FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型,简称FEPA,由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集,应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF）,然后通过主成分分析将分解后的数据降维,提取最有信息量的特征;然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想,有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达,提供了今后融合更多信息的算法接口;2）通过多步长预测输出深入研究EMD分解的有效信息结构;3）通过切换到更细时间框架来处理EMD的端点效应,并探索了两级时间框架下的预测效果;4）给出了金融时间序列组合预测模型的一般性架构,具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证,结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%,在澳大利亚股指日线上也达到了74%的命中率,经比较,明显高于文献中常见的5种模型。     

基于曲率模态和神经网络的结构损伤诊断

基于神经网络算法，利用曲率模态参数对框架结构损伤定位和定量识别问题进行了研究和实例分析，分别用两种网络对结构损伤进行诊断，并用灰色理论对结构损伤进行了预测。结果表明，灰色理论能成功地对结构损伤进行预测，神经网络适用于此类损伤无规律对象问题的诊断。     

任意点支矩形板的自由振动

提供了一种求解对边简支另两对边任意点支矩形板自由振动问题的高精度级数解。文中的振型函数是用支点反力表示的，确定支点反力的齐次方程组和用行列式表示的频率方程的阶数等于支点反力的个数。     

基于改进希尔伯特-黄变换算法的碳市场价格多尺度分解

作为一种新型非线性、非稳态数据的自适应处理算法,希尔伯特-黄变换（Hilbert-Huang Transform,HHT）,近年来开始应用到人文社会科学领域。HHT的核心是经验模态分解（Empirical Mode Decomposition,EMD）算法。EMD分解过程中常会产生模态混叠和端点效应现象,造成分解结果失真。针对碳市场价格多尺度特征,改进HHT算法以提高碳市场价格多尺度分解质量。引入高斯白噪声到EMD分解中,建立集成EMD（Ensemble EMD,EEMD）算法来抑制EMD分解中存在的模态混叠现象;针对EEMD分解过程中存在的端点效应问题,通过5种端点延拓方法的比较,改进EEMD算法,得出适合碳市场价格多尺度分解的延拓方法;将改进HHT算法应用于两个不同到期时间的欧盟碳期货价格（DEC12、DEC14）进行多尺度分解,结果表明:改进HHT算法能显著提高碳市场价格分解精度,扩大了HHT在碳市场价格多尺度分析中的应用范围。     

基于哲学逻辑的集合论研究

20 世纪60 年代之后,涌现出了尝试以非经典逻辑为基础逻辑来拯救集合论的热潮. 在这一时期,诞生了模态集合论、弗协调集合论、直觉主义集合论等一些基于哲学逻辑的集合理论. 模态逻辑是在经典逻辑的基础上增加模态算子形成的一种二阶逻辑,因此,它是一种比经典逻辑强的逻辑.模态集合论相对于公理化集合论是一种加强了基础逻辑的公理化集合论. 与ZF公理化集合论用公理限制集合的方法不同,弗协调集合论也是一种改变了集合论的基础逻辑,选择了可以容纳或处理矛盾的弗协调逻辑,这样即使集合论中出现矛盾也不会使整个理论陷入不足道的困境. 由于在直觉主义逻辑中排中律不成立,所以直觉主义逻辑是一种比经典逻辑弱的逻辑. 直觉主义集合论相对于ZF公理化集合论是一种减弱了基础逻辑的公理化集合论.     

基于Gabor变换和EMD的轴承故障诊断

基于振动信号处理的轴承故障诊断方法应用非常广泛。由于在实际采集的振动信号中往往混合着干扰信号,因此提出了一种基于Gabor变换的盲源分离和基于经验模态分解(EMD)的Hilbert包络谱分析相结合的故障诊断方法。首先采用基于Gabor变换的盲源分离方法对振动信号进行盲源分离,然后利用EMD方法进行分解获得本征模式函数(IMF)分量,再通过局部细化Hilbert包络谱方法分析判断轴承故障的特征。研究结果表明,通过对轴承振动信号进行盲源分离和EMD分解,可以使信号的故障特征更加明显,从而提高故障诊断的准确性。     

基于二次分解策略和模糊时间序列模型的航空客运需求预测研究

提高航空客运需求预测的准确性对于航空公司以及整个航空运输系统的发展都具有重要的现实意义。以往研究普遍采用单一分解策略去处理航空客运需求时序中存在的复杂特征,以此提升组合模型的预测性能。然而传统的分解策略存在着特征提取不完全、分解方法带有固有缺陷等问题,导致组合模型预测效果不能得到充分的提升。为此,本文提出一种基于二次分解策略和模糊时间序列模型的航空客运需求预测方法。该方法首先利用季节调整模型（X12-ARIMA）将原始时序分解成季节成分序列与季节调整后序列,继而利用改进的自适应噪声集成经验模态分解方法（ICEEMDAN）将季节调整后序列分解成一系列不同时间尺度的本征模态函数（IMF）和残差序列（Residue）。然后使用基于模糊C均值算法（FCM）划分论域区间的FTS模型对季节成分序列、各IMF分量以及残差序列分别进行预测。最后将各分量序列的预测结果进行集成,重构出航空客运需求的预测值。实证结果表明,本文所提出的二次分解策略表现显著优于传统的分解策略,并且本文所提出模型对于航空客运需求预测有着较高的准确性。     

基于优化VMD与BP神经网络结合的滚动轴承故障诊断方法研究

为解决滚动轴承微弱故障信号不明显、识别故障类型准确率不高及变分模态分解(VMD)分解时参数主要依靠人为设定的问题，提出一种基于麻雀搜索算法(SSA)优化VMD参数与BP神经网络相结合的故障诊断方法。首先，使用麻雀搜索算法对VMD分解的模态分解个数及惩罚因子进行优化，搜索全局得出最优参数组合；利用优化后的参数对故障信号进行VMD分解，将分解后的本征模态分量导入BP神经网络进行模式识别。结果表明：与EMD、未优化VMD相比，优化参数后的VMD具有更高的故障诊断率99.53%,使故障诊断效果进一步提升。     

钢筋混凝土损伤梁动力特性的有限元分析

以钢筋混凝土梁为研究对象,基于Euler-Bernoulli梁理论和结构动力学理论,通过有限元分析,计算得到了不同裂纹状态下梁的固有频率和模态振型,研究了裂纹对梁振动响应的影响。结果表明,损伤结构动力特性对损伤的敏感性并不能简单的归结为高频一定敏感,低频一定不敏感,应视裂缝位置与振型节点关系而论。     

内涵的刻画与认知的可能世界——兼评查尔莫斯的二维语义理论

解决同义性问题的一个重要困难在于：断定表达式有相同的意义包含了如下的假定——不同的说话者用音节划分世界的方式是一样的。因此，同义性问题不仅涉及指称问题，也涉及说话者如何使用语言的问题，而这也是“分析性”和“内涵”这些概念何以导致众多争论的重要原因之一。查尔莫斯认为，为了刻画表达式的内涵，必须区分认知的可能世界和模态的可能世界，从而利用理性（说话者使用语言的方式）和模态（真实世界的可能状态）构建出“意义”的解释。