基于自适应阈值的DDoS攻击态势预警模型

为了准确识别分布式拒绝服务（DDoS）攻击态势预警级别,研究DDoS攻击态势预警技术,设计DDoS攻击态势预警模型逻辑结构,定义区域网络安全脆弱性因子（SVF）. 基于长短时记忆（LSTM）网络流量预测模型和区域网络安全脆弱性因子,提出基于动态自适应阈值的DDoS攻击态势预警模型. 提取IP数据包统计特征（IPDCF）,使用LSTM预测模型对IPDCF序列建模,对正常流进行预测. 根据预测结果和SVF实时动态地计算预警阈值和预警区间,基于预警阈值和预警区间设定态势预警级别. 实验结果表明,利用该模型能够实时、有效地预警DDoS攻击态势,准确地识别DDoS攻击态势安全级别.     

基于线性预测的动态阈值JPEG2000码率控制算法

针对JPEG2000标准建议的码率控制算法的计算复杂度高且占用存储空间大的问题,提出了一种基于线性预测的动态阈值截断的码率控制算法.通过分析小波变换特点及图像边缘和纹理特性,根据图像的压缩倍数线性预测码流截断点的率失真斜率阈值,在编码过程中动态调整此阈值以满足码率的要求.该算法实现了码流的实时截断,降低了计算量和存储空间,提高了编码器的编码效率,保持与原算法相近的图像质量.该算法与JPEG2000码率控制算法相比,峰值信噪比（PSNR）只下降了0.1~0.3 dB,在图像压缩倍数大于8的情况下,计算复杂度下降了41.6％以上,存储空间节省了43.2％以上.     

一种挖掘相似子趋势的可变递增步长算法

通过引入趋势相似和趋势分布的概念，分析了趋势分布与趋势序列相似度之间的关系，发现趋势分布可排除掉满足一定的不相似条件的侯选子趋势，并且可采用“跳跃”的方式来进行相似子趋势的搜索，提出了在时间序列数据库中进行相似子趋势的数据挖掘的快速算法VISL.(variable incremental step length），对比于两个已有算法（一个具有与相似度阈值无关的运行时间，另一个在高相似度阈值下具有目前领域内最好的时间性能）进行了仿真数据集上的运行实验，在较长的序列长度及高相似度阈值的情况下，得到了较对比算法更优的时间性能。     

基于模型预测的重型商用车侧翻预警算法

在建立商用车侧倾简化模型和确定动态侧倾阈值的基础上,开发了基于侧翻时间预测的重型商用车侧翻预警算法和一套能觉察翻车危险的实时侧翻预警控制器,并进行了实车场地试验验证。试验结果表明,本文算法可在控制器上运行,并能在车辆接近侧翻时及时提醒驾驶员采取相应措施,从而避免侧翻发生。     

犯罪活动计算机预测预警体系研究

在分析犯罪预测的现状和具体方式及适用对象后，重点阐述了尚不为人熟知的犯罪中观预测预警体系（简称犯罪预测预警系统）。该系统是各级公安指挥机关和政府对社会治安形势分析和犯罪趋势预测相结合的一体化预测预警体系。给出了基于统计概率的具体预测预警算法的实现方法。     

基于决策树和有效降雨强度的滑坡危险性预警

以江西省寻乌县为例,采用信息量（IV）、反向传播神经网络（BPNN）和C5.0决策树模型进行滑坡易发性预测（LSP）,比较不同模型的预测性能;基于有效降雨量的概念提出有效降雨强度-历时（EI-D）模型,计算滑坡临界降雨阈值并将其与传统的降雨强度-历时（I-D）阈值做对比;将LSP结果与EI-D模型耦合,实现滑坡灾害预警并进一步验证了预警精度. 结果表明：C5.0决策树的LSP精度高于BPNN和IV,EI-D阈值的预测效果优于I-D模型,且基于滑坡易发性和EI-D阈值的模型能有效实现降雨型滑坡的实时预报.     

