§1 灰色系统概论 §2 关联分析 §3 优势分析 §4 生成数 §5 灰色模型 GM §6 灰色预测 §7 SARS 疫情对某些经济指标影响问题 §8 道路交通事故灰色 Verhulst 预测模型 §9 GM(2,1)和 DGM 模型 §10 GM(1, N) 和GM(0, N) 模型 §11 总结

针对BP神经网络训练时间长的问题,采用基于案例推理的方法预测精炼开始钢水温度.首先,应用层次分析法确定影响精炼开始钢水温度的各个因素的权值,并使用灰色关联度来计算案例的相似度,克服了传统相似度计算方法在案例信息不完整的情况下无法获取准确结果的缺点.然后,提出一个包含类选、粗选、精选和择优的四步检索方法,大大缩短了检索时间.最后,实验比较了人工神经网络和基于案例推理两种方法,结果表明基于案例推理比人工神经网络具有更高的命中率

与行驶速度较高的其他无人驾驶工况相比, 自动泊车时参考路径的曲率较大, 因此车辆转向轮转角速度的限制等系统约束条件会严重影响自动泊车路径跟踪控制器的性能. 为了解决这一问题, 提出了基于非线性模型预测控制的自动泊车路径跟踪控制器, 并在MATLAB/Simulink和PreScan联合仿真环境中将该控制器与基于线性时变模型预测控制的控制器进行了对比. 仿真结果表明非线性模型预测控制器可以实现多约束条件下的自动泊车, 泊车完成后车辆航向与车位中线的夹角为0.0189 rad, 车辆后桥中点与车位中线的距离为0.1045 m, 仅为车身宽度的5.56%. 相比线性时变模型预测控制器, 非线性模型预测控制器具有泊车精度更高、安全裕度更大、泊车耗时更少等优势. 在实时性方面, 该控制器也能够满足自动泊车的需求

第一节卫星的无摄运动与受摄运动 开普勒定律,卫星无摄运动轨道描述,真近点角的计算,卫星的瞬时位置,卫星的运 行速度;卫星运动的摄动力及其影响。 第二节GPS卫星的星历 预报星历,后处理星历:DOP及可见卫星数预测 本章重点:GPS卫星星历。目的是培养学生识读GPS星历、使用GPS卫星历书进行 DOP及可见卫星数预测能力

为了连续地预测电弧炉熔池中碳含量,实现对冶炼终点碳含量的控制,以红外烟气分析技术和物质质量守恒计算为基础,结合入炉总碳量和供氧量等生产数据,建立了电弧炉炼钢脱碳数学模型.对莱芜钢铁股份有限公司特殊钢厂50tUHP电弧炉实际冶炼数据的模拟计算表明,该模型能实现对熔池碳含量的连续预测和终点控制.模拟计算结果还表明,电弧炉冶炼过程中,脱碳速度主要受供氧流量的影响,最大可达0.12%～0.16% min-1.该模型用于电弧炉供氧优化后,氧气消耗明显降低

7 地表水环境影响评价 7.1 地表水环境质量现状监测与评价 7.1.1 地表水环境质量现状调查 7.1.2 评价标准 7.1.3 评价方法 7.1.4 评价结果 7.2 地表水环境类比影响分析 7.2.1 地表水水质的类比监测分析 7.2.2 底泥的类比监测分析 7.3 地表水环境影响预测模型建立 7.3.1 模型选取与原理 7.3.2 模型时空概化 7.3.3 情景分析与预测评价 7.4 结论与建议 7.4.1 结论 7.4.2 建议

在监控自动厚度控制(AGC)系统基础上,增加一个压力AGC副回路控制.基于Smith预估模型,采用串级控制方式以综合使用监控AGC与压力AGC.副回路采用PID调节方式,主回路基于广义预测控制(GPC)算法求解控制器.由于增加了副回路控制,对进入副回路的干扰有超前抑制作用,因而减少干扰对主变量的影响,提高了抗干扰能力,从而改善了过程的动态特性.仿真结果表明该方法是可行性的,具有较好的控制性能

典型环境气味污染物由于异味刺激性强、影响范围广、严重影响周边居民的生活和身心健康而受到广泛关注.围绕气味污染的评价技术和典型区域污染特征,国内外许多学者开展了深入的研究,在气味污染物采集和分析技术、气味浓度预测技术、典型垃圾处理工艺的气味污染特征等方面取得了较大进展.本文综合近年的气味污染研究现状,总结了气味污染的评价和预测技术,分析了典型垃圾处理工艺的气味污染特征、控制技术和未来的研究方向

根据有关政策、法规和通化地区生态环境及经济结构等因素,选择5类4层24项指标,构成通化地区可持续发展度指标体系.采用专家评分方法,建立层次加权组合法的多指标综合测算模型,预测评价通化地区钢铁工业对生态环境和社会经济的影响,并对2010年和2020年通化地区可持续发展度给出了定量评价,验证各项指标的合理性

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好