地震地层压力预测 摘要 目前，地震地层压力预测方法归纳起来可以分为图解法和公式计算法两大类10余种。本文对各种地震地层压力预测方法进行了系统地归纳和总结，并对各种方法的特点、适用性以及存在的问题进行分析和讨论.在此基础上，就如何提高压力预测的精度，提出了一种简单适用的改进措施，经J1.K地区的实测资料的验证，效果良好。 主题词地层压力地震预测正常压实异常压实 引言 众所周知，油气层的压力是油气层能量的反映，是推动油气在油层中流动的动力，是油气层的“灵魂”。因此，在石油和天然气的勘探开发中，研究油气层的压力具有十分重要的意义。 首先，在油气田勘探中，研究油气层压力特别是油气层异常压力的分布，以及预测和控制油气层压力的方法，不仅可以保证安全快速地钻进，而且可以正确地设计泥浆比重和工程套管程序;同时也可以帮助选择钻井设备类型和有效安全正确的完井方法等。这些都直接关系到钻井的成功率以及油气田的勘探速度等问题。其次，在油气田开发过程中，准确的压力预测以及认真而系统的油气层压力分布规律的研究，不仅可以帮助我们认识和发现新的油气层，而且对于了解地下油气层能量、控制油气层压力的变化，并合理地利用油气层能量最大限度地采出地下油气均具有十分重要的意义。 多少年来，人们在异常地层压力(这里主要指异常高压或超压)预测方面进行了种种尝试，然而直到本世纪70年代以来，随着岩石物理研究的不断深人以及地震技术的不断提高，才真正使得地层压力的地震预测成为现实。 对于异常高压地层，一般表现为高孔隙率、低密度、低速度、低电阻率等特点，因此，凡是可以反映这些特点的各种地球物理方法均可用于检测地层压力。但是，由于各种测井方法均为“事后”技术，这就使得在初探区内利用地震方法进行钻前预测显得尤为重要。与此同时，地震地层压力预测还可以提供较测井方法更为丰富的空间压力分布信息。 利用地震资料进行地层压力预测，主要是利用了超压层的低速特点，因为在正常情况下，速度随深度的增加而增加，当出现超压带时，将伴随出现层速度的降低。可见，取准层速度资料是预测地层压力的关键之一，而选择合适的地层压力预测方法同样是一个十分重要的环节。 到目前为止，地震地层压力预测的方法名目繁多，但就总体而言，大致可分为图解法和公式计算法两大类。本文将对各种地震地层压力预测方法的内容、特点、应用效果以及存在的问题等作一系统全面的叙述。在前人研究工作的基础上，就如何提高地震地层压力预测的精度，本文提出一种简单而实用的改进措施，经JLK(吉拉克)地区实际资料的计算，效果良好。 地震地层压力预测方法综述 图解法 在所有地震地层压力预测方法中，最为直观简便的方法莫过于图解法了。按照判定超压层方式的不同，又可细分为等效深度图解法、比值法和量板法三种。 等效深度图解法 等效深度图解法(或可形象地称之为直接趋势线判别法)是以页岩压实概念为基础
国内物流需求预测方法文献综述 (河北工程大学管理科学与工程阮俊虎） 物流需求是指一定时期内社会经济活动对生产、流通、消费领域的原材料、半成品和成品、商品以及废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和费用方面的要求，涉及运输、库存、包装、装卸搬运、流通加工以及与之相关的信息需求等物流活动的诸方面[1]。物流需求的度量可以采用价值量和实物量两种度量体系。实物量意义上的物流需求主要表现为不同环节和功能的具体作业量，如货运量、库存量、加工量、配送量等；价值量意义上的物流需求是所有物流环节全部服务价值构成的综合反映，如物流成本、物流收入、供应链增值等[2]。 物流需求预测是根据物流市场过去和现在的需求状况，以及影响物流市场需求变化的因素之间的关系，利用一定的判断、技术方法和模型，对物流需求的变化及发展趋势进行预测。国内外许多专家和学者都对物流需求的预测进行了研究，提出不同的预测方法和手段。物流预测方法可以分为定性预测方法（如德尔菲法和业务人员评估法等）和定量预测方法，但多数是定量预测方法，因此，本文主要是对国内物流需求定量预测方法进行综述，归为时间序列预测方法、因果关系预测方法、组合预测方法等三类。 1．时间序列预测方法综述 时间序列预测方法是依据从历史数据组成的时间序列中找出预测对象的发展变化规律，以此作为预测依据。常用的时间序列预测模型有增长率法、移动平均法、指数平滑法、随机时间序列模型、灰色模型、以及在经济领域已经被广泛应用的混沌与分形等。 增长率法指根据预测对象在过去的统计期内的平均增长率，类推未来某期预测值的一种简便算法。该预测方法一般用于增长率变化不大，或预计过去的增长趋势在预测期内仍将继续的场合。刘劲等[3]（2002）在利用增长率系数法对百色地区港口货运量进行了逐一分析。 移动平均法是用一组最近的实际数据值来预测未来一期或几期内产品的需求量的一种常用方法。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动。根据预测时使用的各元素的权重不同，移动平均法可以分为：简单移动平均和加权移动平均。杨荣英等[4]（2001）在讨论移动平均值的基础上，提出了移动平均线方法，并介绍了运用移动平均线进行物流预测的方法。李海建等[5]（2003）利用二次移动平均线模型对芜湖市物流业发展的规模进行了预测。 指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。韦司滢等[6]（1999）将指数平滑法等其他多种方法应用在三峡移民工程建材配送决策支持系统中。黄荣富等[7]（2003）、
