基于人工神经网络的设备可靠性组合预测方法研究

提出了一种基于人工神经网络的非线性组合建模与预测新方法,利用人工神经网络对复杂非线性系统的拟合能力,通过网络训练自适应地调整单一预测模型的权重,并应用MATLAB神经网络工具箱编制了非线性组合预测软件。将该方法应用于某发动机的故障预测,通过与自回归模型、灰色模型和线性组合模型的预测结果对比表明,该方法具有预测精度高,学习与泛化能力强的优点,在设备故障和可靠性预测中具有广泛的应用前景。     

灰色预测在武器试验中的应用

灰色预测通过对系统当前不完全明确信息的处理，发现和掌握系统的发展规律。本文利用灰色预测方法，通过某武器的发射试验，对该武器未来可能发生故障的范围进行了预测，取得令人满意的结果。     

地下工程中的岩爆预测

通过收集国内外多个地下工程实际资料,分析了影响岩爆发生的主要因素,运用人工神经网络方法,建立了岩爆预测的人工神经网络模型,并用已训练稳定的样本对某地下岩爆进行预测,验证预测模型。结果表明,所建立的模型具有较高的预测精度。     

基于BP网络的水资源预测方法的研究

对水资源预测的各种方法进行了分析，在本领域内推出一种新的预测方法－人工神经网络，可依据源数据，通过BP算法，自动形成水资源预测模型，从而推算出水资源变化趋势。人工神经网络有较强的学习功能，事先不需建立模型，而是根据预测的精度通过初始数据进行计算。从本文所得结果可以看出，人工神经网络是建立水资源预测模型的一种有效的方法。     

AMSAA模型用于可靠性增长预测时的改进

阐述了常规AMSAA模型在预测可靠性增长时存在的问题，针对此问题用牛顿迭代法对AMSAA模型进行了改进，得到了预测特定平均故障间隔时间MTBF值下的可靠性增长试验时间的新解法，并编制了可靠性评估软件AMSAA模型的改进算法能够动态地评估和预计装备的可靠性，跟踪和预测装备可靠性增长。此方法物理意义明确，预测结果较原模型准确。软件的使用提高了计算的正确率，节省了时间。     

一种在线检测与预测传感器故障的方法研究

分析了人工神经网络和模糊逻辑，并结合二者各自的优势，针对传感器故障检测的特点，提出一种对传感器故障在线检测与预测的方法。该方法采用在线学习训练网络，并给出传感器的预测信号，对传感器是否发生故障做出检测，仿真实验证明，该方法对传感器的故障能在线做出准确的检测，同时隔离故障传感器并为系统和设备提供临时的预测信号。     

朝韩在争议海域再次交火

1月27日～29日，朝鲜向朝韩间存在争议的“北方界线”附近海域发射数枚炮弹，引发朝韩双方对空交火，但没有造成人员伤亡。这是朝鲜战争之后，双方在这一区域发生的第四次交火。     

人工神经网络预测纯金属的表面张力

建立了以纯金属原子半径、熔点、沸点和原子化焓预测表面张力的人工神经网络模型。训练后的神经网络能较好的拟合实验数据。对４０种金属的表面张力进行回想和预测结果与实验值的偏差在可接受范围内，表明人工神经网络在纯金属表面张力预测方面有一定的前景。     

模糊逼近算法与人工神经网络预测功能

有些实际问题是无法用已知的很多定量预测方法预测的，这更是在预测中有极大局限性的人工神经网络难以解决的问题．本文通过对预测问题模糊逼近算法的研究，提出新的模糊逼近泛函微分方程定量预测方法，并从而化为能用人工神经网络预测的方法，扩充人工神经网络解决实际问题的功能．     

基于主成分分析与BP神经网络的冲击地压预测

冲击地压的发生会对矿山造成巨大的经济损失,预测预报是防治冲击地压的重要组成部分。文章将主成分分析方法与反向传播人工神经网络(即BP神经网络)方法相结合,用于对冲击地压的预测。首先,利用主成分分析法对冲击地压的影响因素进行分析,降低数据的维数。然后,将所得的数据作为BP神经网络的输入数据进行训练,用训练好的神经网络对冲击地压进行预测。预测结果与实际结果的对比表明,利用主成分分析—BP神经网络方法对冲击地压预测是可行的。     

舰炮无线电引信典型空中目标信息的提取和利用

根据对弹目交会过程中实际测得的多普勒信号波形以及理论推导,分析典型空中目标回波信号的特点,研究舰炮无线电引信典型空中目标多普勒信息提取和利用问题.提出了一种舰炮无线电引信信号处理电路的设计思想,该设计思想能充分利用回波信号的幅度信息和频率信息,使信息处理和抗干扰能力达到一种新的水平.     

