定量反馈理论（共3篇）
定量反馈理论 篇1
摘要：以电液伺服三轴仪伺服轴向力的伺服系统为研究对象,采用定量反馈理论(QFT)设计的鲁棒控制器进行控制其设计,并利用AMESim软件建立液压系统的动态数学模型,代替传统的传递函数所建立模型的进行联合仿真。研究表明,QFT控制器可以有效抑制参数扰动,如弹性负载刚度变化、油液有效体积弹性模数变化,系统摩擦力变化。工程上易于实现,可以有效地改善伺服三轴仪的控制性能。
关键词：定量反馈理论,电液力伺服系统,三轴仪
0 引言
三轴仪是用于测定土的强度、应力应变性能和其他力学性能的实验装置[1],它是研究土的强度和本构特性极其重要的设备。伺服加载系统是伺服三轴仪的核心部分,实现力或位移的静态、动态加载,其液压控制系统的性能直接决定着伺服三轴仪的整体工作性能。电液伺服系统由于具有响应速度快、输出压力大、信号处理灵活、易于实现各种参量的反馈等优点而在实验设备、航天工业获得广泛应用。但由于液压伺服系统的参数时变、非线性及系统动力学的不确定性,其中负载变化与低速摩擦导致系统的参数不确定性最为明显,依靠常规PID控制[2]难以取得较好的控制效果。基于定量反馈理论(QFT)的控制方法,为解决此类控制问题提供了一个较完美的答案。定量反馈理论(quantitative feedback theory,QFT)是以色列学者Issac Horowitz提出的,是一种针对不确定的被控对象,在频域内进行鲁棒控制设计的方法。QFT控制器[3]在设计的过程中,将参数的摄动与鲁棒性能要求统统考虑在内,因此控制系统具有较好的鲁棒性能。
1 电液伺服加载系统工作原理与理论分析
伺服三轴仪加载系统[4]的工作原理如图1所示,液压伺服加载系统主要由液压油源(液压站)、伺服放大器、伺服阀、对称伺服液压缸、高精度拉压传感器、高精度位移传感器、高速AD/DA卡和计算机组成。控制系统流程为:期望值(位移、力)是输入量,实际值(位移、力)是输出量。在外界干扰下,由传感器测得实际(位移、力)信号,经A/D转换后输入下位机,在下位机中与输入期望值(位移、力),相比较得到误差值。经控制算法产生控制指令,然后再由D/A转换成输出给伺服阀的比例放大器,控制伺服阀阀芯的开口大小。由此控制液压油进入对称液压缸的进给油量,推动活塞和活塞杆的移动,以达到控制液压缸活塞杆的期望(位移、力)目标。因此在过程控制中,用误差信号作为控制量控制电液伺服阀的开口大小。
1.1 系统数学模型的建立
偏差电压信号:
式中:Kf为力传感器增益;ui为指令电压。
伺服放大器动态响应:
式中:Ka为伺服放大增益。
滑阀线性化流量方程可表示为:
式中:Kq为阀的流量增益;Kc为阀的流量压力系数;xv为阀芯位移;pL为负载压降。
流量连续方程为:
式中:Ap为液压缸的有效作用面积;xt为活塞杆位移;Csl为液压缸总的泄露系数;Vt为液压缸的有效容积;βe为液压油的弹性模量。
不考虑摩擦和重力影响力平衡方程:
式中:mt为等效到活塞杆上的质量;Bt为液压缸油液粘性阻尼系数;K为负载刚度。
电液伺服阀视为比例环节,将式(1)-式(5)作拉氏变换并消去中间变量,得系统的开环传递函数为:
式中:Kce=Kc+Csl。
该数学模型描述的系统为非线性系统,在工作过程中摩擦力变化范围较大,负载刚度和油源压力等参数存在摄动,因此采用精确反馈线性化对系统模型的准确性和参数确定性要求比较苛刻,难以实现。考虑上述因素,采用定量反馈理论设计[5]是合理的选择。
2 应用QFT进行鲁棒控制器设计