显式模型预测控制综述 亚历山德罗·阿莱西奥和阿尔贝托·本波拉德 摘要： 显式模型预测控制解决了模型预测控制的主要缺点，即需要解决在线的数学程序来估计控制动作。在一些文献中，这个估计阻止了MPC的应用，因为在采样时间内解决最优问题的计算技术比较困难或根本不可行，或者是计算机代码实现数值求解器时导致软件认证问题，尤其是存在安全性的关键问题。 显式MPC在给定的感兴趣的操作条件范围内允许其离线计算优化问题。显式MPC通过利用多参数的编程技术离线计算出的最优控制动作可以作为状态的显式功能和参考矢量，使上线操作简化为简单的函数求值。这样一个函数在大多数情况下是分段仿射的，所以MPC控制器可以映射成线性增益的查找表。 本文调查显式MPC在科学文献上的主要贡献。首先回顾基本概念和MPC 方案的问题，复习解决显式MPC问题的主要方法包括新颖而简单的次优实用方法以降低显式形式的复杂性。本文结尾评论了一些未来的研究方向。 关键词：模型预测控制，显式解，多参数编程，分段仿射控制器，混合系统，最小—最大控制。 1模型预测控制 模型预测控制的控制动作是通过解决在每个采样时刻的有限时域开环最优控制问题而得到的。每个优化产量的最优控制序列，只有第一步应用到过程中：在下个时间步长中，采用最新的可用状态信息作为最优控制新的初始状态通过偏移一个时间范围重复计算。因此，MPC也被成为后退或滚动时域控制。 该解决方案依赖于过程的动态模型，遵守所有的输入和输出（状态）的约束，
并优化其性能指标。这通常表示为一个二次或线性准则，因此，对于线性预测模型产生的优化问题可以转换为一个二次规划（QP ）或线性规划 （LP ），而对于混合预测模型，所得到的优化问题可以转换为将在下一章节的讲述的混合整数二次或线性规划（MIQP/ MILP ）。因此，MPC 和常规控制的主要区别在于，后者的控制函数在离线情况下预先计算的。MPC 在工业应用上的成功是由于其在处理有许多操纵的控制流程，控制变量及系统对它们的约束的能力。 过程控制通常是由差分方程的系统建模的 (1)((),())x t f x t u t += (1) 其中,()n x t ∈ 是状态矢量, ()m u t ∈ 是输入矢量。假设一个简单的(0,0)0f =, 控制和状态序列要满足的约束条件 ()x t ∈?，()u t μ∈ （2） m μ? ,n χ?在它们的内部封闭集包含原点。假设控制目标引导状态的起源， MPC 解决了如下的约束监管问题。假设在当前时刻t 的状态量x(t)的完整测量是可使用的，那么下面的有限视距优化监管问题可以解决。 1 0(()):min ((),())()N N z k x t l x k u k F xN -=P +∑ (3a) ..s t 1(,),0,...,1k k k x f x u k N +==- (3b) 0()x x t = (3c) ,0,...,1k U u k N μ∈=- (3d) ,1,...,1k x k N χ∈=- (3e) ,N N x χ∈ (3f) (),,...,1k k u u x k N N κ==- (3g) 其中，z ∈ 是优化变量的向量，01['...']'N z u u -=，u mN =（一般情况下，z 包括
中国证券市场股票价格预测模型综述 王 浩 (洛阳理工学院工程管理系,洛阳 471023)* 摘 要:中国金融市场的证券价格存在着可预测成分。现有的各种统计预测方法基本都可以归纳为时间关系模型和因果关系模型两大类,详细分析了各种模型的实现方法并总结了其特点。 关键词:预测;股票价格;统计模型;综述do:i 10.3969/j .issn .1000-5757.2009.07.058 中图分类号:F830191 文献标志码:A 文章编号:1000-5757(2009)07-0058-03 一、证券市场可预测性 有效市场理论指出,证券价格呈现随机游走特征,因此技术分析和掷骰子选出的股票,最终表现相差无几。大量分析却发现中国股票价格波动具有长期记忆性,拒绝了随机游走假设,即股市涨跌存在自身的规律,无论长期和短期都存在着可预测的成分,因而技术分析是有用的,通过采用 相应策略,投资者可以获得超常利润。[1] 中国证券市场呈 现弱有效性的原因可能在于,作为一个新兴市场,法制、监管等因素造成市场信息传递效率低下,投资者在博弈中存在严重的信息和资金实力不对称,而且这种不对称状态并不能在市场中迅速消除,因此F a m a 所描述的概率上的/瞬时性0还无法达到,而这种市场结构的特点,使得某些/技术分析0成为信息挖掘的成本。 由于股票指数序列呈现高度的非线性,经典计量经济模型和时间序列模型的有效性受到了挑战。现代预测理论和统计学、信息技术、优化算法紧密结合,向复杂化和智能化方向发展。至少目前在我国,各种预测技术方兴未艾,投资者按照自己的经验采用各不相同的指标作为决策依据,在市场上低买高卖,获得了成功,也经历过失败。 二、主要预测模型1.神经网络模型 神经网络是一种大规模并行处理系统,具有良好的自学习能力、抗干扰能力和强大的非线性映射能力,能够从大量历史数据中进行聚类和学习,自动提取样本隐含的特征和规则,进而找到某些行为变化规律,可以实现任何复杂的因果关系。BP (反向传播)和RBF (径向基函数)神经网络是最常见的股市预测模型。