高新技术项目的投资决策模型及其应用

在对高新技术投资问题进行系统分析的基础上，综合运用数学规划和仿真的基本原理，建立了投资模型。该模型在实际应用中取得了满意的效果.     

钢厂生产经营计划中的目标成本控制模型研究

针对市场需求以及市场价格不断波动的情况，以某钢铁公司高线厂为背景，将产品成本控制和生产经营计划相结合，建立了目标成本设定模型、生产能力折算模型，并在此基础上建立了实现目标成本控制的多目标优化模型，通过模型转换和利用加权和法求解多目标规划，得到了考虑产品成本的生产经营计划方案，在某企业的实际应用中验证了该模型的可行性。     

时序多目标决策的模糊优选法

本文定义了时序多目标决策，建立了模糊优选理论模型，并以实例说明该方法的应用。本文模型是文献［１］中模型的推广。     

基于多模自适应滤波的无人机控制系统故障诊断

建立了无人机控制系统传感器和执行器的全局故障和局部故障的模型，在此基础上应用多重模型自适应卡尔曼滤波方法对其传感器和执行器的各种软硬故障进行诊断，应用所建立的数学模型与方法，对无人机的三个传感器和两个执行器的局部与全局故障进行了仿真计算。在仿真过程中发现，此方法的诊断准确度高，无延迟报警，算法简单，仿真结果验证了该种方法的有效性。     

产品开发过程资源管理及其仿真

资源建模是现代产品开发过程管理的一个重要问题。首先分析了产品开发过程中的资源及其属性和分类，形成了可以在仿真模型中应用的资源类。应用有色Petri网仿真软件，建立了基于资源分配和控制的产品开发过程模型。在对模型的交互式仿真过程中，实现了对资源使用性能的定量分析和资源优化配置。从仿真结果看，该方法具有很好的应用价值。     

仿真网格中应用任务调度模型研究

在仿真网格中,建立应用任务调度模型是研究仿真网格应用任务调度问题的关键.首先对分布式仿真应用形式的特点进行分析,建立了仿真应用任务的形式描述;根据任务描述,建立了基于图论的仿真应用任务需求模型和资源拓扑结构模型;在此基础上,对应用任务调度问题进行描述,定义了应用任务调度性能指标和性能函数,构建了仿真网格的应用任务调度模型.     

基于神经网络辨识的质子交换膜燃料电池建模

针对质子交换膜燃料电池(PEMFC)系统过于复杂，难以建模，而已建立的模型难以满足PEMFC控制系统设计和应用的要求。本文利用神经网络具有逼近任意复杂非线性函数的能力，将神经网络辨识方法应用到PEMFC强非线性系统的建模中，避开了PEMFC系统内部的复杂性。模型以电池工作温度为神经网络辨识模型的输入量，电池电压、电流密度为输出量，利用500组实验数据作为训练样本，采用改进型BP算法，建立了不同温度下电池电压—电流密度动态响应模型。仿真结果表明，方法可行，建立的模型精度较高，从而为设计PEMFC实时控制系统奠定了基础。     

燃烧无烟煤的循环流化床动态仿真模型研究

由于循环流化床燃烧方式具有一系列优点，循环流化床燃烧无烟煤开始逐渐普及。与烟煤相比，无烟煤具有着火难、难燃烬的特点。针对这两个特点，分别建立了其在循环流化床中特有的点火模型以及燃烧模型，并应用在某燃用无烟煤循环流化床电厂的仿真机上。同时由于某些无烟煤的灰熔点可能接近电厂正常运行床温，容易产生结焦现象，因此也建立了无烟煤的结焦模型，能够定性反映炉膛结焦现象。     

农业系统地域多年开发的生态经济规划模型

在所引文献［１］中静态模型的基础上，讨论了在有限投入条件下，对农业系统地域进行多年滚动开发的问题，并建立了相应的经济规划、与生态经济规划模型，依据模型，可制定出开发期内优化的逐年开发规划，具有实际应用价值。     

在机械行业发展研究中的SD模型

通过对机械行业系统的分析，应用系统动力学的理论和方法，建立了机械行业发展研究的系统动力学模型。在行业发展研究中，利用本模型对行业系统进行模拟和超前控制，将有助于防止行业经济失误，提高宏观控制的科学性。     

数据挖掘中一种新的预测模型——基函数拟合预测及其在股市中的应用

探讨了数据挖掘的一种新模型——伯恩斯坦(Bernstein)基函数拟合预测模型,借助该模型的凸包性,对上证指数这一稠密时序资料进行了分阶段移动预测模拟,并分析了实际拟合模型和预测模拟的误差,取得了较好的结果.实践表明该模型对稠密数据集的研究有较明显的效果.     

