基于CEEMD SE和LSTM的滚动轴承剩余寿命预测

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,课题组提出了一种基于多频率尺度样本熵(SE)和长短期记忆神经网络(LSTM)相结合的寿命预测模型。该模型采用互补集成经验模态分解(CEEMD)结合相关系数分析,从滚动轴承振动信号中提取包含主要退化信息的IMF分量,并提取其样本熵矩阵,用于训练和测试LSTM。通过滚动轴承全寿命试验证明该模型可以准确预测滚动轴承剩余寿命,与BP神经网络和极限学习机(ELM)的预测效果对比验证了该模型的有效性。     

基于EEMD穿墙雷达人的运动模式识别

根据穿墙雷达动目标探测中人的运动多普勒信号属于非线性、非平稳信号的特点,分别采用经验模式分解(EMD)和整体平均经验模式分解(EEMD)将人5种运动的多普勒信号分解为一系列本征模式函数(IMF)。采用支持向量机(SVM)学习算法,将两种方法分解后的各IMF能量占总能量的百分比作为支持向量机分类器的特征向量进行模式识别,分析了特征向量维数对识别率的影响,比较了EMD和EEMD的识别率。EEMD能够消除EMD存在的模式混合问题,识别率更高,达到94%以上。     

煤矿采掘管理中的多目标决策问题研究

本文针对煤矿企业生产实际建立了两个目标管理系统模型,用于分解年度多目标到各个工作面并考核各个采、掘队的生产绩效。两个模型既相互关联又各自独立,共同实现煤炭生产的多目标—多因素系统管理,成功地体现了软科学硬化的思想。经平煤股份五矿应用,得到企业管理者以及各综采队和掘进队等一线工人的认可,已经作为该煤矿企业制定生产计划和进行绩效考核的依据。     

基于VAR模型下的房地产政策对GDP的脉冲响应分析

利用向量自回归模型研究房地产政策对我国国民生产总值的实际影响。房地产政策选取了长期贷款利率、货币供应量和土地供应量,建立了GDP与三个指标的VAR模型系统。利用脉冲响应函数(IRF)和方差分解方法分析3中房地产政策分别对GDP的影响时滞、持续时间和作用强度。研究结果表明:货币供应量,利率对GDP影响幅度较小,持续性较短,土地供应量对GDP的影响幅度较大,持续期相对较长。     

基于低频分量EEMD-SVR预测建模的指数择时策略

以机器学习为基础设计高效的股票择时策略是量化投资领域的研究热点。文章结合集成经验模态分解(EEMD)和ε-不敏感支持向量回归(SVR)的优势,提出基于EEMD-SVR的指数低频分量预测模型,进而构建基于低频分量趋势预测的沪深300指数择时策略。首先,对沪深300指数进行EEMD分解,剔除高频IMFs后利用低频IMFs和趋势项重构指数低频分量;其次,运用ε-不敏感SVR构建低频分量预测模型;然后,根据低频分量预测结果制定交易信号生成规则,构建沪深300指数择时策略;最后,对构建的策略和MACD等多种择时策略进行对比评估,结果表明:构建的策略能更高效地把握指数的中长期主要趋势,在收益获取与风险控制等方面的表现显著超越了对照策略。     

工程管理系统思维与工程全寿命期管理

鉴于传统的工程管理思维在工程价值观、目标体系、管理定位等方面的局限性,本文提出了工程管理系统思维的概念:从工程系统整体出发,通过贯穿工程全寿命期的管理活动实现工程全寿命期整体最优的目标。工程全寿命期管理是工程管理系统思维的管理理论和工程实践体现,是在全面把握工程全寿命期的系统规律的基础上,通过将工程管理的全部要素在全寿命期的维度上整合集成,力求实现工程全寿命期系统最优化的目标的新的管理模式。工程系统分解结构是在工程系统功能分析的基础上,按功能和专业将工程系统分解为一定细度的功能面和专业子系统而形成的树状结构,它是工程管理系统思维在工程全寿命期管理中的重要实现工具,是各项工程全寿命期管理工作的管理技术支撑。     

壮语亲属词语义关系量变的回归分析

壮语亲属词中的汉借词使早期的亲属语义关系发生了量变,且这种量变在壮语方言中具有随机性。文章以"亲属语义关系"为因变量,亲属词的"变异均值"为自变量,用回归分析的方法确定了两个变量间单向正相关的因果属性。     

小波变换在股市预测中的应用

本文应用小波变换对深圳股票市场的建模与预测进行了研究。首先对股指时序进行小波分解;然后对分解后的各部分分别建立混沌模型进行预测;再对混沌模型预测的结果予以小波重构,即得最终的预测结果。从吸引子结构的观点对预测精度提高的原因进一步分析得出,小波分解可使分解后的时序变得简单而容易预测,因而使得最终的预测结果能够具有较高的精度。研究表明,小波变换在股市预测中具有非常好的应用前景。     

采用K-L正交分解降低Chirp信号噪声的方法

由于Chirp信号瞬时频率的估计易受噪声影响,该文利用K-L正交分解,提出了一种降低Chirp信号噪声的方法。K-L正交分解将噪声平均分配到各正交分量,而将信号主要集中在某一最大分量,从而提高信噪比。数学分析和仿真结果同时表明,该方法能降低信号噪声,改善信噪比达6dB,使瞬时频率估计更为准确。最后,结合Chirp信号自相关函数的特性,对该方法的应用做了进一步的推广。     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。