崔建福等发现BP 模型普遍显著优于 GARCH (广义自回归条件异方差)模型,从而认为对股票价格这样波动频繁的时间序列,从非线性系统角度建模略胜于 从非平稳时间序列角度建模。[2] 由于传统算法收敛速度慢且 全局寻优能力差,更多研究将精力放在对神经网络结构和参数的改进上。丁雪梅等发现改进后BP 算法的预测结果比 回归预测、指数平滑预测和灰色预测都要好。 [3]神经网络预测方法的应用有两个明显特点。一方面,统计模式识别和数字信号处理等领域的特征选择和提取方法,如小波包最优分解方法、混沌吸引子理论、K a l m an 滤波算法、主成分分析、灰色系统理论,广泛用于神经网络输入参数的甄别。另一方面,新的网络模型不断被应用于证券预测实践以提高映射效率,如模糊神经网络和小波神经网络。预测结果明显优于普通神经网络模型。 神经网络的缺陷在于,网络结构只能事先指定或应用启发式算法在训练过程中寻找,需要在充分了解待解决问题的基础上,主要依靠个人经验来确定,没有统一的规范,往往需要通过反复改进和试验,最终才能选出一个相对较好的设计方案,并且网络训练过程易陷入局部极小点。不过,神经网络最致命缺点在于,无法表达和分析预测系统的输入输出之间的关系,难以解释系统输出结果。 2.灰色系统和随机过程模型 灰色预测普遍采用灰色系统模型,经由累加过程削弱原始数据的随机干扰,突出系统所蕴涵的内在规律,然后建立动态预测模型。马尔可夫过程是无后效性的随机过程,是一种应用极为广泛的传统方法。灰色系统GM (1,1)模型的解为指数型曲线,几何图形较为平滑,比较适用于具有增长趋势的问题,而对随机性波动较大的数据进行预测,会 58 第25卷 第7期V o.l 25 四川教育学院学报 J OURNAL OF S I CHUAN C O LLEG E OF EDU CAT I ON 2009年7月 Ju.l 2009 * 收稿日期:2009-02-23 作者简介:王浩(1973)),男,河南西峡人,副教授,硕士,研究方向:区域经济发展理论与数量分析。
渤中8—4—2探井三个地层压力剖面预测分析 摘要：在油气钻探过程中，地层压力预测是一项十分关键的基础工作。特别是对于科学探索井，精确的地层压力预测能够为钻井液密度选择、钻井参数优化和井身结构设计提供科学依据。针对渤中8-4-2科探井的地震资料，以及周边区块已钻井的地质、地震、钻井、测井、测试等资料分析，得出了科探井地层孔隙压力、破裂压力和坍塌压力剖面，建立了合理的钻井液安全密度窗口。 关键词：科探井地层压力预测计算模型 科学探索井的压力预测与常规井不同，由于科学探索井存在测井资料未知的现象，地层孔隙压力只能采用地震资料，依据地震速度谱数据预测；而地层破裂压力，因钻前资料不足，往往依据邻井的资料进行估计，此外，单纯应用某一种方法有时无法准确预测出地层压力，需要用多种方法进行综合分析和解释，将多种数据资料结合起来，通过一个综合数据处理途径，应用数据库数学物理方法等技术对待钻地层进行预测。 一、科探井压力预测方法 由于科探井的无测井资料，无法直接利用测井资料进行压力预测，只能利用地震资料分析法，将地震速度谱解释得到地震层速度。由于地震层速度的倒数即为声波时差，从而可以应用最为广泛的声波时差法计算地层孔隙压力。对于渤海科探井，首先主要依据地震资料对该科探井的孔隙压力、破裂压力以及坍塌压力进行计算模式理论分析和研究，建立地层压力剖面，再结合科探井邻近围区井史资料，对压力预测结果进行对比验证，并对计算模型进行修正和优化，通过综合分析处理，作出科学推断。 科探井随钻过程中需进行随钻监测，可通过上部已钻井段的录井资料，结合地震资料，建立岩石抗钻强度与井底压差关系曲线，根据井下地层岩石抗钻强度的变化来监测地层孔隙压力的变化，并重新评价深部待钻进地层。此外，需要在钻完上部地层后，根据二开、三开破裂压力实验值对原有破裂压力计算模型中构造应力系数进行修正，从而提高地层破裂压力预测的精确性。 1.地层孔隙压力计算模型 用地震资料预测地层孔隙压力的具体方法是：从速度谱解释得到叠加速度，把叠加速度转换为均方根速度，再用DIX公式计算地震层速度，也有的地震资料可以直接给出地震层速度，根据地震层速度与声波时差的倒数关系，得到声波时差与地层深度的关系，从而用声波时差法计算地层压力。使用该方法在地震资料具有较高分辨率的情况下，计算的层速度准确性越高。 根据处理得到的地层声波时差资料，采用Eaton法进行地层压力计算。在计算时，正常压实井段的选取尤为重要，选取不当将会给正常趋势线带来较大误差，
一、开始一个新的项目 Create a Project: Step 1—Specify Project General Information 创建一个项目：步骤1—具体项目的概要信息 Project location 项目位置 Project name 项目名字 Description 描述 Analyst 分析人员 Default depth unit 默认深度单位 Copy library as a well into project 复制库文件作为一口井到项目中
