导读:本文包含了限定记忆论文开题报告文献综述及选题提纲参考文献，主要关键词:瓦斯涌出量预测,限定记忆,GM-RBF算法,软测量
限定记忆论文文献综述
李俊哲,秦志,周鑫隆[1]（2019）在《限定记忆的GM-RBF瓦斯涌出预测模型》一文中研究指出针对现阶段瓦斯涌出量预测中存在的样本数据库过饱和现象,提出了一种限定记忆模式的多维GM-RBF瓦斯涌出量预测模型;基于软测量思想引入了代谢因子,变一维瓦斯涌出量数据为多维"辅助变量"和"主导变量",构建了多维动态数据集;对车集煤矿2612工作面的实例验证结果表明:限定记忆模式下的多维GM-RBF模型拟合曲线离散性最小,瓦斯浓度变化趋势和实际监测结果最为接近,对煤矿工作面瓦斯涌出量的预测具有更高的准确性。(本文来源于《煤炭技术》期刊2019年01期）
朱文超[2]（2015）在《一种限定记忆的自适应扩展Kalman滤波器》一文中研究指出为解决扩展卡尔曼滤波器(EKF)鲁棒性差,且无法实时精确跟踪系统突变状态的问题,研究一种基于限定记忆滤波的自适应EKF算法。算法将EKF与限定记忆滤波器相融合,减小旧量测数据对滤波效果的影响,提高估计精度;引入自适应因子与渐消因子,通过实时调节新旧滤波增益阵以及预测状态值,精确地跟踪系统突变状态。仿真实例表明,强跟踪算法与经典EKF算法相比,自适应EKF算法鲁棒性好,滤波精度高,能够有效地跟踪系统突变状态。(本文来源于《井冈山大学学报(自然科学版)》期刊2015年04期）
王万召,王杰[3]（2014）在《采用限定记忆极限学习机的过热汽温逆建模研究》一文中研究指出针对常规极限学习机随着学习次数增加增益矩阵慢慢趋于零、学习算法逐渐失去修正能力而出现"数据饱和"的问题,提出了限定记忆极限学习机算法。该算法在学习过程中每增加一个新数据信息,就去掉一个旧数据信息,权值的学习只依赖于限定个数的最新数据信息,从而避免出现"数据饱和"。通过分析隐含层数据矩阵的特点,利用分块矩阵计算方法推导了限定记忆极限学习机在线学习算法。将该算法应用于参数时变的过热汽温对象逆模型的辨识,仿真实验结果表明:该算法能有效克服"数据饱和"问题,提高计算精度,是一种实用有效的过热汽温对象逆建模算法。(本文来源于《西安交通大学学报》期刊2014年02期）
田颖,杜文莉,钱锋[4]（2012）在《限定记忆模式的MEWMA-ICA方法研究及其应用》一文中研究指出传统基于多变量指数移动加权平均的独立元分析(MEWMA-ICA)方法:虽然可以有效监测化工过程中的缓变故障,但对突变故障监测滞后。本文提出了限定记忆模式的MEWMA-ICA方法:。该方法:通过引入基于记忆代数的遗忘因子,构造动态建模数据集。随后利用动态数据集建立ICA统计分析模型。最后采用T~2和SPE统计量对系统进行监测。其中,遗忘因子和记忆代数是通过优化算法进行选择的。通过测试问题和裂解气压缩机的仿真研究,验证了限定记忆模式的MEWMA-ICA方法:在保证传统MEWMA-ICA算法对缓变故障监测能力的同时,减少了对突变故障监测的时滞。(本文来源于《计算机与应用化学》期刊2012年07期）
张弦,王宏力[5]（2012）在《限定记忆极端学习机及其应用》一文中研究指出为了实现极端学习机(ELM)的在线训练,提出一种限定记忆极端学习机(FM-ELM).FM-ELM以逐次增加新训练样本与删除旧训练样本的方式,提高其对于系统动态变化特性的自适应性,并根据矩阵求逆引理实现了网络输出权值的递推求解,减小了在线训练过程的计算代价.应用于具有动态变化特性的非线性系统在线状态预测表明,FM-ELM是一种有效的ELM在线训练模式,相比于在线贯序极端学习机,FM-ELM具有更快的调节速度和更高的预测精度.(本文来源于《控制与决策》期刊2012年08期）
魏宇新[6]（2012）在《方程误差类模型的限定记忆加权辨识》一文中研究指出系统辨识是通过系统输入输出数据确定系统数学模型的技术。很多实际系统的参数是随时间变化的，故对参数时变系统的辨识研究具有重要意义。本文针对参数时变的方程误差模型、方程误差滑动平均模型、方程误差自回归模型和方程误差自回归滑动平均模型四类方程误差类模型提出了两种限定记忆的加权辨识方法。主要研究结果如下：1)针对方程误差模型提出了I型和II型限定记忆加权辨识算法。其中I型算法通过引入中间项来建立相邻两个时刻参数估计的关系，II型算法直接建立相邻两个时刻参数估计的关系。2)引入常数加权、指数函数加权和线性函数加权叁种加权方法。通过比较显示，指数函数加权与常数加权相比可以更好的保留系统实时信息，指数函数加权和线性函数加权在一定范围内可以相互替代。3)以两种基本的限定记忆加权辨识算法为基础进一步推导出了适用于方程误差滑动平均模型、方程误差自回归模型、方程误差自回归滑动平均模型的限定记忆加权辨识算法。针对四种不同类型的时变参数对两种算法进行了数值仿真。仿真结果显示II型算法稍优于I型算法，指数函数加权优于遗忘因子加权，指数函数加权和线性函数加权在一定范围内可以取得相同的辨识结果。(本文来源于《哈尔滨工业大学》期刊2012-06-01）
