利用神经网络预报中国地区电离层f0F2

利用神经网络技术并考虑太阳和地磁活动对电离层的影响,提出了一种提前5 h预报中国地区电离层临界频率f0F2的方法.网络输入包括时间、季节、地理纬度、太阳天顶角、最近一天的12个观测值(F-23,F-22,F-21,F-20,F-19,F-18,F-5,F-4,F-3,F-2,F-1,F0)和前30天滑动平均值(A-24,A-23,A-22,A-4,A-3A-2,A-1,A0),网络输出分别为未来5 h的f0F2值F+1,F+2,F+3,F+4,F+5.选取乌鲁木齐、长春、重庆和广州站1958-1968年间的数据训练网络,利用中国9个电离层站的历史数据检验网络,根据均方根误差衡量网络性能的好坏.结果表明,神经网络的预报结果能较好地符合实测数据.这说明利用神经网络实现中国地区电离层f0F2的时空预报是可行的.     

复合材料单向板寿命预测模型

<正>纤维增强复合材料(Fiber Reinforced Polymer,FRP)因具有较大的比刚度、比强度、结构可设计性等优点而被广泛应用在航空、船舶、汽车、风电等行业中。随着复合材料在工程结构中的应用由次承力构件逐步扩展至主承力构件,疲劳破坏在复合材料结构中已逐渐显现,正成为制约其进一步应用的重要因素,因此复合材料的疲劳问题正成为使用者和工程设计人员十分关注的问题。对层合板的疲劳寿命展开预测是复合材料疲劳问题的基本研究内容之一,也是复合材料结构设计的重要工作之一。工程应     

平行航路安全评估新方法(英文)

首先提出了一种平行航路安全评估新方法,即从空中交通管制的安全防护体系入手,将潜在飞行冲突看作空中相撞事故的初因事件,提炼出管制员指挥、短期冲突告警、飞行员目视避让及机载防撞系统告警四层安全防护,进而将平行航路碰撞风险问题分解为潜在飞行冲突计算和各防护层的失效概率分析.然后,推导了管制员干预次数计算模型,采用CREAM方法解决了管制员调配飞行冲突失误概率计算问题,建立了STCA防护失效和TCAS防护失效故障树模型.最后,以京沪平行航路为例进行计算,得出了雷达管制环境下的京沪平行航路碰撞风险.结果表明该航路满足安全要求.     

航线运输需求量预测模型研究

本文主要通过构建引力模型来预测航线航空运输需求量。首先，对引力模型进行了描述。其次，建立了一个基于引力模型的航线运输需求量的模型，并给出了模型的数学解法。最后，以城市A—B航线为例，计算了模型各个参数的具体数值。     

岩体和混凝土长期峰值强度短期试验方法的研究

本文采用自行设计的短期试验方法，对13根钢筋混凝土梁进行了长期峰值强度破坏试验，探讨了构件的极限强度与长期峰值强度之间的机理关系。     

非线性预测控制模型方法综述

预测控制(MPC)算法经历了30余年的发展,展现出强大的生命力。近年来,非线性MPC已逐渐成为MPC研究的热点。非线性系统多样性给非线性MPC研究造成了困难,主要体现在模型选取、能量函数求解和非线性算法等诸多方面。非线性MPC以非线性模型为基础,这也是非线性MPC区别于线性MPC的根本因素。论文针对非线性预测模型进行了总结和评述。     

基于时间卷积轻量级网络的人体运动预测（英文）

针对人体运动高度复杂的运动学和时间相关性,本文提出了一种轻量级的多层残差时间卷积网络模型（Residual temporal convolutional network,RTCN）。该模型使用一维卷积高效获取人体运动的空间结构信息,提取人体运动时间序列中的相关性。在本文所提出的网络模型中应用残差结构来缓解深度网络中梯度消失的问题。在Human 3.6M数据集上进行的实验表明,与最新的方法相比,本文方法有效地改善了运动预测的误差,特别是在长期预测方面。     

一种面向时序数据的多品种小批量生产线性能预测模型研究

随着生产线数字化、自动化水平的提高,产生了大量的反映运行过程机理及运行状态的数据,这些数据为生产线性能分析和预测提供了可能。针对生产线的在制品数量、生产周期和生产效率性能指标,构建了一种面向时序数据的循环深度信念网络的生产线预测模型（Cycle–deep belife network,C–DBN）;针对传统基于SGD(Stochastic gradient descent)的训练方法存在的预测模型收敛速度慢以及精度低等问题,提出了基于AMM(Adam with momentum)算法的生产线性能预测模型训练方法;确定了面向时序数据的生产线性能预测模型训练流程。最终通过实例验证了生产线性能预测模型和训练方法的有效性。     

基于贝叶斯准则的支持向量机预测模型

对实际统计数据中存在的相关性、不确定性和非线性问题,提出贝叶斯支持向量机预测模型方法.构建基于高斯分布的权值分布模型描述信息的不确定性,基于先验概率分布和贝叶斯关系获得后验分布模型,利用极大似然方法和递推迭代算法求解后验分布的最佳参数,从而得到关联向量机.建立起基于参数分布多维时间序列预测模型,将每一步迭代过程中的支持向量机输入作为随机变量,考虑数据不确定性的传递,递推得到贝叶斯支持向量机预测输出.由于贝叶斯支持向量机可以有效反映随机影响及其传递,可以克服数据不确定性和相关性的影响,因此基于贝叶斯支持向量机预测效果更加符合实际.实例表明利用贝叶斯支持向量机预测高科技企业发展趋势与实际发展趋势接近,可以克服数据相关性、不确定性和非线性对信息模型的影响,具有较高的预测精度和预测鲁棒性.     

电离层f_0F_2参数提前24小时预测

利用中国9个垂测站(海口、广州、重庆、拉萨、兰州、北京、乌鲁木齐、长春、满洲里)一个太阳周(1976-1986年)的数据资料,采用三层前向反馈神经网络(BP网络)实现了电离层F2层临界频率(f0F2)参数提前24h预测.通过对f0F2参数的时间序列及其与日地活动之间进行相关分析,确定f(t)(当前时刻f0F2)、经过变换的F10.7指数等5个参数作为神经网络的输入参数,并通过同时段训练法获得不同时刻的预测值,本文与自相关分析法进行了预测性能比较.结果表明,上述方法构建的神经网络可以达到较高的预测精度.针对暴时数据,对神经网络算法进行了改进,提高了神经网络法对暴时数据的适用性.