基于Matlab的测量不确定度灰色评定

测量不确定评定是实验、测试活动中重要的环节,其评定方法及评估模型的选择尤为重要。根据测量不确定度导则,建立了基于matlab GM(1,1)测量不确定度评估模型,并采用Matlab\VC++混合编程的方式进行程序化处理。以金属材料里氏硬度不确定度评定为例进行分析计算,结果表明灰色理论模型适用于里氏硬度标准不确定度评定,该模型的建立为小样本、贫数据量的测量活动提供新的不确定度评定方法。     

基于改进灰色模型预测的节流流量传感器测量校正方法

为了提高节流流量传感器的测量校正精度,提出一种基于改进灰色GM(1,1)模型的预测校正方法。该方法首先对灰色GM(1,1)模型的流程进行改进,并采用LM方法对GM(1,1)模型的初始值进行求解计算;然后利用基于Markov过程的残差修正模型进一步提高预测精度;最后通过实例分析验证了提出方法的可行性。实验结果表明,相比传统灰色GM(1,1)模型,提出改进模型的预测值与实际测量值的拟合度更好,有效降低了校正后的节流流量传感器的测量误差。     

基于gm(1,1)模型的垂直切换算法仿真研究

在matlab环境下,仿真得到基于GM(1,1)模型动态预测垂直切换过程中的接收信号强度,在原始数据较少的情况下,依然有较高的预测准确度.通过仿真结果分析,在垂直切换过程中,基于GM(1,1)模型预测接收信号强度的方法有需要原始数据少、准确性高、复杂度较小等优点.     

基于新陈代谢GM(1,1)模型的质心预测跟踪算法

针对红外成像制导跟踪系统转入预测跟踪状态,提出基于新陈代谢GM(1,1)模型的质心预测跟踪算法:首先采用目标丢失前的数帧目标质心坐标作为预测的原始数据序列;其次采用GM(1,1)模型进行预测;用预测出的新信息替换掉老的信息,对原始序列进行新陈代谢。该质心预测跟踪算法采用普通PC机在Matlab7.1仿真环境下进行仿真,用实际挂飞数据进行验证,其次还基于TMS320F2812DSP硬件平台进行了单帧仿真。仿真结果表明:新陈代谢GM(1,1)预测模型预测精度优于GM(1,1)预测模型。     

木材物流运输量GM(1,1)预测程序的设计

为了帮助基层林区政府更准确地预测木材运输量,研究了GM(1,1)模型的预测算法,发现其误差略大,离基准年份越远的预测值高于实际值的情况越严重。对其预测模型略做改进,将基准年份后移,降低了误差率。采用GM(1,1)和改进后GM(1,1)两种算法,分别对某县的木材物流量进行预测,和生产真实数据比较,改进后的GM(1,1)方法预测的最大相对误差为2.37%,精度有所提高。采用该模型计算量少,过程简单,精度高,可为县级基层林业局制作木材物流发展政策提供决策依据。     

无线电测量中测量不确定度的评定方法(1)

随着计量认证、实验室认可评审所依据的标准版本的更新,对测试结果的测量不确定度要求越来越明确.ISO/IEC 17025中有7处涉及到测量不确定度,标准中5.4.6条款专门讲的是"测量不确定度的评定"要求.因此,实验室管理向ISO/IEC 17025过渡时,测量不确定度的评定是实验室必须要解决好的重要问题之一.实验室在评定和报告测量不确定度时,应遵照<测量不确定度评定与表示>(JJF1059-1999)的要求,给出一个正确的表述.在无线电测量领域,对测量不确定度的评定有其自身的特点,即使对给定的同一参数,由于对评定计算的不同理解,得到的标准不确定度及合成标准不确定度结果不同,导致无法作出测量结果的符合或不符合判定.目前,国内在这一领域的相关标准还未出台,本文通过对ETSI(欧洲电信标准协会)技术报告(ETR 028)的理解,较详细给出无线电指标测量中测量不确定度的评定过程,供相关人员参考.     

基于动态不确定度评定的加权数据融合算法

加权融合算法的AR模型,采用遗忘因子递推最小二乘法估计出测量方差.根据测量方差对单一导航传感器信息进行动态不确定度评定,进而确定组合导航系统的组合不确定度.在满足组合不确定度最小的情况下,利用拉格朗日乘数法进行加权值的求解.通过实例仿真表明该法具有较高的融合精度,对提高组合导航系统的定位精度具有实际意义.     

分光法测量LED颜色的不确定度分析

分析了分光法测试发光二极管(LED)颜色的测量不确定度,着重分析了光谱功率分布测量不确定度和波长不确定度对颜色测量的不确定度影响,给出了几种典型LED的分析结果,结果表明,5%的光谱功率分布测量不确定度和0.5 nm的波长不确定度在一般情况下可以满足精度要求为0.001的LED颜色测量.     