Create a well—step 1: Specify Data Source 创建一口井—步骤1：具体的数据来源Source well 井的来源 None 没有 From a well in this project (copy well information only) 来自于这个项目中的一口井（只复制井的信息） From a well in this project (Copy well information and all data inside this well) 来自于这个项目中的一口井（复制井的信息和这口井的所有数据） From an LAS file 来自一个LAS文件 View generation 视图生成 Automatically create views using the system default views 用系统默认的视图自动创建视图 View name generate schemes 视图名字产生方案
Create a Well – Step2: Collect Well General Information 创建一口井—步骤2：选择井的概要信息 Well name 井的名子 Description 描述 Operator 操作人员 Analyst 分析人员 Unique Well Identifier 井的唯一标识符 Rig name 钻探设备名字 Status状态 Well type 井的类型 Security level 安全级别 Spud date 开钻日期 Completion date 完钻日期 Depth unit 深度单位 Air gap 空气间隙 Water depth 水深 Elevation 海拔 Total MD 总测量深度 Total TVD 总实际垂直深度
地层压力预测技术 第一章油田的地质特点 油田位于松辽盆地北部，其储油层属于陆湖盆地叶状复合三角洲沉积，是一个大型的多层砂岩油田，共有三套含油组合，即上部黑帝庙、中部萨葡高和下部扶含油组合。由于湖盆频繁而广泛的变化，形成了泛滥平原、分流平原、三角洲外前缘等不同的沉积相带，在萨尔图、葡萄花、高台子含油层段，由于不同的沉积时期和不同的沉积环境，又形成了不同类型的沉积砂体和沉积旋回，因此造成其平面上和垂向上的严重非均质性。 由于这种特定的陆湖相沉积环境，构成了油田的许多基本特点。一是油层多，含油井段长，储量丰度高。萨尔图、葡萄花、高台子油层组，约有49~130多个单层，含油井段几十米到几百米，每平方公里的储量从几十万吨到几百万吨不等。二是油层厚度大，差异也大，最薄的0.2m，一般1m~3m，最大单层厚度可达10m~13m。三是渗透率差异大，空气渗透率最低0.02μm2,最高达5μm2。在纵向剖面上，形成了砂岩与泥岩，厚层与薄层，高渗透层与低渗透层交错分布的复杂情况。 第二章浅气层分布规律及下表层原则 2.1 浅气层的分布规律 浅气层在油田尤其是油田长垣北部的喇、萨、杏油田具
有广泛的分布。在构造轴部的嫩二段顶部粉砂岩及泥质粉砂岩层，嫩三段的粉砂岩及泥质粉砂岩层，嫩四段的细砂岩及粉砂岩层，只要具备以下三条件，就能形成浅气层（在外围就是黑帝庙油层）。 1）具备2.5m视电阻率为10Ω·m，自然电位3mv的砂岩。 2）该砂岩必须在一定海拔深度以上才能形成气层。 3) 同时形成一定的局部构造圈闭及断层遮挡条件（即断层断裂后相对隆起的下盘被断层遮挡），有利于浅气层的聚集。，萨尔图、杏树岗油田浅气含气围见表1-1，喇嘛甸油田浅气含气围见表1-2。 图1-1 浅气层分区示意图
用水量预测方法综述 摘要：本文阐述了研究用水量预测方法的目的和意义，简要的介绍了六种目前常用的预测方法，并指出了每种方法的优缺点, 最后对不同情况水量预测方法的择优进行了分析和探讨。 关键词: 用水量预测人工神经网络预测方法择优 一、引言 水是人类赖以生存的基础，没有水，就没有生命。 随着经济建设的发展、产业和人口的增加，我国城市、工业、农业各方面用水量都在迅速增长，缺水城市和地区的范围日益扩大。全国640个城市中有333个城市缺水，其中严重缺水的有108个[1]。同时，水污染是我国面临的又一严峻的问题。缺水、水污染己经对我国的经济建设构成了严重的威胁[2]。因此，水资源规划和供水系统的优化调度变得越来越重要，作为供水管理前提和基础的用水量预测方法的研究也得到了快速的发展。 二、研究用水量预测方法的目的和意义 水量预测工作是水资源管理中掌握未来发展趋势的关键。而合理预测城镇规划期限内的用水量，使其与城镇发展实际相接近，对城镇今后的建设和发展具有极其重要的意义。通过预测未来的用水量，一方面，我们可以大致估计城市和农村的缺水量，着手寻找解决方案，减少经济损失。另一方面，用水量预测是水资源管理规划的重要内容。我国水资源开发利用分好几个部门，如不做好预测工作，就难以制定中长期水资源开发利用的总体规划和供水规划，就会影响国民经济计划的实现。所以预测用水量，无论在经济效益上还是宏观调控上都有重要意义。 三、用水量预测分类以及相应预测方法 用水量的预测方法按用水部门性质可分为生活用水预测、工业用水预测、农业灌溉用水预测、渔业用水预测等几方面。生活用水量的预测方法有综合分析定额法、趋势法和分类分析权重估算法，在预测时，可根据实际情况选用一种为主，其他亏法进行检验、校核。趋势预测法、分块预测法、相关法、分行业重复利用率提高法等是较为常见的工业需水量预测方法. 四、几种常用的用水量预测方法[3] a)自回归移动平均模型ARMA法 ARMA模型是自回归模型和移动平均模型的综合，它通过对相应数学模型的分析研究，能更本质地认识动态数据的内在结构和复杂特性。ARMA模型将预测对象时间序列加工成一个白噪声序列进行处理，所以它可对任何一个用水过程进行模拟，且预测速度快，能得到较高的预测精度。然而，ARMA模型具有预测周期短、所用数据单一的缺点，只能给出下一周期用水量的预测值，且无法剖析形成这一预测值的原因及合理的
