考虑多尺度特征的固有不规则蛋白质预测方法

固有不规则蛋白质中长、短不规则结构区域具有明显不同的氨基酸组成,现有的单一预测模型很难同时兼顾两种不规则区域的特征,导致短的不规则区域预测精度降低.为了获取更全面的特征信息,提出一种新的建模方法.针对不规则区域的序列特点,对氨基酸序列进行不同尺度的特征提取并构建基模型,采用双错测度法度量基模型间的差异度,挑选具有较大差异度的基模型进行融合,建立集成预测模型,将集成预测模型的预测结果与窗口中心三肽氨基酸形成不规则结构的统计概率相结合作为最终的预测结果.实验结果表明,所提出的方法能够有效地兼顾到长、短不规则结构区域的特征,大幅提高不规则结构区域的预测精度.     

基于L-Z方法的宏观交通运输系统复杂性测度

为了测度宏观交通运输系统的复杂性,引入符号动力学中的L-Z方法,并针对趋势项导致的宏观数据非平稳性,改进了L-Z方法.从总量与分量、不同对象、不同时段等视角,以改进的L-Z方法分析30个交通运输时间序列的复杂度,结果表明:我国宏观交通运输系统的复杂度不高;一体化能够降低宏观交通运输系统的复杂度;旅客运输比货物运输的复杂度高;宏观交通运输系统的复杂度与时间序列的长度成反比.这说明,L-Z方法适用于宏观交通运输系统的复杂性测度,复杂性的测度结果可以作为宏观交通管理决策的重要依据.     

面向波动复杂性的上下文预测

针对普适计算环境中上下文变化存在的复杂情况,提出面向波动复杂性的上下文预测方法,在分析上下文波动变化的影响因素的基础上,提出相似上下文序列的概念,给出了上下文序列相对距离和相似上下文序列的定义,以及相关的上下文预测推理算法和架构.通过计算上下文序列之间的相对距离,确定相似的上下文序列,根据相似的上下文序列进行上下文预测.该预测方法不仅提供了一种度量上下文序列的新方法,而且解决了传统精确匹配预测方法的局限性问题,有效地提高了普适计算中上下文预测的能力,使其具有更强的适应性和实用性.     

采用动态主分量距离测度的视频索引技术

针对有界坐标技术(BCS)技术中静态计算主分量距离的固有缺陷,指出在高维空间中正轴顶点之间的距离不一定是主分量之间的最小距离,提出了一种基于动态主分量测度的视频索引方法,用于视频特征的相似性度量．该方法充分考虑了高维空间中主分量的方向特性,能够精确计算出主分量之间的最小距离,从而提高了视频特征相似性度量的准确性．在 30000个视频片段数据库上的实验表明,新方法能够显著提高BCS技术的查询准确率．     

计及季节与趋势因素的综合能源系统负荷预测

针对复杂影响因素下综合能源系统月度负荷预测精度低的问题,提出基于时间序列特征分解的月度负荷预测模型.利用时间序列分解方法将负荷数据分解为季节分量、趋势分量与随机分量,根据各分量随时间变化的特性,分别采用向量自回归模型、最小二乘支持向量回归与平均值法进行预测.各分量预测结果的投影重构值作为月度负荷的预测值,并考虑了季节拐点与区域经济因素对月度负荷的影响.实例分析证明该方法能够有效提高综合能源系统的月度负荷预测精度.     

计及季节与趋势因素的综合能源系统负荷预测

针对复杂影响因素下综合能源系统月度负荷预测精度低的问题,提出基于时间序列特征分解的月度负荷预测模型.利用时间序列分解方法将负荷数据分解为季节分量、趋势分量与随机分量,根据各分量随时间变化的特性,分别采用向量自回归模型、最小二乘支持向量回归与平均值法进行预测.各分量预测结果的投影重构值作为月度负荷的预测值,并考虑了季节拐点与区域经济因素对月度负荷的影响.实例分析证明该方法能够有效提高综合能源系统的月度负荷预测精度.     

基于SE和C_0算法的连续混沌系统复杂度分析

在SE和C0复杂度的算法基础上分析了Bao混沌系统、Rossler混沌系统、文氏桥超混沌系统复杂度特性,并与相应系统的相图、李雅普诺夫指数谱和混沌周期分岔图进行了比较,证明了SE和C0复杂度曲线能够正确有效地描述连续混沌系统的动力学特征。通过不同连续混沌系统复杂度特性的对比可以看出,SE和C0复杂度变化趋势具有基本一致性,且复杂度与混沌特性相关,为混沌系统应用于密码学、保密通信、信息安全等领域提供了相关理论依据。     

最大Lyapunov指数实现局域网流量的预测

由于网络中存在复杂的非线性动力学特性,基于混沌理论,采用最大Lyapunov指数对局域网络流量序列进行预测分析,能够实现较早地预测出网络流量的突变特性.首先,采用相空间重构理论,并结合C-C算法将实际测试的流量时间序列投影到重构的相空间中.然后,计算其最大Lyapunov指数并对最大可预测时间进行了分析,同时对预测算法进行了研究.最后,对实际测试的局域网流量序列分别采用点预测和区间预测方法进行了分析.仿真结果显示,采用点预测方法对流量突变可以进行有效预测,突变越剧烈预测越准确;而采用区间预测可以有效预测流量的变化趋势,但不适用于广域网环境.进一步表明此方法能有效地利用所有数据信息进行预测,预测效果准确、可靠,可广泛的用于网络拥塞和网络攻击中.     