采用定量反馈理论进行控制器设计,建立系统的控制结构为如图2所示的二自由度控制结构。QFT的中心思想是把控制系统的稳定性、抗干扰性,跟踪性能等要求用定量的方式转化为Niclos图上的控制器边界曲线,得到控制器的约束条件,进而从满足条件的控制器集合中选出合适的控制器。
2.1 参数不确定集及系统模板的建立
根据实际试验需求测得试件的质量mt∈[210](国际标准单位略,下同)试件弹性刚度K∈[5×10527×105];液压油的弹性模量βe∈[7×1081.4×109];系统摩擦力f∈[213 569.3]上随假定油源压力稳定,但设计控制时要考虑油源压力波动Ps∈[9.975×10611.025×106]。
2.2 指标的要求和求取边界
1)系统的鲁棒稳定性。实现系统的鲁棒控制,首先保证有一定的稳定裕量,用闭环的频域响应最大幅值Mp来保证系统的鲁棒稳定性。本系统保证最小幅值裕度为3 d B。
2)跟踪特性要求。欲保证系统的跟踪性能,需满足:
跟踪边界保证了闭环系统阶跃响应的超调量不超过2%,调整时间<1.5 s。
3)抗干扰性能。保证系统的抗干扰性能需满足:
2.3 根据复合边界设计系统
选取一组频率点w=[0.01 0.05 0.1 0.5 1.5 5 10 50100]rad/s,在频率的每一点处对系统不确定性模型进行计算并绘制对象模板。然后根据稳定性要求绘制出鲁棒稳定边界、鲁棒跟踪边界、抗干扰边界和所形成的复合边界曲线。
综合考虑系统的各项性能要求,反复进行设计和验证比较,求得控制器和前置滤波器为:
3 控制系统仿真分析
3.1 基于Matlab/Simulink的控制系统仿真
为验证所设计的控制器和前置滤波器是否达到了预期设计标准,现对系统进行仿真分析。图4为系统在指令输入为20 k N和40 k N时闭环阶跃响应曲线(满量程为50 k N)。可以看出2种条件下的阶跃响应曲线都满足超调量<2%,调整时间<1.5 s
图5为指令输入不变,试件刚度发生变化时闭环系统的阶跃响应曲线。可以看出,试件刚度变化时,闭环响应曲线仍然落在定义的上下跟踪边界曲线内。
然而系统仿真仍以准确的数学模型为前提进行的,仿真结果没有体现控制器对液压元件的本身死区非线性与油源波动等扰动因素的抑制作用,且储能器的作用被忽略。如果直接把储能器的传递函数加入,则传递方程会非常复杂,系统仿真非常缓慢。所以有必要采用AMESim中较为精确的液压元件模型与Simulink联合仿真对系统进行仿真分析。
3.2 系统联合仿真分析
AMESim[6]是当今领先的高级工程系统建模仿真软件,为流体(液压及气体)、机械、电磁、控制等工程系统提供一个比较完善的综合仿真环境及灵活的解决方案。为更真实地反映电液伺服系统的工作环境,避免数学模型中的一些简化误差,液压系统模型如图6所示。
液压缸采用聚四氟乙烯密封,摩擦系数为1.18;系统采用恒压变量泵,泵出口有5%的压力波动。图7、图8为系统加入干扰后,指令输入20 k N和40 k N时闭环阶跃响应曲线和多步加载力响应曲线。可以看出系统有效对压力波动和摩擦力有较好地抑制效果。
4 结语
QFT最突出的一个特点就是从对象的量化不确定性出发,设计过程中将这种不确定性因素贯穿于边界曲线的确定中,因此设计出的控制器具有很强的鲁棒性。仿真实验表明,用联合仿真的方法,可以更方便、直观、准确地对电液伺服系统进行动态仿真与校正;QFT控制器具有很好的控制效果,能够在模型难以精确建立和控制对象参数经常变动的领域得到应用。
参考文献
[1]张季如,朱瑞赓.静三轴仪改制伺服控制周期三轴试验系统的实践[J].岩土工程学报,2002(06):787-789.