杭州电子科技大学信息工程院毕业设计（论文）开题报告 题目多变量解耦预测算法研究 学院信息工程学院 专业自动化 姓名蔡东东 班级08092811 学号08928106 指导教师左燕
一、综述本课题国内外研究动态，说明选题的依据和意义 预测控制是源于工业过程控制的一类新型计算机控制算法。7 0年代后期，它已应用于美法等国的工业过程控制领域中。1978 年，理查勒特( Rchalet )等在文献【l】中首次详细阐述了这类算法产生的动因、机理及其在工业过程中的应用效果，从此，预测控制(P r e d i c t i v eC ont r o l )作为一种新型的计算机控制算法的统一名称,便开始出现在控制领域中。 预测控制算法的研究现状 1 鲁捧性问题 预测控制作为一种复杂系统的控制策略和方法，有着强烈的应用背景，它所具有的强鲁棒性已为大量的系统仿真和工业实践所证实。当对象参数未知时，通常采用参数自适应算法来估计对象参数,根据确定性等价原理，建立间接式的自适应广义预测控制。然而，当被控对象具有未建模动态、参数时变、非线性及有界干扰时，这样建立的自适应算法未必能使广义预测控制的强鲁棒性得到保持。为此，不少学者从不同的立足点出发，开展了提高算法鲁棒性的研究。 由于实际的生产过程大多是复杂的动态过程，精确建模具有特殊的困难，因而，描述对象的数学模型与实际对象特性之间不可避免地存在模型误差。尽管模型误差无法预知，但根据它的历史数据，仍有可能用某些方法对未来时刻的模型失配作出某种预报，由此提高输出预测的精度、改善算法的鲁棒性。文献【3】利用预测误差的历史数据建立误差预测模型，通过误差预测修正输出预测。文献【4】则是将人工智能方法引入预测控制，在对实际运行经验总结的基础上，选择对系统输出有重要影响却难以归并到数学模型中的状态特征作为特征量，由此建立系统状态特征与预测误差之间的定量或定性映射关系，实现对预测误差的智能补偿。 从反馈校正的实施方式出发，针对预测控制单一输出反馈的局限性，文献【5】通过分析过程的中间信息，综合利用模型预测和误差预测，针对工业串联系统提出一种多反馈的预测控制结构，及时地抑制了扰动和模型失配的影响，提高了系统的鲁棒性和抗干扰性。 此外，鉴于预测控制每一采样时刻只计算实施一个现时控制量，没有充分利用全部预测控制信号的作用，致使现时控制信号发生错误时系统性能将变差。为此，文献【6】采用加权控制律计算现时控制量，对因错误测量信号、暂时未建模动态、系统结构突变、参数估计失误及噪声影响等原因造成的错误控制信号进行有效抑制。 2 非线性系统的预测控制 非线性系统的控制一直是控制理论界的难点.对慢时变、弱非线性系统而言，基于线性动态模型的预测控制算法可取得较好的控制效果。然而，当其应用于强非线性系统时，为确保系统的鲁棒性，往往需要建立高阶线性近似模型或分段线性模型，这无疑会增加算法的复杂性。一个可行的方法是引入简单的、可辨识的非线性数学模型。例如采用Hammerstein模型作为预测模型，可实现对具有幂函数、死区、开关等非线性特性的工业过程的预测控制和采用广义卷积模型描述齐次非线性系统的输入输出关系，由此替代模型算法控制中的脉冲响应模型可获得齐次非线性系统的模型算法控制，进而可推广到更为一般的V ottera非线性系统的控制。
蛋白质结构预测方法综述 卜东波陈翔王志勇 《计算机不能做什么？》是一本好书，其中文版序言也堪称佳构。在这篇十余页的短文中，马希文教授总结了使用计算机解决实际问题的三步曲，即首先进行形式化，将领域相关的实际问题抽象转化成一个数学问题；然后分析问题的可计算性；最后进行算法设计，分析算法的时间和空间复杂度，寻找最优算法。 蛋白质空间结构预测是很有生物学意义的问题，迄今亦有很多的工作。有意思的是，其中一些典型工作恰恰是上述三步曲的绝好示例，本文即沿着这一路线作一总结，介绍于后。 1 背景知识 生物细胞种有许多蛋白质（由20余种氨基酸所形成的长链），这些大分子对于完成生物功能是至关重要的。蛋白质的空间结构往往决定了其功能，因此，如何揭示蛋白质的结构是非常重要的工作。 生物学界常常将蛋白质的结构分为4个层次：一级结构，也就是组成蛋白质的氨基酸序列；二级结构，即骨架原子间的相互作用形成的局部结构，比如alpha螺旋,beta片层和loop区等；三级结构，即二级结构在更大范围内的堆积形成的空间结构；四级结构主要描述不同亚基之间的相互作用。 经过多年努力，结构测定的实验方法得到了很好的发展，比较常用的有核磁共振和X光晶体衍射两种。然而由于实验测定比较耗时和昂贵，对于某些不易结晶的蛋白质来说不适用。相比之下，测定蛋白质氨基酸序列则比较容易。因此如果能够从一级序列推断出空间结构则是非常有意义的工作。这也就是下面的蛋白质折叠问题： 1蛋白质折叠问题（Protein Folding Problem） 输入: 蛋白质的氨基酸序列
