给出了有II型截尾样本的位置尺度族分布的双样预测区间,并对它的性质与特殊情况进行了讨论。     

指数分布单样预测的Bayes方法

对指数分布的单样预测问题用Bayes方法进行了讨论，结果表明，定数截必埋，无信息先验分布的Bayes预测限与经典预测限相同，但两种方法的预测子不一致，对有替换定时截尾，给出了经典方法目前尚未处理的单样预测问题的Bayes预测子与预测限，并用数值例说明了这些方法。     

双参数指数分布的单样预测问题

对双参数指数分布，本文给出了单样预测问题的预测子及预测区间，指出它们对寿命试验问题的应用，并用数值例说明了这些方法。     

时间终止时，HPP故障数的Frequentist、Bayesian与Fiducial双样和多样预测

研究了时间终止时,齐次Poisson过程故障数的预测问题,根据已出现的终止时间和故障数,给出了未来故障数的经典（Frequentist）点估计、经典精确预测区间、正态近似预测区间、Bayesian精确预测区间、极大后验点估计、Fiducial精确预测区间。     

预测区间技术在航天器数据处理中的理论与应用研究

面对航天领域收集到的大量遥测数据，对其整理、分析就需要运用统计的手段，采用了基于统计推断学的区间参数估计理论的预测区间技术，对传统的模型趋势预测研究进行了拓展。通过对航天数据及其预测模型的深入分析，把握其内在的统计规律，建立了模型预测与区间估计理论相结合的预测区间模型，给出未来数据在一定置信度下的变化区间。最后，将该技术应用于航天器数据预测实例分析，验证了该方法的有效性。     

Whipple防护结构弹道极限方程的多指标修正

为获得适用于国内情况的Whipple防护结构超高速弹道极限方程,研究了指标寻优方法,对国外的Christiansen改进型方程,以国内实验数据为依据进行多指标修正。结果发现：以预测概率型指标（包括总体预测率、安全预测率）和预测误差型指标（如：预测误差平方和）联合进行方程系数的逐级修正,可获得预测效果更好的修正方程。通过对低速段和高速段方程的整体系数进行修正,最终得到的新方程在国内107个实验数据上的总体预测率达到了89.7%,安全预测率则高达100%,分别较修正前的相应指标提高了10.3%和2.8%。     

指数分布的Bayes单样与双样预测区间

给出了共轭型先验分布下，指数分布的Bayes单样与双样预测区间，指出了它们与Dunsmore（1974）给出的Bayes预测pdf的关系，并讨论了它们与Frequentist预测敬意之间的关系。