生态工业共生网络成长的网络复杂性测度

根据网络复杂性测度理论,建立了生态工业共生网络成长的复杂性测度模型,以鲁北生态工业园为例,利用Matlab软件,对鲁北生态工业园的EISN在不同发展阶段的网络复杂性指标进行了仿真计算.研究结果表明,EISN在成长初期,较少的节点数抑制了网络复杂性的涌现,随着新的节点企业的加入,网络复杂性凸现,体现出小世界性和无标度特性,且核心节点具有较高的度分布特征,被连接的几率远高于其他节点.     

PCA和相融性度量在聚类算法中的应用

提出一种基于主分量分析和相融性度量的快速聚类方法。通过构造主分量空间将高维数据投影到两个主成分上进行特征提取,每一个主分量都是原始变量的线性组合,主分量之间互为正交关系,在剔除冗余信息的同时,实现高维数据降维,得到二维坐标,以此作为聚类分析的输入;提出相融性度量的定义,用相融性度量描述一个样本与训练集相融合的程度,设计一种基于相融性度量的分类器。以该方法为基础设计的光谱自动分类系统可实现快速、准确地分类。     

基于时序分解与误差修正的新能源爬坡事件预测

为了提高以风电、光伏为代表的新能源的爬坡预测的准确性,提出基于主成分分析、时序分解与修正长短期记忆（LSTM）网络预测误差的爬坡预测模型. 为了充分考虑功率的时序特性,采用时序分解方法将功率分解为周期、趋势和余项,结合多个特征因素的主成分建立基于LSTM的趋势和余项预测模型,实现功率的时间特征与影响因素主成分的映射关系刻画. 在采用LSTM对趋势和余项进行初步预测的基础上,引入误差修正算法计算拟合预测模型的动态误差并构建新的非平稳时间序列,获得准度性更佳的趋势和余项预测值. 通过加法模型融合趋势、余项以及利用朴素法获得的周期,得到最终预测功率. 结合风电和光伏爬坡事件定义,运用所提模型分别进行风电和光伏爬坡预测. 实验结果表明,与其他预测方法相比,所提模型在功率直接预测和爬坡事件间接预测上均具有更优的精度,能够为电网调度提供更可靠的依据.     

基于优化参数的LS-SVM模型的股票价格时间序列预测

为有效预测股票数据,提高投资者的股市投资能力,降低投资风险,提出一种基于优化机器学习方法的股价时间序列预测方法。对股票序列进行了主成分分析,提取累积贡献率大于95%的主成分作为输入变量,并对比了优化核函数宽度g和正则化参数γ后的LS-SVM和SVM模型的预测效果。运用的支持向量机技术经遗传算法优化参数后,降低了预测的均方误差,提高了预测效果和效率,较其他非线性预测方法,具有泛化能力好、鲁棒性强、预测精度高等优点。最后给出了实证结果分析和研究结论,对有效预测股票数据有一定现实指导意义。     

路内停车影响下非机动车流速度模型Symbol`@@

为解析设置于物理分隔非机动车道的路内停车对非机动车交通运行的影响,将行程时间比拟成生存分析中持续期,构建基于风险持续期模型的非机动车流行程时间和速度模型;提炼和筛选表征路内停车影响的因素,包括非机动车道有效宽度、驶入和驶出事件数、时间障碍率、电动自行车和自行车流量等作为协变量,纳入到模型当中,并利用实测数据标定模型参数. 结果表明：模型估计的速度分布特征量化表征了路内停车相关因素的影响效应,模型具有较好拟合优度和预测效果;驶入和驶出事件数、自行车所占比例和时间障碍率对速度具有负效应影响;而非机动车道有效宽度对速度具有正效应影响,随着有效宽度的增加,非机动车流速度降低的风险减小.     

