正态分布三个特殊随机模型及适用范围--兼论算术平均值是有偏估计

建立了正态分布３个特殊随机模型：模型１,线性随机模型;模型２,点式随机模型;模型３,非线性随机模型。模型１是算术平均值的计算原理,其估值不抗差,且估值有偏;模型２是中位值的计算原理,其估值具有抗差性,但估值有偏;模型３是理论平均值的计算原理,其估值具有抗差性,估值无偏。当ｎ→∞,３种随机模型估值一致。     

系统误差对参数估值影响的研究

为了探讨系统误差对参数估值的影响,用理论分析方法,进行系统误差对参数估值的无偏性、有效性以及对单位权方差估值无偏性研究。研究结果表明:平差模型是否有系统误差,参数估值都是无偏的;单位权中误差估值的无偏性与系统误差没有关系;如果没有系统误差而按系统误差模型处理,则降低了参数估值的精度;如果有系统误差而按一般平差模型处理,则人为地提高了参数估值的精度。因此,在平差模型中考虑系统误差能改善平差模型质量,能真实反映参数估值的精度,平差时应考虑系统误差的影响。     

函数模型对杨赤中估值系数的影响

讨论了不同函数模型对杨赤中估值系数的影响．高斯模型和球状模型会产生负估值系数，指数模型理论上不会导致负估值系数，适当调整负幂指数的参数Ｃ，可降低该模型产生负估值系数的可能性。     

基于RBF网络的水位传感器故障诊断方法

将RBF网络应用于水位传感器的故障诊断,通过构建RBF网络估值器,提出了一种故障诊断方法。首先用影响汽包水位的各种相关参量的实测数据对RBF网络进行训练,然后用达到训练目标的RBF网络对汽包水位进行较高精度的估值;通过RBF网络估值器输出和水位传感器实际输出之差与设定的阈值比较检测传感器故障;若水位传感器出了故障,则诊断系统通过故障转换开关及时对水位监视或控制系统进行重构以消除故障的影响。仿真试验表明该方法能对水位传感器进行较有效的状态监测和故障诊断。     

具有正交约束的多因子可加性实验模型参数估值的无偏性

一个好的实验模型选择的主要准则之一,是模型中参数的估值应该是无偏的。本文在“多因子可加性实验模型参救估值及唯一性”一文的基础上,进一步证明了在因子间各级交互效应满足正交约束及正态误差分布条件下,模型参数估值是无偏的。     

具有未知系统偏差的自适应Kalman平滑器

提出一种有效的具有未知系统伯差的自适应Ｋａｌｍａｎ平滑器．应用状态空间方法和ＡＲＭＡ新息模型，基于白噪声估值器和输出预报器，给出线性离散定常系统自适应最优状态和偏差联合Ｋａｌｍａｕ平滑器，最后给出仿真实例．     

支持向量机在初始对准状态估值中的应用

在捷联惯导系统初始对准状态估值过程中,针对传统Kalman滤波器的实时性问题,提出了基于支持向量机(SVM)网络的滤波器。采用闭环Kalman滤波器的输入和输出数据作为训练样本对进行训练得到SVM模型。通过仿真实验对比表明,采用SVM网络滤波器的估计精度与采用闭环Kalman滤波器的相当,但估计速度比较快。     

回复式离散神经网络的特征子空间估值

提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。详细研究了两种离散神经回路网络模型的动力学性质并用于特征子空间估值。     

陀螺经纬仪定向最佳估值及其精度

从理论上对目前常用的陀螺经纬仪定向方法逆转点法的计算模型进行了分析，确定出了最优估值的计算方法，并对其估值的方差分量估计进行了讨论。     

一种新的带有色噪声模型估值问题的研究

给出一种新的带有有色噪声模型。对这种新的模型研先进行转化,转化成一种已知的模型。根据已知模型并运用现代时间序列分析方法得到新模型的用于计算预测初值非递推估值器,最后对新模型利用递推射影公式,得到统一的、稳态的Kalman估值器。     

功率放大器非线性特性及预失真建模研究

论文针对功率放大器的非线性失真问题,分别以无记忆功率放大器和有记忆功率放大器输入/输出数据为基础,通过对给定数据进行拟合处理,建立了放大器的非线性多项式数学模型,并采用归一化均方误差、误差矢量幅度衡量模型的效果.针对放大器的非线性特性,采用前向串级补偿方法,得到预失真处理器的数学模型,对系统进行输入输出模拟,得到补偿后的系统输入/输出效果.最后针对信道干扰问题,通过相邻信道功率比的指标来评价所建模型对相邻信道的干扰程度分析.     