GM(1,1)综合修正模型的粮食产量预测

粮食产量是国家粮食安全系统的重要指标,文中提出GM(1,1)综合修正模型,并对粮食产量进行了预测。先将原始数据与其预测值之差作为残差序列,逐步地减少样本数量并计算残差序列,根据残差序列的符号是否一致,最终选定尾部样本,建立GM(1,1)模型并进行预测值的残差均值修正,最后对比了2013与2014年的粮食产量实际值、GM(1,1)模型预测值及修正的GM(1,1)模型预测值,验证了修正模型预测精度的提高。     

无线电测量中测量不确定度的评定方法(3)

在本文的第(2)部分(见<中国无线电>第8期)我们以测量载波功率为例,详细地介绍了在测量过程中测量不确定度的评定计算过程,得出了两种载波功率的测量结果并带有不同测量不确定度的表达形式.一个没有附带不确定度的测量结果相对于标准要求限值是否合格很容易判定,但是,测量结果带有测量不确定度后,其合格性的判定就复杂了.本文仅对这个问题加以讨论,供读者参考.     

短波天波场强数据处理方法研究

针对在短波天波信道中受电离层快衰落影响的场强数据处理问题,提出采用GM（1,1）模型粗大误差判别算法,剔除由电离层快衰落影响而突变的数据,提高数据处理的精度。在Matlab中对短波天波场强典型数据进行处理,利用模糊估计方法计算数据处理前和处理后的瑞利分布,结果表明GM（1,1）粗大误差判别算法能很好地剔除受电离层快衰落影响而突变的数据,具有较好的判别精度,此方法已在装备场强测量中得到应用。     

基于字符型属性值更新的动态三支决策模型

在现有基于属性值更新的动态三支决策模型上,本文充分考虑字符型属性对象在更新过程中属性知识内涵的不确定性以及对象间优异程度的差异,首先定义字符型属性对象的经验值和经验综合评价值的概念来初步刻画对象,再用修正值来表示对象的知识内涵;通过修正值计算出的基于欧氏距离的最优贴近度作为对象的修正综合评价值;然后,给出了字符型属性对象的动态特征的提取方法,建立了动态三支决策模型.最后,通过大量的仿真实验验证了模型的高效性和适用性.     

温度步进应力加速寿命试验研究

提出了一种温度步进威力加速寿命试验的方法，并分别基于阿伦尼斯模型、基本GM（1，1）模型、残差修正GM（1，1）模型对温度步进应力条件下特征寿命的点估计进行了讨论，最后用3种不同的方法对给出的实例进行了求解，说明了该方法在工程应用上的可行性和有效性。     

基于拟蒙特卡洛方法的动态测量不确定度评定

针对蒙特卡洛方法收敛速度较慢以及仿真结果不稳定的问题,本文从动态测量系统的特性出发,通过引进低偏差点集,产生空间分布较为均匀的拟随机数序列,代替蒙特卡洛方法中的伪随机数序列,提出一种基于拟蒙特卡洛方法的动态测量不确定度评定方法.实验结果表明,该方法与传统基于蒙特卡洛方法的动态测量不确定度评定方法相比,不但大幅度减少了抽...     

基于多尺度分析的电力月负荷预测

介绍了小波分析原理及多尺度分析法。根据月度负荷的增长和波动趋势，利用多尺度分析法将月度负荷序列进行分解，采用灰色理论法和神经网络法对序列进行预测，建立了优化预测模型，该模型优于只考虑单一发展趋势的负荷预测模型。计算结果表明，该方法可以明显提高月度负荷预测的精度。     

Boundary extension for Hilbert-Huang transform inspired by gray prediction model

One of the open problems to which Hilbert-Huang transform (HHT) inevitably confront is end effect, a plague from which many data analysis methods have been suffering from the beginning. Aiming at mitigating end effects of HHT, a boundary extension method is introduced, which is based on the well-known gray prediction model termed as GM(1,1). Using the idea of cubic spline, the calculation of derivative to accumulated generating operation (AGO) series in GM(1,1) model is developed. We further make full use of residual series produced in the GM(1,1) model to achieve better prediction precision. According to numerical experiments on synthetic and real world signals, as well as comparisons of the proposed method with other six generally acknowledged methods, including the original HHT, multiple residual error gray model (MREM), “window frame”, mirror extending (ME), autoregressive (AR) model, and artificial neural network (ANN) based HHT, it is demonstrated that our method significantly reduces end effects and improves decomposition and transformation results of HHT.     

一种新型GM(1,1)-AR预测模型在陀螺漂移中的应用

为了对陀螺漂移趋势进行更有效的预测,提出一种基于小波分析的新型GM(1,1)-AR时间序列预测算法。该算法通过运用小波分解算法将陀螺漂移数据中的趋势项和随机项进行分离,然后分别运用GM(1,1)模型和AR时间序列预测模型对趋势项和随机项进行预测,最后用小波重构算法得出最终的预测值。给出了一种算法及具体步骤,最后用某型导弹陀螺漂移数据进行仿真实验,以检验这种算法的有效性和可行性,结果表明这种预测算法应用于陀螺漂移趋势预测是可行的。