[2]Kiam H A,Chong G,Yun L.PID control system analysis,design,and technology[J].Control Systems Technology,IEEE Transactions on.2005,13(4):559-576.
[3]Ahn K K,Dinh Q T.Self-tuning of quantitative feedback theory for force control of an electro-hydraulic test machine[J].CONTROL ENGINEERING PRACTICE.2009,17(11):1291-1306.
[4]桑勇,邵龙潭.“动静三轴试验仪”伺服加载系统研究[J].大连理工大学学报,2010(02):202-207.
[5]王燕山,王益群.基于QFT的电液力伺服系统的鲁棒控制[J].中国机械工程,2003(09):17-19.
[6]付永领.AMESIM系统建模和仿真:从入门到精通[M].北京:北京航空航天大学出版社,2006.
定量预测理论与技术文献综述 篇2
由于预测在决策中的重要地位, 科学预测在社会各个领域中得到迅猛发展, 到目前为止, 国外提出的各种预测方法已有200种之多, 但其中绝大部分还处于试验研究阶段, 在实际中真正得到广泛应用的也只有20多种。鉴于预测方法种类繁多且内涵各不相同, 对预测方法本身的研究就构成了预测研究的重要内容之一。下面介绍几种不同的分类方法及其特点。
(一) E·捷恩茨分类法
1. 直观型预测法。
直观型预测法主要依靠人的经验、知识和综合能力对事物进行预测。直观型预测法主要有前景方案法、头脑风暴法、特尔斐法等, 可归为定性预测理论与方法。
2. 探索型预测法。
探索型预测法是对未来环境不作具体规定, 假定事物的未来仍然按照事物过去的发展趋势发展, 从而可以在现有知识的基础上探索事物未来发展的可能性。探索型预测法有历史对比法、趋势外推法、分析模型法等。
3. 规范型预测法。
规范型预测法又称定标型预测法, 它是将社会需要或预想的目标作为约束条件进行预测, 预测出达到目标的时间、途径及达到目标的最佳方案。规范型预测法主要有关联树法、网络分析法、形态模型法以及各种模拟法等。
4. 反馈型预测法。
反馈型预测法是探索型与规范型预测法的综合运用。它将二者结合起来互相补充, 从现在出发推向未来, 又从未来需要出发回溯到现在, 使现实和未来处于一个不断相互反馈的统一的系统之中。
(二) 探索型、规范型分类法
英国经济学者把各种预测方法分为探索型和规范型两大类。这种分类方法可用表详细说明:
Á (三) 常用分类法
常用分类法将各种预测方法分为定性预测法、约束外推法和模拟模型预测法三种。
1. 定性预测法。
定性预测法是指依靠人的直观判断能力对所要预测的事物的未来状况在性质上做出判断, 而不考虑量的变化。它是在数据资料掌握不多的情况下, 依靠人的经验和分析能力, 用系统的、逻辑的思维方法, 把有关资料加以综合, 进行预测。例如专家预测法、特尔斐预测法和主观概率预测法、交叉概率预测法等。虽然定性预测方法很多, 但始终不能排斥人的直观判断能力, 因此, 定性预测法又称直观预测法, 直观预测法在预测中一直占有重要地位。定性预测方法包括:头脑风暴法、特尔斐法、主观概率法、关联树法和先行指标法, 主要应用于社会预测、军事预测、科学技术预测、环境生态预测和新产品开发预测。
2. 约束外推法。
约束外推法是指在大量的随机现象中找到一定的约束, 即规律, 根据这个规律对系统未来状况作出预测的方法。例如趋势外推法、迭代外推法、移动平均法、指数平滑法等。约束外推预测方法包括单纯外推法、趋势外推法、移动平均法、指数平滑法、累积预测法、迭代外推法和概率预测法, 主要应用于经济预测、环境生态预测、需求预测、科学技术预测和其他定量预测等。