基于多因子融合的水质异常检测算法

为了及时有效地发现偶发或蓄意的水质异常,保障饮用水供水安全,在总结现有异常检测算法的基础上,提出基于自回归（AR）模型和模糊C-均值聚类（FCM）的多因子融合水质异常检测算法.通过AR模型实现水质背景信号的高精度跟踪,采用FCM算法融合多种水质指标的AR预测残差,与设定阈值作比较并判断异常.实验结果表明,与单因子算法、直接融合水质指标监测值的算法、利用多维欧氏距离融合AR预测残差的算法相比,提出的多因子融合水质异常检测算法具有更高的异常检出率和较低的误报率.     

基于免疫优化的产品系统可靠性参数区间预测方法

针对当前系统可靠性预测方法的不足,提出一种基于免疫优化的区间预测方法.构建可靠性参数预测神经网络模型,由极端学习机（ELM）算法进行训练,并以修正BFGS法对网络的左侧权值和阈值进行调整.在由该网络得到的预测点值和网络权重的基础上,根据非线性回归模型构建可靠性参数的区间预测值（PI）,PI的质量取决于网络结构和权衰减调节参数.结合PI的覆盖率和平均区间比例长度提出一种新的PI综合评价指标,以此衡量PI的质量;引入免疫优化算法优化区间预测值和网络结构,以最小化综合评价指标为成本函数,寻求决策变量,即网络隐层神经元个数和权衰减调节参数的最优值.将提出的方法和理论应用于某系列数控车床的可靠性参数平均无故障时间的预测,证明了其预测性能优于传统方法.     

基于CEEMDAN⁃SPSO⁃ELM的旋转电机滚动轴承故障检测方法

由于旋转电机滚动轴承振动信号存在不平稳、非线性的特征,传统时频分析法、小波分解法存在在信号分解过程中能量泄露、自适应能力差的问题,经验模态分解（EMD）法存在模态混叠等问题。提出一种基于噪声自适应完备总体平均经验模态分解方法（CEEMDAN）,利用具有麻雀捕食预警机制的粒子群算法（SPSO）优化极限学习机神经网络（ELM）的CEEMDAN?SPSO?ELM算法。利用所提方法对滚动轴承单一与多种损伤故障进行分析诊断,结果表明,所提算法具有有效性及诊断准确性。     

基于 EMD和GA-BP神经网络的大坝变形预测

提出一种基于经验模态分解（EMD）和遗传BP神经网络的大坝变形预测新算法。该算法首先通过EMD对变形序列进行分解,有效分离出非线性高频波动分量和低频趋势分量;然后应用遗传算法优化BP神经网络的权值和阈值,再对各分量进行建模预测;最后叠加各分量预测值得到预测结果。应用新算法与灰色GM （1,1）、回归模型、普通卡尔滤波和遗传BP神经网络算法进行对比分析。结果表明,该算法具有较强的自身内部环境优化和外部平台构建能力,自适应能力和非线性拟合能力较强,在一定程度上保证较优的局部预测值和较好的全局预测精度,在大坝变形预测中具有一定的实用价值。     

基于热经济性偏差的常规岛加热器状态预警及劣化趋势预测

为保证核电站的安全经济运行,对核电站常规岛的主要热力设备——加热器进行了基于经济性能的状态预警及劣化趋势的研究。首先,建立基于加热器经济性能的状态综合评价模型,量化其经济状态的动态变化过程,将"异常"状态作为加热器经济性能的预警状态;然后,采用灰色预测和指数平滑的组合预测方法,对加热器经济性能的劣化趋势进行预测,以预估其经济状态转为"严重"的时间节点,排除潜在故障,提高检修效率,降低维修成本;最后,在核电仿真平台插入典型的积聚型故障实例进行了验证,结果证明了所作研究的可行性和有效性。     

基于KPCA频谱特征提取的球磨机负荷建模方法

球磨机是工业领域中广泛应用的大型旋转设备,由于球磨机运行机理和动态响应特性复杂,运行状态参数的预报存在巨大困难.为解决磨机负荷参数预报的问题,对球磨机外部振动信号进行分析,采用核主元分析KPCA的方法对球磨机振动频谱进行特征提取,然后基于特征提取结果建立磨机负荷参数ELM预报模型,实现对球磨机参数负荷磨矿浓度、料球比和填充率的预报.实验结果表明:预报模型具有较高的准确性,更优于传统ELM模型.     