SKPCA⁃LSSVM模型在汽油干点预测中的应用

常压塔塔顶汽油干点与产品质量密切相关,因为常减压蒸馏工艺流程和变量相关性均复杂,所以汽油干点预测很难在线进行。软测量方法是解决这类变量估计和控制预测问题的一种技术途径。在核主元分析（KPCA）算法中引入稀疏主元分析（SPCA）思想,采用稀疏核主元分析（SKPCA）算法对模型的输入变量进行选择,实现了数据的非线性降维,简化了主元结构,增加了主元变量的稀疏性。将选择的稀疏主成分作为最小二乘支持向量机（LSSVM）的输入,建立常压塔塔顶干点软测量预测模型。仿真结果表明,SKPCA?LSSVM模型相对于传统PCA?LSSVM、KPCA?LSSVM方法具有较高的预测精度和性能优越性。     

基于监测时序分解再重构的混凝土拱坝位移预测组合模型

针对混凝土拱坝变形机理的复杂性与测值的高度非线性,为提升模型的预测能力,提出了一种融合残差有效成分的混凝土拱坝变形预测组合模型。鉴于统计模型无法有效联系筑坝材料性能演变对大坝变形的影响,结合有限元方法计算水压分量进而构建混合模型;同时,考虑到混合模型残差序列的混沌与周期性特征,应用集合经验模式分解(EEMD)将其解构为具有不同时域特征的本征模态分量,进一步综合粒子群优化的极限学习机(PSO-ELM)和季节性差分自回归积分滑动平均模型(SARIMA)模型对所解构的高频与低频信号分别建模预测,据此构建了变形组合预测模型。工程实例分析表明,较常规监控模型,所建组合模型拟合与预测能力更优,有效验证了所建模型的合理性与可行性,可为大坝变形监测数据分析与预测提供新的技术支撑。     

拥挤流状态下城市快速路交通流时空特性

为了定量分析拥挤流状态下城市快速路交通流时间和空间特性,首先采用自相关函数法判断交通流率、占有率和速度时间序列的平稳性;其次,研究拥挤流状态下交通流参数空间传递特性;最后,基于混沌分析中的G-P算法建立模型将非平稳的交通流参数时间序列转化为平稳时间序列.研究表明:拥挤流状态下,交通流率表征为平稳的时间序列,速度和占有率属于非平稳时间序列;空间上,上游断面对下游断面的速度参数具有传递作用,下游断面的速度参数对上游具有回溯影响,当时间延迟为2 min时,取嵌入维为4进行相空间重构,可将速度时间序列转化为平稳的时间序列.     

基于特征空间降维的溶剂脱水分离过程监控

针对传统化工过程中检测变量具有的非线性和非高斯性等特点,提出将改进的核主元分析（KPCA）和支持向量数据描述（SVDD）相结合的化工过程故障诊断方法.根据Mexican hat小波在提取非线性非平稳信号细微特征方面的优势,将该小波函数引入到KPCA中以增强核函数的非线性映射和抗噪能力.在映射后的特征空间中进行均值聚类分析,选择每个聚类中展现特征中心的数据,使运算复杂度明显降低,提高了监控实时性.采用SVDD描述经过聚类降维后的特征空间分布,提出新的监控指标描述过程的非高斯特性.将该方法应用在一个实际的溶剂脱水化工精馏过程中,仿真结果验证了该方法能够及时有效地检测系统产生的故障.     

Truss structural damage identification based on principal component analysis and multivariate control chart

The present paper addresses the subject of truss damage identification using measured frequency response functions (FRF). Damage identification matrix is formed using measured FRFs obtained from truss dynamic test. Then using principal component analysis (PCA),the variable space dimensions of damage identification matrix can be reduced,and original data characters of FRFs can be analyzed and extracted from lower dimension variable space. Thus truss damages can be identified using the multivariate control chart of first several order principal components which contain almost all of original data information. Without the need for modal parameters,the method avoids the errors of modal fitting. In order to validate the reliability of the method,a whole size truss was tested with six types of damage case concerning single or two element damages. The experimental result shows that the proposed method is straightforward and reliable for truss damage identification. Especially,the method has good applicability for the truss under noisy environment and non-linear cases.     

一个新的自相似业务流在线生成算法

为了便于对ATM网络中的自似业务流的排队特性进行研究, 提出了一个新的自相似业务流在线生成算法, 并对这些算法的时间/空间复杂度进行了分析.分析表明, 该算法的时间/空间复杂度均较低, 模拟结果证明这种新的算法可以产生满足要求的自相似业务流.     

基于主成分分析的垃圾焚烧炉运行和污染物排放分析

在杭州某150 t/d的循环流化床垃圾焚烧炉上试验研究了焚烧炉运行参数与污染物排放之间的关系.采用主成分分析（PCA）方法研究了各运行参数对燃烧过程中污染物排放的贡献,实现了高维复杂数据的降维,并分析了多环芳烃和典型无机污染物之间的关联性.结果表明,用2个主成分就可以描述原有变量80％以上的信息,主成分1保留了与温度相关的大部分变量以及给水压力和汽包压力的信息,主成分2主要提供了给水温度、总风量和主蒸汽压力的信息.多环芳烃各同系物在尾部烟道的生成途径是相同的,CO和多环芳烃之间存在强烈的关联,而SO2和NOx与多环芳烃的关联不大.