3. 模拟模型预测法。
模拟模型预测法是根据“同态性原理”建立被预测事物的同态模型, 然后根据“边界性原理”确定事件的边界值, 对事物进行预测的方法。模拟模型法主要有回归分析与相关分析法、最小二乘法、联立方程法、弹性系权法和投入产出法等, 主要应用于经济预测、环境生态预测、中短期需求预测等领域。
本文根据预测方法的分类, 着重关注除定性预测方法之外的约束外推法及模拟模型预测法, 将其统称为定量预测方法。
二、定量预测理论与技术模型
预测数据资料经收集、整理和分析之后, 根据预测对象的要求, 预测资料的统计特征与完备程度, 就可以选择合适的预测方法进行预测。
由于定量模型的研究可以为不同社会经济发展理论提供强有力的支撑, 为科学决策奠定了较为坚实的基础, 因此定量预测模型理论也得到了迅猛发展。发展历程经历的简单因素分析建模到多元因素分析建模, 从静态分析到动态研究, 从一元线性回归分析直至今日的复杂系统关联考虑, 定量预测理论与技术模型借助计算机科学的腾飞, 广泛吸纳数学、生物学、物理学等学科资源, 无论在形式还是内容上都获得了长足的进步。下面就对定量预测理论与技术模型进行分析归纳。
(一) 常规定量预测方法
1. 回归分析预测法。
回归分析法, 是英国统计学家哥尔顿 (F·Catton) 1889年在研究遗传问题时首先应用的方法。当我们把回归分析方法用于对经济现象进行预测时, 通常把要预测的经济现象称作因变量, 而把那些与其有密切关系的现象称作为自变量。从变量之间的关系来看, 可以分为两类:一类是确定的函数关系;另一类是非确定性的相关关系。回归分析预测法包括一元线性回归预测法和多元线性回归预测法。
2. 趋势外推预测法。
从较长时期来看, 有相当一部分经济现象的时间序列呈上升、下降或稳定的变动趋势。用一定的趋势线反映这种规律性, 并界定未来发展的情况和过去一样, 则将趋势线延长, 就可以预测未来的趋势值。趋势外推预测法包括随手法、平均法、最小平方法、折扣最小平方法和三点预测法。
3. 增长曲线预测法。
事物在成长过程中, 大都经历发生、发展到成熟三个基本的发展阶段, 按照这三个阶段发展规律所得到的事物发展变化曲线, 成为增长曲线。以增长曲线模型进行预测的方法称为增长曲线预测法, 包括修正指数曲线预测法、龚珀资曲线预测法和罗吉斯缔曲线预测法。
4. 季节变动预测法。
季节变动预测的方法是由季节变动的特点所决定的。季节变动有以下特点:季节变动是有规律的, 可以预见的;每隔一定周期重复出现, 各年度的变动幅度一般相差不大, 这种特性可归纳为季节模型。季节模型就是一数列在一年内变动的典型状态。季节模型是由一套指标组成的。如果是分月资料, 季节模型由12个指标组成;如果是分季资料, 季节模型就由4个指标组成。季节变动预测法包括平均数法、长期趋势剔除法、12个月移动平均法和连环比率法。
5. 概率预测法。
概率预测法是研究预测对象在未来发生的可能程度, 即事件实现的概率。概率预测法包括交叉概率法和蒙特卡洛模拟法。
6. 马尔科夫预测法。
马尔科夫预测以俄国数学家A.A.Markov名字命名, 是利用状态之间转移概率矩阵预测事件发生的状态及其发展变化趋势, 也是一种随时间序列分析法。它基于马尔科夫链, 根据事件的目前状况预测其将来各个时刻 (或时期) 的变动状况。
(1) 马尔科夫链。状态是指某一事件在某个时刻 (或时期) 出现的某种结果。事件的发展, 从一种状态转变为另一种状态, 称为状态转移。在事件的发展过程中, 若每次状态的转移都仅与前一时刻的状态有关, 而与过去的状态无关, 或者说状态转移过程是无后效性的, 则这样的状态转移过程就称为马尔科夫过程。马尔科夫链是参数t只取离散值的马尔柯夫过程。
