简介：采用小波分析方法对康普顿γ射线天文台(CGRO)上的BATSE仪器观测到的γ暴光变曲线数据进行去噪处理,并提出更有效的脉冲识别算法,然后用对齐叠加方式分别计算长暴和短暴光变曲线的主脉冲的平均辐射曲线和归一化的平均脉冲辐射曲线。统计结果表明两类暴的平均辐射曲线有显著的差异性,而归一化的平均脉冲辐射曲线差异不大。这个结果意味着两类暴的暴源可能有本质的差异,但两类暴的辐射机制没有根本区别。这个结果进一步支持了把γ暴分为长暴和短暴两类暴的分类办法,同时解释了为什么γ暴的持续时间有非常显著的分类特征,但其它观测量在两类暴中没有体现出明显的分类特征的问题。

简介：目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。