输出: 蛋白质的空间结构 蛋白质结构预测的可行性是有坚实依据的。因为一般而言，蛋白质的空间结构是由其一级结构确定的。生化实验表明：如果在体外无任何其他物质存在的条件下，使得蛋白质去折叠，然后复性，蛋白质将立刻重新折叠回原来的空间结构，整个过程在不到1秒种内即可完成。因此有理由认为对于大部分蛋白质而言，其空间结构信息已经完全蕴涵于氨基酸序列中。从物理学的角度讲，系统的稳定状态通常是能量最小的状态，这也是蛋白质预测工作的理论基础。 2 蛋白质结构预测方法 蛋白质结构预测的方法可以分为三种： 同源性（Homology ）方法：这类方法的理论依据是如果两个蛋白质的序列比较相似，则其结构也有很大可能比较相似。有工作表明，如果序列相似性高于75％，则可以使用这种方法进行粗略的预测。这类方法的优点是准确度高，缺点是只能处理和模板库中蛋白质序列相似性较高的情况。 从头计算（Ab initio ） 方法：这类方法的依据是热力学理论，即求蛋白质能量最小的状态。生物学家和物理学家等认为从原理上讲这是影响蛋白质结构的本质因素。然而由于巨大的计算量，这种方法并不实用，目前只能计算几个氨基酸形成的结构。IBM 开发的Blue Gene 超级计算机，就是要解决这个问题。 穿线法(Threading )方法：由于Ab Initio 方法目前只有理论上的意义，Homology 方法受限于待求蛋白质必需和已知模板库中某个蛋白质有较高的序列相似性，对于其他大部分蛋白质来说，有必要寻求新的方法。Threading 就此应运而生。 以上三种方法中，Ab Initio 方法不依赖于已知结构，其余两种则需要已知结构的协助。通常将蛋白质序列和其真实三级结构组织成模板库，待预测三级结构的蛋白质序列，则称之为查询序列(query sequence)。 3 蛋白质结构预测的Threading 方法 Threading 方法有三个代表性的工作：Eisenburg 基于环境串的工作、Xu Ying 的Prospetor 和Xu Jinbo 、Li Ming 的RAPTOR 。 Threading 的方法：首先取出一条模版和查询序列作序列比对(Alignment)，并将模版蛋白质与查询序列匹配上的残基的空间坐标赋给查询序列上相应的残基。比对的过程是在我们设计的一个能量函数指导下进行的。根据比对结果和得到的查询序列的空间坐标，通过我们设计的能量函数，得到一个能量值。将这个操作应用到所有的模版上，取能量值最低的那条模版产生的查询序列的空间坐标为我们的预测结果。 需要指出的是，此处的能量函数却不再是热力学意义上的能量函数。它实质上是概率的负对数，即 ，我们用统计意义上的能量来代替真实的分子能量，这两者有大致相同的形式。 p E log ?=如果沿着马希文教授的观点看上述工作 ，则更有意思：Eisenburg 指出如果仅仅停留在简单地使用每个原子的空间坐标(x,y,z)来形式化表示蛋白质空间结构，则难以进一步深入研究。Eisenburg 创造性地使用环境串表示结构，从而将结构预测问题转化成序列串和环境串之间的比对问题；其后，Xu Ying 作了进一步发展，将蛋白质序列表示成一系列核（core ）组成的序列，Core 和Core 之间存在相互作用。因此结构就表示成Core 的空间坐标，以及Core 之间的相互作用。在这种表示方法的基础上，Xu Ying 开发了一种求最优匹配的动态规划算法，得到了很好的结果。但是由于其较高的复杂度，在Prospetor2上不得不作了一些简化；Xu Jinbo 和Li Ming 很漂亮地解决了这个问题，将求最优匹配的过程表示成一个整数规划问题，并且证明了一些常用
地震波阻抗资料预测地层压力 1968年，潘贝克提出利用地震层速度预测地层压力的方法。随着岩石物理研究的不断深入和地震技术的不断提高，使地震技术预测地层压力成为可能，其精度大幅度提高。 在地震压力预测中，经常使用的资料是地震速度谱资料和地震反演得到的地震波阻抗资料。由于地震速度谱资料在纵向上测点较少，不能满足压力精确预测的需要。反演波阻抗资料在纵向上是连续的，可用的信息较多，是压力预测的主要基础资料。 地震波在地层介质中的传播速度与地层的岩性、岩层的压实程度、岩层的埋藏深度以及岩层的地质时代等因素有关，一般情况下，地震波的传播速度随地层埋藏深度的加大而增加。因此，同样岩性的岩石，埋藏深、时代老，要比埋藏浅、时代新的岩石波传播速度要大。但在高压地层段内，由于岩层孔隙空间充填气体或液体，压力的增大和岩石密度的减小，使波在液体和气体中传播的速度要低于在岩石骨架固体中的传播速度。因而，孔隙度和波传播速度有反比关系，即同样岩性岩石，当孔隙度大时，其速度相对较小。孔隙度的变化意味着岩石密度的变化，它同密度亦有反比的关系，即孔隙度变大，密度相对减小。因此，速度的变化实际随岩石密度的增大而增大。综上分析，地震波在地层介质中的传播速度与岩层埋藏深度、岩石沉积年代和岩石密度有正比关系，与岩石孔隙度变化成反比关系，这些特性与常规声波测井的规律性是一致的，因此，用地震波进行地层压力预测的理论是可行的。 异常高压地层具有高孔隙度、低密度的特点，因而在地震速度上具有低速的特征。在浅层正常压实带，地震层速度随着深度的增加而不断增大，具有很强的规律性。但是，若在地下某一深度出现异常高压，则表明该深度的地层处于欠压实状态，其孔隙度比相同深度处正常压实的孔隙度高，地震层速度比相同深度处正常压实的地震层速度小。利用这一特征，即地震层速度在同一深度上处于异常压实带和处于正常压实带的差异，可以定量的计算地下地层压力。 地震层速度预测地层压力的方法，常用的有图解法和公式法两大类。