舰炮前冲击发原理数学模型

舰炮利用前冲击发原理，可以消除炮身部分后座动能。本文根据舰炮后座力数值解，利用威布尔函数或对数正态函数进行拟合，获得了舰炮后座力函数。对于给定的要相消炮身部分后座动能，建立了舰炮前冲击发的数学模型，从而解决了研制前冲舰炮的关键技术。     

产品失效的神经网络预测法

小子样的预测是一个比较复杂的问题．以产品失效为例，应用神经网络预测方法，成功地对产品失效的发展趋势进行了预测，获得了很好的效果．结果表明，神经网络预测法对小子样的分析精度能满足工程需要，实例分析的结果也符合工程实际．     

基于节点相似性和链接次数组合时间序列的链接预测

针对现有方法利用网络信息相对割裂, 很难描述链接次数与相似性分数关系的问题, 提出一种动态网络中的链接预测方法, 用节点相似性分数和链接次数组合时间序列模型进行预测. 首先通过社区演化, 预测历史上各时间快照下节点间的相似性分数; 然后用二元时间序列模型将其与各时间快照下节点间的事实链接次数相结合, 判断下一个时间段内各节点对链接发生的可能性; 最后在Weibo Net Tweet微博转发数据集上进行测试. 实验结果表明, 该方法至少提高了5%的预测准确度, 证明了社区演化与链接预测之间的内在联系, 验证了二元时间序列模型的有效性.     

基于小波神经网络预测的Ad Hoc网络分簇算法

针对Ad Hoc网络拓扑结构的动态特性,利用小波神经网络预测模型对节点地理位置进行预测.将预测的总保持时间与阈值比较,可以测得簇在下一时刻的稳定性.如果该簇结构在下一时刻趋于不稳定,则在链路失效之前启动路由预修复机制,以避免链路频繁断裂,从而大幅提高了网络性能.仿真结果表明,与传统最小ID算法和未加预测机制的LWCA分簇算法进行比较,所提出的分簇算法分组投递率分别提高了7%和5%,路由中断次数降低了约63%和50%.     

支持张量机在柴油机故障预测中的应用研究

为了解决柴油机故障预测中大样本、非线性以及高维数据的数据预测问题,避免以向量输入带来的结构信息丢失和数据相关性被破坏等现象,结合支持向量机(SVM)的学习框架和交替投影的思想,研究基于在线支持张量机(OSTM)的柴油机故障预测算法和流程,并以测试精度、学习时间和均方根误差作为评价指标,利用远程监测系统采集的数据,分别应用在线支持向量机(OSVM)和OSTM进行故障预测和分析。结果表明,与OSVM方法相比,OSTM方法测试精度较高,学习时间大幅缩短,预测模型的收敛速度较快,能有效在线预测柴油机故障。     

Nonlinearly correlated failure analysis and autonomic prediction for distributed systems

In order to achieve failure prediction without manual intervention for distributed systems,a novel failure feature analysis and extraction approach to automate failure prediction is proposed.Compared with the traditional methods which focus on building heuristic rules or models,the autonomic prediction approach analyzes the nonlinear correlation of failure features by recognizing failure patterns.Failure data are sorted according to the nonlinear correlation and failure signature is proposed for autonomic prediction.In addition,the Manifold Learning algorithm named supervised locally linear embedding is applied to achieve feature extraction.Based on the runtime monitoring of failure metrics,the experimental results indicate that the proposed method has better performance in terms of both correlation recognition precision and feature extraction quality and thus it can be used to design efficient autonomic failure prediction for distributed systems.     

一种基于图注意力机制的气温预测模型

 积极应对气候变化是可持续发展的目标之一。针对气温准确预测任务，提出了一种基于图注意力机制的气温预测模型。该模型在气温站点组成的拓扑结构上使用了注意力机制，选择性地聚合周围区域的气温特征，再使用神经网络拟合复杂的气温变化规律，得到预测结果。实验使用了2000-2010年京津冀地区的气温数据，经大量实验验证，在极少依赖历史气温数据的情况下，模型能够得到更准确的预测值。模型能够为气候预测和气候灾害预防提供决策支持。     

基于故障重构预测的舰艇水轮发电机故障信号挖掘方法

当前舰艇水轮发动机故障检测都是根据实际采集的故障特征信号以模式识别理论为基础,完成故障信号挖掘,受到真实空间弱信号和失真信号难以表达的影响,故障挖掘效果很差。提出运用虚拟空间信号重构理论进行舰艇水轮发电机故障挖掘,构建以信号群集合为元素的虚拟空间,通过故障重构预测技术对故障幅值进行预测,以预测值和真实幅值出发进行故障重构,重构结果融入规范的置信度以及支持度使其反映真实故障值特征,实现舰艇水轮发电机故障数据的准确挖掘。实验数据说明该方法可对舰艇水轮发电机故障数据进行高效、准确的挖掘。