改进回声状态网络的烟气轮机状态趋势预测

故障预测是保障大型设备安全运行和施行科学维护的关键技术,针对烟气轮机运行呈现出的非线性特性,引入回声状态神经网络进行状态趋势预测研究。采用奇异值分解方法对回声状态网络的线性回归训练算法进行改进,可提高回声状态网络的预测性能,并给出预测过程。实例分析表明,采用改进回声状态网络进行预测的效果较好。     

基于CPS危险化学品风险监控预警系统关键技术研究

在石油化工过程,采用CPS技术针对危险化学品重大危险源监测辨识预估等问题,设计了一种危险化学品风险监控预警系统。该系统分为物理层、网络层和决策层。在物理层完成前端危险化学品数据采集、数据传输和数据的本地存储,实时将数据分类传送到云端服务器。数据经过网络层由决策层进行重大危险源辨识和危险化学品隐患风险预警,最后对整体进行显示。在决策层采用遗传算法与神经网络算法对重大危险源进行风险评价。结果表明,该方法可以准确完成危险化学品重大危险源风险评价,验证了基于CPS危险化学品远程监控预警系统具备危险源识别及风险隐患预估的能力。     

基于R-OSELM的海洋环境数据在线预测

为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初始化海洋环境数据训练集,通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块输入,利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理,实现预测模型的在线更新,最后完成对海洋环境数据的在线预测.使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测,结果表明R-OSELM模型的预测精度高于对比模型,确定其具备海洋环境数据在线预测能力,可为海洋水域水体富营养化与海洋环境污染预警提供参考.     

基于RBF网络上界自适应学习的预警卫星滑模控制

分析了RBF(径向基函数)神经网络的基本结构和数学特性,对于预警卫星动力学系统的不确定性上界值无法测量和未知的情况,采用RBF神经网络可以对较强干扰上界进行自适应学习,并可降低控制和动力学带来的抖振。针对带有摆镜的预警卫星姿态控制问题,提出了一种基于神经网络扰动补偿的姿态滑模控制方法。针对RBF网络正交最小二乘(OLS)学习算法,采用RBF神经网络来学习不确定因素的上界值,并设计了预警卫星的姿态控制规律,解决了预警卫星动力学扰动补偿问题。利用数值仿真估算了基于RBF网络上界自适应学习滑模控制的预警卫星姿态控制系统的性能指标。     

无源定位技术体制及装备的现状与发展趋势

无源探测定位系统是信息对抗和预警监视装备体系的重要组成部分和发展的重点方向,日益受到各国武器装备研究机构的重视,已获得超常规发展和广泛应用.从分析无源定位装备及其体系概况入手,重点研究了无源定位技术体制与装备的现状,提出了实现无源定位技术体制过程中要克服的关键技术,最后梳理总结了无源定位体制与装备的发展趋势.     

基于GAELM神经网络的日前电价预测

针对日前电价预测问题,利用极限学习机建立预测模型.鉴于极限学习机在训练前随机产生输入权重和隐藏节点偏置,可能导致预测结果不稳定以及预测精度太低的问题,提出了一种基于遗传算法(GA)和极限学习机(ELM)的预测方法.首先利用遗传算法对极限学习机随机生成的参数进行寻优,然后根据优化后的参数建立基于GA-ELM的电价预测模型.最后以此模型对PJM电力市场的日前电价进行预测.结果表明,相比ELM和BP神经网络,GA-ELM具有更高的预测精度.