图解法包括等效深度图解法、比值法和量版法三种。公式法包括压实平衡法、等效深度公式计算法、Eaton 法、Fillipone 法和Martinez 法等。 尽管如此，关于异常压力形成机理仍存在许多有争议的问题，异常压力数值模拟也存在一些地质影响因素难以量化的问题，另外，异常压力对油气成藏的控制作用也不十分明确。 Fillippone 法与刘震法 Fillippone 法是有加利福尼亚联合石油公司的W.R.Fillppone 提出的。他在1978年和1982年通过对墨西哥湾等地区的测井、钻井、地震等多方面资料的综合研究，先后提出两套不依赖正常压实趋势线的简单而实用的计算公式，并在墨西哥湾等地的实际应用中取得了良好的效果，具体公式如下 max max min i f ov v v P P v v -=- （！）
预测控制开题报告 杭州电子科技大学信息工程院毕业设计（论文）开题报告 题目多变量解耦预测算法研究 学院信息工程学院 专业自动化 姓名蔡东东 班级08092811 学号08928106 指导教师左燕 一、综述本课题国内外研究动态，说明选题的依据和意义 预测控制是源于工业过程控制的一类新型计算机控制算法。70 年代后期，它已应用于美法等国的工业过程控制领域中。1978年， 理查勒特(Rchalet)等在文献【l】中首次详细阐述了这类算法产生的动因、机理及其在工业过程中的应用效果，从此，预测控制(PredictiveControl)作为一种新型的计算机控制算法的统一名称, 便开始出现在控制领域中。 预测控制算法的研究现状 1鲁捧性问题 预测控制作为一种复杂系统的控制策略和方法，有着强烈的应 用背景，它所具有的强鲁棒性已为大量的系统仿真和工业实践所证实。当对象参数时，通常采用参数自适应算法来估计对象参数,根据确定 性等价原理，建立间接式的自适应广义预测控制。然而，当被控对象
具有未建模动态、参数时变、非线性及有界干扰时，这样建立的自适应算法未必能使广义预测控制的强鲁棒性得到保持。为此，不少学者从不同的立足点出发，开展了提高算法鲁棒性的研究。 由于实际的生产过程大多是复杂的动态过程，精确建模具有特殊的困难，因而，描述对象的数学模型与实际对象特性之间不可避免地存在模型误差。尽管模型误差无法预知，但根据它的历史数据，仍有可能用某些方法对未来时刻的模型失配作出某种预报，由此提高输出预测的精度、改善算法的鲁棒性。文献【3】利用预测误差的历史数据建立误差预测模型，通过误差预测修正输出预测。文献【4】则是将人工智能方法引入预测控制，在对实际运行经验总结的基础上，选择对系统输出有重要影响却难以归并到数学模型中的状态特征作 为特征量，由此建立系统状态特征与预测误差之间的定量或定性映射关系，实现对预测误差的智能补偿。 从反馈校正的实施方式出发，针对预测控制单一输出反馈的局限性，文献【5】通过分析过程的中间信息，综合利用模型预测和误差预测，针对工业串联系统提出一种多反馈的预测控制结构，及时地抑制了扰动和模型失配的影响，提高了系统的鲁棒性和抗干扰性。 此外，鉴于预测控制每一采样时刻只计算实施一个现时控制量，没有充分利用全部预测控制信号的作用，致使现时控制信号发生错误时系统性能将变差。为此，文献
交通流预测模型综述 摘要： 随着社会的发展，交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。为了缓解交通压力，交通专家也提出了各种不同的方法。在交通网络越来越复杂的今天，交通流预测在智能交通系统中是个热门的研究领域，因为正确的交通流预测，可以进行实时交通信号控制，交通分配、路径诱导、自动导航，事故检测等。本文从交通流短期预测模型出发，分析常见预测模型的优缺点，得出综合模型进行预测将是交通流预测领域的发展趋势。 关键字：交通流预测，智能交通系统，综合模型 Traffic flow predictive models review Abstract: With the development of society, traffic accidents, traffic jams, environmental pollution and energy consumption problems become more and more serious. In order to alleviate traffic pressure, traffic experts also puts forward all kinds of different methods. In the traffic network is more and more complex today, traffic flow predictive in intelligent transportation system is a hot research fields, because the correct traffic flow predictive, can real-time traffic signal control, traffic distribution, route guidance, automatic navigation, accident detection, etc. This article from short-term prediction model of traffic flow, analyzes the advantages and disadvantages of common prediction model, it is concluded that predict comprehensive model will be traffic flow predictive areas of development trend. Keywords:Traffic flow predictive, Intelligent transportation system, integrated model 引言 目前，有关交通流预测方面的研究已取得大量的成果，建立了多种实时交通量预测的方法，其预测精度也达到了较高水平。