复杂信号通路模型参数估计的直接微分法

针对细胞信号通路模型的强非线性、模型参数的不确定性以及受噪声干扰的实验数据等特点,提出一种新的参数优化算法——直接微分法,估计复杂信号转导通路模型的未知参数.该方法首先采用平滑样条拟合测量数据,然后对拟合多项式进行求导来估计模型状态变量的一阶微分,从而将动态优化问题转化为线性或非线性回归问题.以TNFα诱导NF-κB信...     

一般粘性阻尼结构动特性灵敏度分析——复模态摄动有限元方法的应用

研究一般粘性阻尼结构的动特性灵敏度分析的最佳方法是工程实际的需要,也是一个较新的课题。以前的动特性灵敏度分析多采用对动力学方程直接求导的方法,推导繁杂,必须有结构参数的显式表达式,且每次求导只能得到对一个参数的灵敏度。本文采用不定参数模型,介绍一般粘性阻尼结构动特性灵敏度分析的复模态摄动有限元方法。该方法将复模态摄动理论与有限元方法相结合,通过一次性计算得到粘性阻尼结构的动特性随其不定参数变化的二次函数近似关系式,由此可方便地得到对多个参数的灵敏度,且可以得到各参数间对灵敏度的耦合影响,因此具有明显的优越性。     

双截断数据下艾滋病潜伏期的秩回归分析

基于MM算法改进了加权秩估计求解,得到模型参数的相合估计。结合自助法得到参数的区间估计,模拟验证了方法的有效性。将此模型运用到艾滋病潜伏期数据中,发现儿童群体年龄和艾滋病潜伏期呈负相关。     

半参数回归模型中深度加权小波估计的收敛速度

在已有半参数回归模型研究的基础上,研究了一类固定设计下半参数回归模型的参数分量和非参数分量的估计。在误差是收敛系统时,运用数据深度加权技术,得到了半参数回归模型的深度加权小波估计,从而将独立误差情形推广到了收敛系统情形,并证明了该估计的收敛速度。     

利用样本分位数的极值分布的参数估计

基于极值分布的若干个样本分位数,建立了分布参数的线性回归模型,得到了分布参数的渐近正态无偏估计,对分布参数进行了渐近置信估计. 通过变量代换,将具有形状参数和刻度参数的两参数Weibull分布变成极值分布,进一步得到这类两参数Weibull分布参数的渐近置信估计.     

测量平差两类估计准则及精度比较

基于未知参数具有先验正态分布的Ｇ－Ｍ模型,谁了极大似然估计与Ｇ－Ｍ模型下的最小二乘估计、极大验后估计与广义最小二乘估计等价,证明了顾及未知参数的先验统计特性能获得精度更高的估值。     

受椭球约束回归系数在矩阵损失下的线性minimax估计

讨论了参数受椭球约束的线性模型Y＝Xβ＋ζ的可估参数向量Sβ,在矩阵损失下的齐次线性minimax估计,得到了一个齐次线性minimax估计类。     

一种动态参数优化的绝缘子等值盐密预测模型

绝缘子污秽是电力输电线路污闪事故发生的主要原因,评估和预测污秽积累情况对指导清污工作和预防污闪事故具有重要的意义.针对绝缘子经典等值盐密预测模型参数固定和误差较大的问题,提出一种基于四阶Runge-Kutta和模拟退火算法的动态参数优化预测模型.首先,采用切线方程对经典预测模型进行参数动态化处理,得到以一阶欧拉方程表示的离散化的经典预测模型,然后,引入四阶Runge-Kutta算法对上述欧拉方程进行高阶求导迭代以抑制欧拉模型的离散误差,最后,借助模拟退火算法对模型参数进行最优估计,从而实现高精度的等值盐密预测模型.实验结果表明,改进模型的预测值与实测值的相关系数高于0.97,绝对误差在一般情况下较经典模型降低50%,预测值均方根误差较经典模型减小30%以上.这说明改进模型不仅很好地反映绝缘子等值盐密的动态变化规律,而且能够对等值盐密进行更精准、更稳定的预测.     

基于交通流混合模型的高速公路状态估计

针对单一的高速公路交通流模型在时变复杂道路情况下经常无法取得满意状态估计效果的问题,通过引入适应性权重参数,描述不同交通状况下高速公路一阶模型和高阶模型对实际交通状况的近似程度和适用性,提出数据驱动的高速公路一阶/二阶线性交通流混合模型.结合扩展Kalman滤波(EKF)原理,构建新的高速公路状态估计器,通过对交通状态和权重参数进行联合估计,得到不同路况条件下权重参数的变化情况.数值模拟实验结果验证了新的交通流混合模型及估计器的适应性和有效性.     

动态调节模型的三阶段最小二乘辨识方法

针对动态调节模型提出一种三阶段最小二乘辨识方法.先将模型变换为CARMA模型,估计出变换后的CARMA模型参数,再利用已得到的参数估计依次辨识原模型中的系统模型参数和噪声模型参数.该方法原理简单,有效可行.     