(2) 状态转移概率矩阵。在事件发展变化的过程中, 从某一种状态出发, 下一时刻转移到其他状态的可能性, 称为状态转移概率, 只用统计特性描述随机过程的状态转移概率。例如:若事物有n种状态, 则从一种状态开始相应就有n个状态转移概率, 将事物n个状态的转移概率依次排列, 可以得到一个n行n列的矩阵。
7. 博克斯—詹金斯法。
博克斯—詹金斯法又称B-J法或ARMA模型。该法是以美国学者G·E·P·Box和英国统计学家G·M·Jenkins的名字命名的, 是一种时间序列预测方法。它适合处理复杂的具有各种模式的时间序列。这种模式可包含趋势变动、季节变动、循环波动和随机波动等因素的综合影响。这种方法具有较高的预测精度, 适用于短期预测。
8. 累积预测法。
累积法是意大利数学家马厅斯于50年代初创立的一种特殊的曲线拟合与曲线平滑技术。对于给定的一组数据, 除可用最小二乘法与回归分析法求出它们的拟合曲线方程外, 还可用累积法平滑已知序列, 并求出平滑曲线方程。借助拟合曲线, 可了解给定数据长时期的变化趋势。
9. 经济计量模型预测法。
这类模型由一系列代表各种经济行为的方程所组成, 使用大量历史数据进行推算。这一领域的先驱是荷兰的丁伯因 (Tinbergen) 和宾夕法尼亚大学的劳伦斯·克莱因 (Lawrence Klein) 。他们都因发展了宏观经济计量模型而获得了诺贝尔经济学奖。模型以宏观经济学理论为基础建立方程, 并组合成方程组。一个小型的方程组可能只有一二十个方程, 大型预测模型可能要有几百个甚至更多方程。当外生变量和政策变量给定时, 这种方程体系就可以对重要经济变量的未来做出预测, 但如果出现大的经济结构变动时, 预测就会出现谬误。
1 0. 领先经济指标法。
领先经济指标法 (leading economic indicator, LEI) 通过研究那些容易获得的数据来预测未来, 将许许多多不同的统计数字组合起来, 形成一套“领先经济的指数”。该指数能够在一定程度上警示经济是否会升温或冷却。据统计, 美国综合领先指标在预测经济顶峰时能提前一年, 在预测经济谷底时能领先半年, 而且比较稳定。
Anirvan Banerji和LoreneHiris (2001年) 还提出经济指标的多维框架分析概念, 即利用同样一组指标, 可对经济增长率、通货膨胀率、失业率等多个对象发布指示, 经过与其他国家的经济指标组合, 还可以构造全球的领先经济指标。很多国家建立了领先经济指标体系, 经济合作与发展组织 (OECD) 也定期发布各成员国的领先指标和同步指标。
Layton (1998年) 在马尔科夫状态转移模型的基础上, 论证了长期领先指标显著地影响了同步指标的转移概率, 特别是在状态即将转变时, 领先指标的影响更大。有些情况下, 经济领先指标的线性组合模型优于马尔科夫状态转移模型。
Borok等人 (2000年) 使用一个以前用于对地震预测的紧参数化模式识别算法 (a tightly parameterized pattern recognition algorithm) 对美国的经济衰退进行了预测, 利用6个领先经济指标, 每个指标取0或1。当有4个指标取值为1时, 则预示经济衰退, 其效果较好。从以往数据来分析, 有一些没有被关注的经济序列也能显示出来经济衰退, 因此需要构造并监控更多的经济指标。
1 1. 弹性系数预测法。
凡是能用一个函数式子来表示的经济变量, 即可由该函数式得到连续型经济变量值, 计算出弹性系数, 按照弹性系数的相关特征进行预测。
1 2. 投入产出预测法。
投入产出法是指在一定的理论指导下, 通过编制投入产出表, 建立数学模型, 从数量上综合反映和分析某经济系统中各部门或各部分间投入和产出之间的相互依存和平衡关系的一种方法。
1 3. 时间序列分析法。
