混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时,经典的误差反向传播算法存在收敛速度慢,易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术,具有较快的收敛速度和较强的全局搜寻能力;误差反向传播算法本质上是梯度下降算法,注重局部搜索。混合学习法为两种学习算法交替执行,首先以粒子群优化算法训练网络,当误差能量在规定的迭代次数内不再发生变化时,采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点,具有良好的应用前景。     

用余弦调制PR－FIR方法构造M带正交小波基

离散小波变换将离散时间信号分解为一系列不同分辨率下的离散近似信号和离散细节，紧支的正交规范小波与完全重构正交镜像滤波器（ＰＲ－ＱＭＦ）相对应。在紧支正交小波基的构造条件下，利用余弦调制完全重构滤波器组的方法，实现了Ｍ带紧支正交小波基的构造，计算机模拟表明该方法非常简单、有效。     

多级完全自适应陷波滤波器的设计

设计了一种典型的自适应级联结构的IIR陷波滤波器,用来探测和跟踪频率随时变化的信号。该信号含有加性高斯白噪声,采用全通滤波器的频域转换和梯度截短算法。通过仿真模拟显示,该算法计算简单,收敛迅速,并且能产生较好的频率分辨率。     

模具钢干铣削试验及参数优化研究

为了对铣削力做进一步的研究,以及预测铣削参数的改变对铣削力变化的影响,文章建立了铣削力预测模型,引 入了PSO优化算法。试验采用正交设计方法,干式铣削SKD61模具钢;KISTLER测力仪测量铣削力;HRsoft_DW数采软 件采集试验数据,并对数据进行极差分析。研究结果表明每齿进给量是铣削参数中影响铣削力最为主要的因素。研究 验证了PSO算法对铣削参数优化问题具有有效性。     

SDN供需流的两阶段及其优化分析——基于木地板生产企业的视角

在传统企业向供需网企业转变过程中,作为SDN的一个供需流,其核心集中在对车间生产调度及物流配送的优化上.针对这两个问题,基于木地板生产企业的现状,本文引入了量子粒子群与模拟退火相结合的混合算法,以及一种求解物流系统的整合优化模型与求解的启发式算法分别对其进行研究,具有一定的实用价值.     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.     

万有引力是否基本的相互作用

基于量子力学及当前基本粒子物理学的成就，从取得的物理事实，阐释万有引力作用的本质，提出了万有引力作用不是基本相互作用的新观点.     

一种准最佳数字传输系统的性能分析与实现

提出一种在数字传输系统中易于实现的发、收滤波器特性的准最佳分配方案:将信道升余弦滚降特性和宽码输入补偿网络特性都以平方根形式均分于发、收两端。分析和计算了这种系统的等效信噪比损失;用计算机优化方法设计了形成滤波器;最后计算了此系统残存符号间干扰所引起的损失。     

采用时序谱分析纱条的不匀结构

本文采用ARMA模型谱分析纱条不匀,通过与条干仪分析结果对比,发现:在信号经21阶FIR低通滤波器滤波后,选择ARMA(5,1)到ARMA(8,2)的模型,能得到满意的分析结果。此外,本文检验了纱条不匀信号的非平稳性,这是在选择模型参数辨识方法时应予注意的。     

用CC-Ⅱ实现有源滤波器的综合

本文用电流传输器设计一阶和二阶基本节。以此为基础,通过级联电路的方法,可很方便地实现高阶滤波器。作为例子,本文设计了一个五阶切比雪夫低通滤波器,并讨论了以CC—Ⅱ单元实现的二阶基本节电路的灵敏度问题,证明这种滤波器具有低灵敏度。