时间同步技术作为无线微震传感器网络的核心技术之一,是网络协调运行的关键。首先研究了无线传感器网络时间同步原理及影响同步精度的因素;其次研究了经典无线时间同步协的实现方法;然后仿真对比了传感器网络时间同步协议(Timing-sync P...时间同步技术作为无线微震传感器网络的核心技术之一,是网络协调运行的关键。首先研究了无线传感器网络时间同步原理及影响同步精度的因素;其次研究了经典无线时间同步协的实现方法;然后仿真对比了传感器网络时间同步协议(Timing-sync Protocol for Sensor Networks,TPSN)和泛洪式时间同步协议(Flooding Time Synchronization Protocol,FTSP)的同步精度;再针对FTSP协议的不足提出一种改进的G-FTSP协议,能有效提高无线传感器网络时间同步精度;最后估算由时间同步误差造成的微震震源定位误差,验证G-FTSP协议满足实际生产需求。展开更多
金融市场对于社会经济的发展非常重要,因此金融时间序列预测(Financial time series prediction,FTSP)一直是人们研究的焦点。至今,许多基于统计分析和软计算的方法被提出以解决FTSP问题,其中大多数方法将金融时间序列(Financial time s...金融市场对于社会经济的发展非常重要,因此金融时间序列预测(Financial time series prediction,FTSP)一直是人们研究的焦点。至今,许多基于统计分析和软计算的方法被提出以解决FTSP问题,其中大多数方法将金融时间序列(Financial time series,FTS)视为或转化为平稳序列进行处理。但是,由于绝大部分FTS是非平稳的,因此这些方法通常存在伪回归或预测性能不佳等问题。本文提出了一种自适应增量集成学习(Self-adaptive incremental ensemble learning,SIEL)算法,用于解决非平稳金融时间序列预测(Non-stationary FTSP,NS-FTSP)问题。SIEL算法的主要思想是为每个非平稳金融时间序列(Non-stationary FTS,NS-FTS)子集增量地训练一个基模型,然后使用自适应加权规则将各基模型组合起来。SIEL算法的重点在于数据权重和基模型权重的更新:数据权重基于当前集成模型在最新数据集上的性能进行更新,其目的不是为了数据采样,而是为了权衡误差;基模型权重基于其所处环境进行自适应更新,且基模型在越新环境下的性能应具有越高的权重。此外,针对NS-FTS的特征,SIEL算法提出了一种能协调新旧知识以及应对环境重演的策略。最后,给出了SIEL算法在3个NS-FTS数据集上的实验结果,并将其与已有算法进行了对比。实验结果表明,SIEL算法能很好地解决NS-FTSP问题。展开更多
文摘时间同步技术作为无线微震传感器网络的核心技术之一,是网络协调运行的关键。首先研究了无线传感器网络时间同步原理及影响同步精度的因素;其次研究了经典无线时间同步协的实现方法;然后仿真对比了传感器网络时间同步协议(Timing-sync Protocol for Sensor Networks,TPSN)和泛洪式时间同步协议(Flooding Time Synchronization Protocol,FTSP)的同步精度;再针对FTSP协议的不足提出一种改进的G-FTSP协议,能有效提高无线传感器网络时间同步精度;最后估算由时间同步误差造成的微震震源定位误差,验证G-FTSP协议满足实际生产需求。
文摘金融市场对于社会经济的发展非常重要,因此金融时间序列预测(Financial time series prediction,FTSP)一直是人们研究的焦点。至今,许多基于统计分析和软计算的方法被提出以解决FTSP问题,其中大多数方法将金融时间序列(Financial time series,FTS)视为或转化为平稳序列进行处理。但是,由于绝大部分FTS是非平稳的,因此这些方法通常存在伪回归或预测性能不佳等问题。本文提出了一种自适应增量集成学习(Self-adaptive incremental ensemble learning,SIEL)算法,用于解决非平稳金融时间序列预测(Non-stationary FTSP,NS-FTSP)问题。SIEL算法的主要思想是为每个非平稳金融时间序列(Non-stationary FTS,NS-FTS)子集增量地训练一个基模型,然后使用自适应加权规则将各基模型组合起来。SIEL算法的重点在于数据权重和基模型权重的更新:数据权重基于当前集成模型在最新数据集上的性能进行更新,其目的不是为了数据采样,而是为了权衡误差;基模型权重基于其所处环境进行自适应更新,且基模型在越新环境下的性能应具有越高的权重。此外,针对NS-FTS的特征,SIEL算法提出了一种能协调新旧知识以及应对环境重演的策略。最后,给出了SIEL算法在3个NS-FTS数据集上的实验结果,并将其与已有算法进行了对比。实验结果表明,SIEL算法能很好地解决NS-FTSP问题。