基于支持向量回归的锂电池健康状态估计

针对锂电池动态工况下健康状态估计困难的问题,设计了一种基于支持向量回归机的健康状态估计方法.提取电池运行时可监测的电压、电流、温度、荷电状态融合成一种新的健康因子,采用支持向量回归机的方法训练得到健康状态估计模型,并选用网格寻优算法对模型的参数进行优化,实现基于可监测参数的动态工况下的锂电池健康状态估计.仿真结果表明,本文选取的健康因子能准确地反映电池的健康状态,健康状态的平均估计精度在1%以内.     

速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.     

测量误差情况下半参数单调回归模型的估计

为了提高测量误差情况下半参数单调回归模型的估计效率,提出了一种新的估计方法.首先利用核估计方法和纠偏的思想得到了参数的惩罚最小二乘估计,并在此基础上构造了非参数部分的单调估计; 其次证明了参数部分估计的渐近分布为正态分布; 最后通过随机模拟比较了考虑测量误差和忽略测量误差两种方法所得估计的有限样本性质,结果显示忽略测量误差所得的估计不具有相合性,说明了文中所提出的估计方法的有效性和优越性.     

聚集数据线性模型参数的有偏估计的相对效率

有偏估计方法是近代回归分析的常用方法.本文研究聚集数据的线性模型参数的有偏估计问题,在欧氏模之比意义下给出了参数的有偏估计的一个相对效率,并在加权欧氏模之比意义下给出了参数的有偏估计的一个相对效率,并得到了这两种相对效率的上界.     

基于混沌同步与自适应控制的神经元模型参数估计

提出一种基于混沌同步和自适应控制的方法，从神经元的动作电位序列估计神经元模型的所有参数.研究了系统参数扰动对参数估计的影响，得到测量噪声强度与参数估计精度的关系.数值仿真表明该方法能很好跟随参数的扰动.随着测量噪声强度增加，参数估计精度越低.     

纵向数据线性混合效应模型方差分量的Bayes估计

为了估计基于纵向数据的线性混合效应模型的2个方差分量,利用Bayes统计方法,在加权二次损失下得到模型中方差分量的Bayes估计.同时通过历史样本构造出方差分量的共轭先验即逆伽玛分布的部分超参数以及固定效应的估计量,最终得出方差分量的参数型经验Bayes(PEB)估计.     

多元随机回归系数和参数的线性估计可容许的几个结果

在两种矩阵损失函数下讨论随机效应多元线性模型中回归系数和参数的线性估计的可容许性,并且在齐次和非齐次线性估计类中分别得到了可容许估计的充要条件。     

有噪自回归信号参数估计的最小均方算法

提出了噪声中自咽归信号未知参数包括信号的功率和噪声方差的估计问题,通过把基本自回归模型的阶数增加一阶,提出了一种以估计噪声方差为基础的新的最小均方算法,这种方法的特点是能够得到自回归模型参数的一致估计,与以前噪声中自回归信号未知参数的估计方法相比,该方法的优点是,在没有前置滤波的情况下直接利用含有噪声的观测数据不需要参数抽取而直接估计自回归信号的参数和噪声方差,计算机仿真和数字模拟结果证实和说明了这种理论。     

电机动态参数的鲁棒最小二乘辨识方法研究

最小二乘常用于辨识电机参数的动态变化,对于电机的精确控制至关重要。工况条件下的电流、电压采样都包含大量噪声,电机模型中的求导操作进一步放大了噪声,导致最小二乘的信息矩阵奇异,辨识结果出现很大偏差。为提高辨识方法的噪声鲁棒性,提出了两种思路。一是用三次样条拟合采样信号,然后求解其一阶和二阶导数,可防止高频噪声在求导过程中被继续放大。二是采用岭回归估计取代最小二乘估计,避免矩阵求逆出现病态结果,消除信息矩阵奇异性的影响。基于半实物仿真的实测数据表明,两种改进方法均可获得更加合理可靠的辨识结果。     

基于双弹性腔模型与整心动周期脉搏波的血流动力学参数估计

为了对心脏疾病的诊断和治疗提供指导,同时也为进行心脏辅助装置的设计及评价提供有利的工具,提出了基于双弹性腔模型和整心动周期脉搏波的血流动力学参数估计方法,运用非线性最小二乘Levenberg-Marqurdt算法对实测脉搏波数据进行参数估计得到动脉系统的模型参数,即人体的血流动力学参数(包括外周阻力、动脉顺应性和血流惯性).利用MATLAB/Simulink工具结合图形用户界面(graphical user interface,GUI)建立的左心与动脉系统耦合的动力学电路模型得到的仿真结果与人体实测脉搏波数据进行对比分析,验证了模型参数估计的有效性.用该方法估计的参数结果符合生理参数范围,且效果优于传统的舒张期估计方法,其中主动脉顺应性参数的估计结果误差降低了50%,参数带入模型得到的仿真结果与实测脉搏波之间的误差也降低了20%左右.