张建业,王占磊,张鹏,陈芳,刘博宁[7]（2012）在《基于支持度的限定记忆二次融合算法》一文中研究指出在先验知识未知的情况下对多传感器信息进行融合,提出了基于支持度的限定记忆二次融合算法。为了保证融合权重分配的合理性,算法利用绝对距离度量传感器观测值之间的相互支持程度,并引入限定记忆控制项来防止陈旧信息引起的数据饱和。为了进一步保证故障发生时的融合效果,在一次融合的基础上,引入灰关联度对量测数据进行优势分析,并对分析调整后的数据进行二次融合。仿真结果表明,该算法可进一步提高融合精度,具有较强的容错和抗干扰能力。(本文来源于《计算机应用研究》期刊2012年04期）
李训艳,周玉国,逯倩倩[8]（2012）在《限定记忆法辨识带钢热镀锌退火炉模型参数》一文中研究指出最小二乘参数估计方法可用于线性的或非线性的系统参数辨识,包括动态的、静态的和参数的或非参数的模型辨识,其递推算法更是收敛可靠,简单实用。但是随着数据的不断增长,最小二乘的递推算法将失去修正能力,出现数据饱和现象,限定记忆最小二乘法解决了这一问题,并能得到无偏、一致、有效估计。以已建立的连续带钢热镀锌退火炉数学模型为实例,用限定记忆最小二乘法辨识连续带钢热镀锌退火炉模型参数。通过对限定记忆最小二乘法的研究,进行模型参数辨识,并给出辨识结果和分析,结果证明了该方法的优越性。(本文来源于《计算机时代》期刊2012年01期）
鲁照权,俞宗嘉,胡金东,胡焱东[9]（2009）在《广义最小二乘限定记忆参数辨识方法与仿真研究》一文中研究指出最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.(本文来源于《安徽大学学报(自然科学版)》期刊2009年06期）
鲁照权,胡金东,胡焱东,俞宗嘉[10]（2009）在《增广最小二乘限定记忆参数估计算法与仿真》一文中研究指出最小二乘法可用于动态系统、静态系统、线性系统和非线性系统的参数估计,可用于离线估计,也可用于在线估计;文章在增广最小二乘递推算法的基础上引入限定记忆方式,获得了增广最小二乘限定记忆参数估计递推算法(RFMELS),解决了增广最小二乘递推算法的数据饱和问题,仿真结果表明了RFMELS算法的有效性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2009年07期）
限定记忆论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决扩展卡尔曼滤波器(EKF)鲁棒性差,且无法实时精确跟踪系统突变状态的问题,研究一种基于限定记忆滤波的自适应EKF算法。算法将EKF与限定记忆滤波器相融合,减小旧量测数据对滤波效果的影响,提高估计精度;引入自适应因子与渐消因子,通过实时调节新旧滤波增益阵以及预测状态值,精确地跟踪系统突变状态。仿真实例表明,强跟踪算法与经典EKF算法相比,自适应EKF算法鲁棒性好,滤波精度高,能够有效地跟踪系统突变状态。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
限定记忆论文参考文献
[1].李俊哲,秦志,周鑫隆.限定记忆的GM-RBF瓦斯涌出预测模型[J].煤炭技术.2019
[2].朱文超.一种限定记忆的自适应扩展Kalman滤波器[J].井冈山大学学报(自然科学版).2015
[3].王万召,王杰.采用限定记忆极限学习机的过热汽温逆建模研究[J].西安交通大学学报.2014
[4].田颖,杜文莉,钱锋.限定记忆模式的MEWMA-ICA方法研究及其应用[J].计算机与应用化学.2012
[5].张弦,王宏力.限定记忆极端学习机及其应用[J].控制与决策.2012
[6].魏宇新.方程误差类模型的限定记忆加权辨识[D].哈尔滨工业大学.2012
[7].张建业,王占磊,张鹏,陈芳,刘博宁.基于支持度的限定记忆二次融合算法[J].计算机应用研究.2012
[8].李训艳,周玉国,逯倩倩.限定记忆法辨识带钢热镀锌退火炉模型参数[J].计算机时代.2012
[9].鲁照权,俞宗嘉,胡金东,胡焱东.广义最小二乘限定记忆参数辨识方法与仿真研究[J].安徽大学学报(自然科学版).2009
[10].鲁照权,胡金东,胡焱东,俞宗嘉.增广最小二乘限定记忆参数估计算法与仿真[J].合肥工业大学学报(自然科学版).2009