时间序列模型不是以经济理论为依据, 而是根据变量自身的变化规律利用外推机制描述时间序列的变化, 需要考虑时间序列的非平稳性。如果时间序列平稳, 可以构建自回归求和滑动平均 (autore-gressive integratedmoving average, ARIMA) 、向量自回归 (vector autoregressive, VAR) 、贝叶斯向量自回归 (Bayesian vector autoregressive, BVAR) 等模型, 如果时间序列非平稳, 要么通过差分转化为平稳的时间序列, 要么利用变量之间的协整关系构建误差校正模型 (error correctionmode) 、向量均衡校正模型 (vector equilibrium-correctionmode) 等商业周期表现出明显的非对称性。用于体现非对称性的时间序列模型包括门限模型 (threshold models) 、平滑转变自回归模型 (smooth transition autoregressive models) 、逻辑回归模型 (logistic regression) 、人工神经网络模型 (artificial neural network, ANN) 以及马尔科夫状态转移模型 (markovswitching regimemodels, MSRM) 等。
Hamilton (1989年) 估计美国战后季度总产值的增长率时, 建立了具有自回归形式的马尔科夫状态转移方程。Filardo (1994年) 提出具有时变转移概率 (time-varying transition probabilities, TVTP) 形式的马尔科夫状态转移模型, 即在移动概率中加入一个领先指标。该模型应用于预测美国月度的产出指数 (IOP) 时, 可以反映商业周期的非对称性和TVTP结构形式。Simpson (2001年) 等在预测英国的季度GDP增长率时, 在TVTP的基础上, 又增加了一个领先指标, 即双领先指标TVTP, 提高了预测的精度。
Krolzig (1997年) 针对具有协整关系并有不同状态的多个变量, 构造了马尔科夫转移向量均衡修正模型 (Markov-switching vector equilibrium-cor-rection, MS-VECM) 。Krolzig (2001年) 在MS-VECM的基础上, 考虑在结构变动的情况下进行商业周期的预测, 提出三状态马尔科夫转移向量自回归模型 (three-regime Markov-switching vector autoregressive, 3MS-VAR) , 三个状态分别代表衰退、扩张和急剧变动。该模型体现了GDP与其他变量的协整关系, 并分别对美国、日本和欧洲近40年的经济发展进行了实证, 对商业周期的结构性变动能够给出统计上显著的预测结果。
马尔科夫状态转移模型能有效地进行商业周期的预测, 但是存在系数不稳定、预测能力较差等问题。线性模型在短期预测上优于非线性模型, 而非线性模型在长期预测上要优于简单线性模型。时间序列模型有时优于复杂的经济计量模型。
(二) 定量预测模型新技术
随着科学技术的进步和多学科知识交融, 在定量预测模型领域无论从理论还是实践, 都产生了一些新的模型, 不仅丰富了预测理论体系, 同时也对社会生产实践带来了较有影响力的指导。
1. 贝叶斯预测模型。
贝叶斯预测模型是运用贝叶斯统计进行的一种预测.贝叶斯统计不同于一般的统计方法, 其不仅利用模型信息和数据信息, 而且充分利用先验信息。
托马斯·贝叶斯 (Thomas Bayes) 的统计预测方法是一种以动态模型为研究对象的时间序列预测方法。在做统计推断时, 一般模式是:先验信息+总体分布信息+样本信息→后验分布信息。可以看出贝叶斯模型不仅利用了前期的数据信息, 还加入了决策者的经验和判断等信息, 并将客观因素和主观因素结合起来, 对异常情况的发生具有较多的灵活性。
2. 灰色理论模型。