本文先是通过研究分析不同交通流短期预测模型的优缺点，然后对具有优势的基于神经网络的综合模型进行模型的构建。 一、交通流预测概述 （一）交通流预测的必要性 随着人们生活水平的提高，私家车的数量、人们出行的次数等越来越多，使得交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。很多城市也陷入了“拥有最宽阔的马路，也拥有最宽阔的…停车场?”的困境，严重影响了城市的运转效率，客观上阻碍了社会、经济的快速发展。多年来，世界各国的城市交通专家提出各种不同的方法，试图通过先进的智能交通手段来缓解交通拥堵问题。而实现这些系统或方法的关键，不仅要有实时的道路检测数据，更重要的是，要获得实时、可靠、准确的预测信息。再利用动态路径诱导和交通信息系统为出行者提供实时有效的道路信息，实现动态路径诱导，达到节约出行者旅行时间，缓解道路拥堵，减少污染、节省能源等的目的。因此，准确、可靠的交通预测信息是动态路径诱导系统的基础和关键。
人力资源需求预测方法概述摘要:由于经济全球化及信息技术的飞速发展,当今企业面临的内外部环境日趋复杂。当今企业在进行人力资源需求预测时，考虑的往往不是单个因素的影响，而是多种因素的共同作用和相互影响。人力资源需求预测方法总体上分为定性和定量两大类。通过对目前流行的各种需求预测方法进行归纳总结，理论联系实践，理论应用于实践，为企业人力资源规划提供了有用的建议和相应的指导。 关键词：人力资源需求预测定性方法定量方法 一、人力资源需求预测的内容 所谓预测，是指利用预测对象本身历史和现状的信息，采用科学的方法和手段，对预测对象尚未发生的未来发展演变规律预先作出科学的判断。信息的不确定性注定了预测的困难及其不完美性。企业的人力资源预测可以分为人力资源需求预测和人力资源供给预测。人力资源需求包括总量需求和个量需求，也包括数量、质量和结构等方面的需求。 人力资源需求预测是指对企业未来一段时间内人力资源需求的总量、人力资源的年龄结构、专业结构、学历层次结构、专业技术职务结构与技能结构等进行事先估计。 二、影响人力资源需求预测的因素 企业的人力资源需求预测不仅受到企业内部经营状况和已有人力资源状况等诸多内部因素的影响，还要受到政治、经济、文化、科技、教育等诸多不可控的企业外部因素的影响。使得企业在进行人力资源规划、人力资源需要预测时更为复杂。另外在企业人力资源需要预测中还必须注意到企业人力资源发展的规律和特点，人力资源发展中企业发展中的地位、作用，以及两者之间的关系，分析影响人力资源发展的相关因素，揭示人力资源发展的总体趋势。此外，在人力资源需求预测时，还要掌握预测中的定性、定量、时间和概率四个基本要素，以及他们之间的相互关系。 人力资源需求预测的定性要素是指在预测之前，必须对企业人力资源发展的性质进行叙述性的、非定量的描述，对企业人力资源发展的大致方向和
预测控制文献综述 杭州电子科技大学信息工程院 毕业设计（论文）文献综述 毕业设计（论文）题目 文献综述题目 系 专业 姓名 班级学号指导教师 多变量解耦预测算法研究预测控制算法的研究自动控制系自动化蔡东东 08092811 08928106 左燕 预测控制算法的研究 1 引言 预测控制是源于工业过程控制的一类新型计算机控制算法。70年代后期， 它已应用于美法等国的工业过程控制领域中。1978 年，理查勒特 (Rchalet)等在文 献[1]中首次详细阐述了这类算法产生的动因、机理及其在工业过程中的应用效果，从此，预测控制 (Predictive Control)作为一种新型的计算机控制算法的统一名称, 便开始出 现在控制领域中。 预测控制作为一种复杂系统的控制策略和方法，有着强烈的应用背景，它所 具有的强鲁棒性已为大量的系统仿真和工业实践所证实。当对象参数未知时，通常采 用参数自适应算法来估计对象参数, 根据确定性等价原理，建立间接式的自适应广义预测 控制。然而，当被控对象具有未建模动态、参数时变、非线性及有界干扰时，这样建立的 自适应算法未必能使广义预测控制的强鲁棒性得到保持。为此，不少学者从不同的立足点 出发，开展了提高算法鲁棒性的研究。 由于实际的生产过程大多是复杂的动态过程，精确建模具有特殊的困难，因而，描述 对象的数学模型与实际对象特性之间不可避免地存在模型误差。尽管模型误差无法预知， 但根据它的历史数据，仍有可能用某些方法对未来时刻的模型失配作出某种预报，由此提 高输出预测的精度、改善算法的鲁棒性。文献[2]利用预测误差的历史数据建立误差预测 模型，通过误差预测修正输出预测。文献[3]则是将人工智能方法引入预测控制，在对实