混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。     

基于BP神经网络的航班需求预测模型

航班需求预测是航空公司收益管理的关键技术。BP神经网络用大量的历史数据进行学习,能够记忆复杂的历史订座规律和销售趋势,提出了一种基于BP神经网络的航班需求预测模型。通过对历史数据进行主成分分析获得该模型,用一元回归法和相关系数法对训练质量进行评估,对模型作了置信区间分析。将该模型与增量法、回归法进行了对比,具有在线预测速度快、预测精度相对较高等优点。     

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

备件携行量研究方法综述

备件是舰载机在海上执行维修保障任务的重要资源,而备件数量的配置受成本、储存空间与使用可用度等因素的影响。针对出航准备阶段备件携行量的确定问题,分析和总结了当前备件数量配置方法的研究现状,重点对基于间断型历史数据的备件需求预测法、先维修后备件的序贯优化法以及维修与备件的联合优化法进行了综述,并从成本、舰船储存空间与使用可用度等角度分析了3种方法的特点与适用场合,认为联合优化是备件携行量的最佳计算方法。结合已有的研究基础,对备件携行量联合优化方法未来的研究重点与趋势进行了展望。     

一种对飞行参数选取的自适应方法

飞参数据的典型选取问题是单机寿命监控以及飞行品质分析中压缩数据的储存空间关键。针对飞参数据的特征,提出了一种基于ELM极限学习机的飞参数据选取的模型。利用极限学习机ELM神经网络、文化基因算法MAS优化的方式,克服了算法中存在早熟收敛和局部极小的问题。实现了对飞机不同部位载荷自适应选取不同飞行参数的效果,有效获得评估出飞参数据的重要度。验证结果表明,优化后的ELM-M模型比传统选取飞参模型的精度得到了极大提高,泛化能力增强,说明了方法的可行性、有效性。     

基于NRS-SVM模型的航空弹药消耗预测研究

结合航空弹药训练消耗的特点,研究邻域粗糙集(Neighborhood rough sets,NRS)与支持向量机(Support vector machines,SVM)融合的航空弹药训练消耗预测问题。通过邻域粗糙集将5个初始影响因素约简为3个核心影响因素,并以此训练集对支持向量机进行回归优化。通过参数寻优得到最优的惩罚参数和核参数,进而构建NRS-SVM组合预测模型来预测航空弹药消耗。实证研究表明,该模型预测结果与实际数据吻合度较高,且与其他预测模型相比具有更好的预测性能。     

发动机孔探数据在健康管理与安全运行预测中的应用

基于完善目前航空发动机健康管理体系的目的．探讨了如何利用发动机孔探数据进行发动机健康管理和安全运行预测,同时提出了开展该领域研究与实践的一些建议。     

A statistical study of the mid-latitude NmF2 winter anomaly

Hourly values of the F2-layer peak density, NmF2, measured by 62 ionosonde stations from 1957 to 2008 at middle geomagnetic latitudes of the northern and southern hemispheres are used in a statistical study of the F2-region winter anomaly. We analyze a maximum value, R, of the winter/summer geomagnetically quiet daytime NmF2 ratio over each ionosonde for approximately the same winter and summer solar activity conditions. The conditional probability of an occurrence of R in an interval of R, the most frequent value of R, the mean expected value of R, and the conditional probability to observe the F2-region winter anomaly are calculated and studied for low, moderate, and high solar activity conditions. It is found that northern hemisphere stations show significant cross-correlations of winter anomaly statistics with geomagnetic latitude for moderate and high solar activities.     

基于BP神经网络的民航安全预测方法研究

为了对民航系统安全运行状态进行科学的分析和预测。针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率，采用BP神经网络的时间序列非线性预测模型及方法，对其进行了分析研究和仿真验证，计算结果表明，该预测方法是可行的，并与实际具有较好的一致性。     

广东省杨桃园桔小实蝇发生高峰期预测

根据2003-2004年多个地点的桔小实蝇Bactrocera dorsalis (Hendel)监测数据和室内恒温条件下发育历期观察结果,采用地理信息系统技术和发育历期模型的方法,研究了广东省杨桃园桔小实蝇成虫2个发生高峰期地理分布规律和发生期预测技术.结果表明,广东省桔小实蝇成虫年度第1个发生高峰期呈现由南向北、由西向东逐渐推迟的趋势,而最后一个发生高峰期基本表现为由北向南、由东向西逐渐推迟的规律.第1个高峰最早是3月20-24日出现在湛江地区,最迟是4月28日-5月1日出现在梅州、潮州、揭阳部分、汕头部分、韶关西北部的几个县区和清远东部的山区.最后一个高峰期出现时间和地区规律基本上与第1个高峰期相反.建立了当代桔小实蝇成虫发生高峰期预测下一代成虫发生高峰期的模型.对这2种预测方法的检验结果表明,两者均能较为准确地预测出相应的桔小实蝇成虫发生高峰期.