灰色模型 (Grey Model) 简称GM模型, 是灰色系统理论的基本模型, 也是灰色控制理论的基础。灰色系统理论建模的主要任务是根据社会、经济、技术等系统的行为特征数据, 找出因素本身或因素之间的关系, 从而了解系统的动态行为和发展趋势。GM (1, 1) 模型现在已经被广泛应用在各个领域的预测之中, 是利用微分方程给出系统生成序列长期持续的变化过程, 通过生成序列的作用弱化随机性, 再将生成数据还原即得系统的趋势作用预测对象的预测结果。
GM (1, 1) 模型是灰色预测的基础, 灰色系统理论建立模型的主要任务, 是根据社会、经济、技术等系统的行为特征数据, 找出因素本身或因素之间的数学关系, 从而了解系统的动态行为和发展趋势。
灰色系统预测不同于传统的统计方法, 建模所需信息较少, 通常只需4个以上数据即可建模, 而且不必知道原始数据序列的先验特征, 对无规或不服从任何分布的任意光滑离散的原始序列, 通过有限次累加生成 (Accumulate Generation Operation, AGO) 即可转为有规序列。
3. 混沌预测理论。
1963年美国气象学家爱德华·诺顿·劳仑次提出混沌理论 (Chaos) , 非线性系统具有的多样性和多尺度性。混沌理论解释了决定系统可能产生随机结果。理论的最大的贡献是用简单的模型获得明确的非周期结果。在气象、航空及航天等领域的研究里有重大的作用。混沌理论认为在混沌系统中, 初始条件十分微小的变化, 经过不断放大, 对其未来状态会造成极其巨大的差别。传统预测方法对于数据的数量要求很苛刻, 只有拥有大量的基础数据才能满足进行传统预测的前提假设, 而混沌预测则没有这方面的要求。
传统的动力学预测, 如回归分析, 需要寻找影响解释变量的动因, 而这个过程是难以科学实现的。现实的经济社会系统是十分复杂的巨系统, 由于人们认识的局限性以及统计数据的可得性, 限制了人们对于影响解释变量动因的寻找。而混沌预测则是以系统的状态轨迹的分形特种来建模预测, 不关心解释变量的动因, 所以具有更高的科学性及可行性, 预测结果也更可靠。传统预测的成本过高, 且回报有限。对于经济社会等复杂系统, 我们不必投入太多的成本来建立预测模型, 乞求改善长期预测的结果, 这样并不会有太理想的回报。而混沌预测根据系统分形的特征实现的短期预测就体现了它的科学性和经济性。
4. BP网络神经预测。
BP (Back Propagation) 网络是1986年由Rumelhart和Mc Celland为首的科学家小组提出, 是一种按误差逆传播算法训练的多层前馈网络, 是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系, 而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法, 通过反向传播来不断调整网络的权值和阈值, 使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层 (input) 、隐层 (hide layer) 和输出层 (output layer) 。
三、总结
通过对预测理论与技术的定量模型发展历程的回顾, 我们可以清晰地看到预测理论通过自身的不断完善, 更加适应日益复杂多变动态的社会经济体系, 能够更好地为社会各层面决策者提高较为准确的决策依据。同时我们也要了解, 定量模型由于建立的规则, 是在充满限制因素情况中建立、运行和得出结论, 再精细的建模也是与现实世界的多因素影响的真实复杂环境有或多或少的差别。定量模型是确定决策的有效工具, 但是并不能成为唯一标准。随着决策科学的不断发展, 定量模型会更加地人性化, 会吸纳更多的不确定因素进入模型运算内, 更大幅度地提高定量模型的预测能力和水平。
参考文献
[1].李光久.经济预测理论和方法[M].1993
[2].孙静娟.经济预测理论·方法·评价[M].1996