二维广义系统Roesser模型局部能达和局部能控性

研究了二维广义系统Roesser模型的性质,推导出了该系统的状态响应公式.给出了其在矩形区域上局部能达和局部能控的充分必要条件.同时,利用二维Z变换理论,给出了二维广义系统Roesser模型局部能达和局部能控的等价定义,并得出该模型相应的局部能达和局部能控的新的充分必要条件.     

一种用于可靠性分析的功能模型

针对传统的可靠性分析模型知识描述能力差和分析结果指导意义较弱的问题,设计一种功能模型用于可靠性分析.这种模型能够描述系统功能知识和性能知识,并且能够建立系统性能对功能的影响关系.此模型的建模过程较为简捷,模型结构适合于可靠性推理.由于模型描述了系统本身的领域知识,基于该模型得到的可靠性分析结果较传统的可靠性分析结果更具指导意义.最后,基于这种建模策略建立了某型家用门铃系统的功能模型,并分析了其可靠性,验证了该模型及其算法的有效性.     

交通事件检测系统中的交通流仿真模型

为城市动态实时交通事件检测系统建立一个交通流仿真模型；内容包括模型的功能要求、模型结构、各种外部干扰的影响模型以及模拟模型的实施问题等     

机理混合自适应时延神经网络建模和控制算法

过程机理和数据驱动模型的结合一直是过程控制中的重点和难点问题。提出了一种新颖的机理混合模型结构。该模型基于自适应时延神经网络,并结合了被控对象的机理模型,因此可以对建模的对象进行预测感知,并可大幅提高神经网络的泛化功能。基于这种模型设计了预测控制算法,并分析了该模型的逼近能力、收敛性以及该控制算法的闭环稳定性。在双容水箱液位控制系统的大量实验结果表明,基于该混合模型的预测控制算法比现有算法具有更好的控制效果,从而验证了该混合模型的优越性。     

舰艇战术训练成绩评估数学模型

成绩评定是舰艇战术训练中的重要组成部分,以人为主的定性评估将耗费大量人力与时间,且有失客观性。在分析舰艇军事训练特点的基础上,论述了舰艇战术训练成绩的评估原则,进而建立了成绩的评估指标体系,提出了评估数学模型。模型中给出了评估指标的分数分配方法和各子项的详细评分方法。与模糊评价模型相比,该模型具有训练成绩直观、评估方法简单、参数容易确定等优点。     

我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 ,并将该模型的预测结果与单纯用回归模型的预测结果进行了比较.     

功耗限制下高频功率变压器动态模型的研究

当采用计算机仿真进行开关电源设计时,变压器模型的精度对仿真结果的影响是非常大的;尤其当开关频率较高时,现有磁性器件模型因无法描述绕组的趋肤效应、磁芯材料的非线性等,而使得仿真精度急剧下降。本文提出了一种功耗限制下的动态变压器模型,在仿真运行期间其参数可根据工作温度的变化由软件动态调整,使得该模型能够很好地描述在不同工作温度下物理器件的特性,具有良好的精度。同时利用该模型可在仿真中得到变压器的功率损耗大小和温度变化曲线。     

An Application of Fuzzy Decision Theory in Combat Decision Simulation

In this paper a model of military command process under the combat situation is presented. The model is based on the Lanchester Equations and Fuzzy Decision Theory. The decision of a military commander is usually a process from precise to fuzzy and then from fuzzy to precise,and the model fitted this process well. The model was used in a Warfare Simulation System whose object is to evaluate the effectiveness of the military C3I systems.     

Building a Tax Predictive Model Based on the Cloud Neural Network

Tax is very important to the whole country, so a scientific tax predictive model is needed. This paper introduces the theory of the cloud model. On this basis, it presents a cloud neural network, and analyzes the main factors which influence the tax revenue. Then if proposes a tax predictive model based on the cloud neural network. The model combines the strongpoints of the cloud model and the neural network. The experiment and simulation results show the ef-