基于现场数据的电站过热器神经网络建模

为克服机理建模方法的不足,对利用现场数据建立过热汽温模型进行了研究。通过对过热器运行机理的分析,确定了影响过热汽温变化的主要因素,及其对过热汽温影响的延迟时间。在论述了神经网络建模原理的基础上,建立神经网络模型。通过大量现场数据的训练,使所建模的输出与实际系统的输出基本吻合。最后,用部分现场数据对所建模型进行了仿真试验,证明了该建模方法的可行性。基于神经网络建模计算速度快及模型精度高,模型输出基本上反映了过热汽温的实际运行情况。     

竞争学习的非均匀采样非线性系统的模糊辨识

在实际非线性系统中,由于资源的限制,使得输入信号快速刷新,输出信号慢速采样.利用获得的非均匀采样数据对原非线性系统辨识存在一定困难.为此,通过提升技术,把非线性系统的多个特征点局部的线性模型转化为模糊模型的后件线性模型.在此基础上,提出基于竞争学习和递推梯度下降方法的辨识算法.通过定理证明:输入信号在持续激励条件下,模糊模型的参数能够一致性收敛;针对化工p H中和过程非线性系统,采用非均匀采样数据,建立其模糊模型,通过实际数据与模糊模型输出数据误差对比,表明了实际系统在非均匀采样条件下,模糊辨识能够建立其过程模型,验证了提出方法的有效性.     

黑龙江省财政农业投入与产出关系模型分析

黑龙江省财政农业投入是影响其农业产出的重要因素.对《黑龙江省统计年鉴》中1978-2007年财政对农业投入的数据进行了实证分析,建立了双变量回归模型,通过协整检验进行了回归分析与弹性分析,得到了黑龙江省财政农业投入与产出数据的变化特征.模型详细探讨了黑龙江省财政农业投入与农业总产出的长期及短期均衡状况,说明了财政农业投入与农业总产出数据变化的量化特征.从长期看,黑龙江省财政对农业投入总量呈递增趋势,但农业投入占农业总产出比重不高,而且出现起伏波动,受政策、自然等因素影响大,农业投入带有一定的随意性与不稳定性.     

基于关系的模型动态组合推理设计

在关系化模型框架的基础上,对用于定量计算的数学模型进行关系化的分析与表示,使其便于用关系数据库系统存储与管理．依据关系化模型的特点,重点对其推理机制进行设计与讨论．该推理机制除以模型的输入／输出为纽带实现模型的自动连接外,还可以交互式的提示系统信息及完成数据输入,并可依据用户设定的模型特征对模型组合序列进行优选,实现了模型、数据和对话的有机结合．最后应用一数学模型对关系化模型的组合推理过程作实证性的分析．     

真实体表模型上BSPM仿真数据的可视化

虚拟心脏模型LFX采用具有真实几何形状的三维心脏、躯体模型进行仿真研究，但仿真输出结果基本上以二维的形式给出．针对这一问题，提出了一种顶点投影映射算法，将LFx虚拟心脏模型的关键仿真数据之一的体表电位(BSPM)从真实几何形状的躯干模型映射到真实人体体表模型，并在4DView三维医学图像实时可视化平台系统上对映射前后的BSPM仿真数据进行了三维可视化，从而将LFX虚拟心脏模型的BSPM仿真数据的输出从二维拓展到了三维、从真实几何形状的体表模型拓展到了真实体表模型．映射前后BSPM仿真数据的可视化结果表明，LFX虚拟心脏模型具有更为直观有效的仿真特性．     

多变量时间序列CAR模型在短期光伏发电量预测中的应用

提出一种采用多变量自回归时间序列CAR(Controlled Auto-regressive)模型作为预测光伏电站发电量的方法。该方法利用灰色关联度分析影响光伏发电量的关键气象环境因子,结合光伏电站历史数据,基于CAR模型建立了短期光伏发电量预测模型。以华中科技大学电力电子研究中心18kWp并网光伏电站资料进行预测试验,并通过调整模型参数获得了适合的模型,结果验证了该方法的有效性。应用结果表明,天气良好时,预测精度较高,对光伏电站发电管理具有一定的参考价值。     

On-line forecasting model for zinc output based on self-tuning support vector regression and its application

An on-line forecasting model based on self-tuning support vectors regression for zinc output was put forward to maximize zinc output by adjusting operational parameters in the process of imperial smelting furnace. In this model, the mathematical model of support vector regression was converted into the same format as support vector machine for classification. Then a simplified sequential minimal optimization for classification was applied to train the regression coefficient vector α-α^* and threshold b. Sequentially penalty parameter C was tuned dynamically through forecasting result during the training process. Finally, an on-line forecasting algorithm for zinc output was proposed. The simulation result shows that in spite of a relatively small industrial data set, the effective error is less than 10% with a remarkable performance of real time. The model was applied to the optimization operation and fault diagnosis system for imperial smelting furnace.     

OIHF Elman网络在燃气日负荷预测中的应用

提出了一种新的基于改进Elman网络的燃气日负荷预测模型,不仅考虑了隐层节点的反馈,还考虑了输出层节点的两个反馈。模型中综合考虑了天气、温度、日期类型等因素,并与实际数据及其它网络预测结果进行对比。结果表明：该网络预测具有较好的精度。     

SVR-Boosting ensemble model for electricity price forecasting in electric power market

A revised support vector regression (SVR) ensemble model based on boosting algorithm (SVR-Boosting) is presented in this paper for electricity price forecasting in electric power market. In the light of characteristics of electricity price sequence, a new triangular-shaped 为oss function is constructed in the training of the forecasting model to inhibit the learning from abnormal data in electricity price sequence. The results from actual data indicate that, compared with the single support vector regression model, the proposed SVR-Boosting ensemble model is able to enhance the stability of the model output remarkably, acquire higher predicting accuracy, and possess comparatively satisfactory generalization capability.