[3].颜日初, 孙静娟.经济预测理论与方法[M].1991
[4].齐小华.预测理论与方法[M].1994
[5].张世英, 刘玉杰.宏观经济走势预测理论与方法的回顾与展望[J].天津大学学报, 2005 (4)
[6].邓乐斌.灰色预测理论在城镇居民可支配收入预测中的应用[J].郧阳师范高等专科学校学报, 2010 (2)
[7].李敏.灰色预测理论在供应链管理需求预测中应用[J].物理科技, 2010 (6)
反馈控制在理论教学中的应用 篇3
一、 根据超前反馈的心理信息, 制定教学方案
每届学生的整体水平略有差异, 因此教学计划也应随之调整。为使教学计划更具针对性, 学生需要在开课前深入到学生当中去, 通过座谈会等形式与学生做思想交流, 从总体上了解学生对本专业的认识程度, 并及时地疏导学生中存在的一些偏颇的思想。例如学生初到学校, 会普遍存在急于了解本专业的心理, 教师可在开课前组织学生到实训基地参观, 并及时收集参观后的反馈信息。这样一来就能使任课教师通过这些超前反馈的信息, 抓住学生的心理状况, 更有效地进行教学准备, 并结合其他方面的信息 (诸如学生知识结构、个体特点等) 及教学大纲的要求, 制定和调整本学科的教学计划, 使教学从整体上更有针对性和有效性, 确保教学任务的顺利进行。
二、根据复习和习题等情况反馈, 逐步进行调整, 使教学控制过程逐渐进入最佳状态
在一步教学控制过程 (通常为一次课) 完成后, 教师应及时通过复习、习题, 认真检查学生的学习情况, 准确地掌握学生对教学知识信息的输出情况 (即学生的学习情况) , 从而在下一步的教学控制过程中及时调整改进, 更有针对性地进行下一步的教学控制, 继而根据学生对所学知识的再输出, 再反馈, 教师再对教学控制过程就进入一个递次进步、良性循环的过程 (见图) , 并逐步进入最佳状态。如果不注意学生的反馈情况, 不进一步改进教学控制手段, 维持现状, 教学效果就不会得到提高。因此, 教师在检查学生的练习情况时, 要详细摸清学生掌握知识的情况, 检查学生练习的改正情况, 还应及时归纳出学生在学习过程中普遍存在的问题, 重点指出。这样不但有利于学生进一步改进学习方法, 调整学习状态, 而且对于教师而言, 可以更好地控制学生的学习状态, 达到促进整个教学控制过程逐步进入最佳状态的目的。
三、 注意听课反应, 掌握即时反馈信息, 调整控制授课状态
教师在授课过程中, 应随时注意学生的听课反应 (听课时的表情, 眼神的变化等即时反馈信息) , 借助这些信息可以了解授课效果如何。学生在听课时, 由于对所授知识信息的接收程度不同, 会即时通过表情和眼神的变化, 如激动、活跃、压抑、冷漠、专注、思考等表现出来, 这就要求教师有敏锐的观察力和应变力, 接收到这些即时反馈的信息, 通过恰当的语调变化, 适时的提问和恰当地改变讲授方式, 随时调整控制自己的教学状态和学生的学习状态, 从而调整控制整个授课过程。同时, 做到这一点还可以降低意外干扰对教学过程的影响, 有助于教师提高对授课环境的调控能力。
四、 采取多种措施, 获取学生的延时反馈信息, 以确保反馈信息的准确性
干扰教学效果的因素很多, 如学生的学习方法因素、人际关系因素、情感因素和身体因素等, 所以即时反馈可能会出现一些偏差, 从而导致教师对教学过程调控的偏差。为了减少和避免出现这种偏差, 弥补随时反馈和即时反馈的信息偏差及信息量的不足, 可以通过定期举行教学联谊会、学生座谈会等形式, 召集各班学生代表进行反馈信息交流, 获取学生的延时反馈信息。然后组织分析反馈信息, 在此基础上调整教学安排, 并针对教师个体有目的地提出教学中需要改进的方面。这样教师通过得到的延时反馈信息, 及时纠正自己在授课时的不足, 更好地提高控制课堂的能力, 促进教学水平的提高。同时, 也可以使学生更多的换位思考, 帮助他们调整自己的学习态度, 促进教学效果的提高。