多台数控机床的时间截尾可靠性评估

为了评估数控(NC)机床的可靠性,提出了用AIC、BIC信息准则选择多台NC机床故障间隔时间的分布模型和模型参数的方法.用Fisher信息矩阵法(FM)给出了模型参数和机床平均寿命的可靠度及可靠度为90%时的工作保证时间的区间估计,用Monte Carlo(MC)仿真法扩大少样本数据的样本容量,提高了区间估计的精度.结...     

极值分布参数的Dehaan矩估计

极值理论是研究极端现象及极端事件的有力工具之一。对极值分布的参数,给出了Deha肌矩估计。并对基金净值样本数据建立了极大（小）值模型,对其参数给出了Dehaan矩估计,预测结果与实际相符。     

OFDM系统信道估计性能分析

介绍了OFDM系统中的信道估计技术,着重分析了基于导频插入的信道估计方法,叙述了基于最小二乘(LS)和线性最小均方误差(LMMSE)的信道估计方法,应用简化的LMMSE即SVD-LMMSE方法和卡尔曼滤波方法对信道进行估计,采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法下信道估计的误比特曲线,比较了各个算法的性能。仿真结果表明:基于MMSE准则的信道估计比基于LS准则的估计有更好的性能,但前者复杂度较高。     

基于GJR-GARCH模型的港币汇率波动不对称性研究

对1964-01～2009-06间港币月度实际有效汇率的收益率数据进行线性测试和非线性ARCH效应检验,估计GJR-GARCH模型参数,并使用标准化残差的残留ARCH效应检验、高阶GARCH检验和参数一致性检验来判断模型设定的结果,据所描绘的信息反应曲线得知:在好消息或坏消息条件下,港币汇率波动呈现显著的非对称性特征.     

河流水质模型参数模糊估计的研究

本文用模糊子集合描述河流水质模型参数估计的真实性、安全性和风险性,提出了在“真实”准则,“真实-安全”准则和“真实-风险”准则下的河流水质模型参数模糊估计的方法,并给出了O'coonor水质模型参数模糊估计的算例。本文的研究在河流水质预测与规划中有广泛的用途。     

基于免疫进化支持向量机的年用电量预测

支持向量机(SVM)是在统计学习理论基础之上发展起来的,针对小样本数据且具有优良推广性能的机器学习方法。阐述了SVM的基本原理及特性,并采用一种新的有效随机全局优化技术-免疫进化算法(IEA)对SVM核函数的参数进行了优化。介绍了IEA-SVM算法的设计思想和特点,成功地实现了此模型在年用电量预测中的应用,对四川省电网1978～1998年年用电量状况进行了实例研究,预测值与实际值相差较小,并与基于偏最小二乘回归(PLS)模型的预测成果进行了对比。理论分析和实例结果验证了基于IEA-SVM的年用电量预测方法的正确性和有效性。     

基于最大熵分布的洪灾受灾率频率分析方法

针对洪灾风险分析中人为假设概率分布线型、用小样本数据估计参数所产生的不确定性问题,提出以信息不确定性最小、概率密度函数的熵最大为准则的最大熵分布频率分析方法,并采用加速遗传算法全局优化最大熵分布函数中的参数值,建立了基于加速遗传算法的最大熵分布频率分析方法(MEGA).黑龙江省1950～1990年洪灾受灾率频率分析的应用结果表明:MEGA在3阶或6阶样本矩约束条件下的概率密度函数均能准确地反映历史洪灾受灾率的样本数据信息,计算得到的年期望受灾率分别为2.71%和2.61%,与P-Ⅲ法、信息扩散法分析结果相接近.MEGA在进行频率分析时克服了人为假定概率分布线型的不足,分析结果客观、合理,为洪灾风险分析提供了一条新的研究思路.     

基于图信号处理的传染病传播预测方法

针对现有传染病传播预测模型存在未充分考虑数据的内在关联性的问题,采用图多项式-向量自回归(GP-VAR)模型对传染病的传播进行预测, 并提出新的用于模型参数估计的优化方法. 将传染病发病地区建模为图节点, 并根据地区间的距离信息和人群流动情况确定节点间的边及其权重, 以反映传染病传播过程中的空间关联性. 将不同时刻的感染疾病人数建模为时变图信号, 使用GP-VAR模型对时变图信号在图上的演变过程进行预测, 并设计一种最小二乘(LS)优化方法对GP-VAR模型的参数进行估计. 仿真实验结果表明, 与现有的预测方法相比,所提方法能够更好地考虑到数据在空间维的相关性和时间维的演变特性, 更加准确地刻画传染病的传播特性, 且具有普适性, 预测效果更好.     

KPCA-RVM组合建模方法及其在软测量中的应用

提出了一种核主元分析(KPCA)和关联向量机(RVM)相结合的组合建模方法。KPCA - RVM采用KPCA对原始自变量进行非线性变换并提取主成分,形成特征自变量;采用 RVM,对 KPCA变换后的样本数据进行回归建模,并根据模型的预报能力自适应的确定参与回归的最佳特征变量个数,消除冗余信息干扰,获得强非线性表达能力且预报性能良好的模型。并将KPCA - RVM应用于 PTA装置对羧基苯甲醛(4 - CBA)含量的软测量建模,结果表明该方法预测精度高于PCA - RVM和RVM。     

基于损失函数优化支持向量回归机的专用电力工程费用量化研究

支持向量机(SVM)已经成熟应用于非线性回归领域,并应用于工程费用量化分析。提出一种基于鲁棒支持向量回归机(RSVR)的量化新模型;通过优化支持向量机的损失函数,增加算法的鲁棒性,建立基于该原理的专用电力工程费用量化模型;并对样本数据添加人工噪声,提高样本数据的异常点,测试该模型的鲁棒性;算例分析表明:该文方法预测精度高、计算量小。     

多因变量多元线性模型主成分型预测的最优性判别

针对多因变量多元线性模型有偏预测问题,结合主成分估计,构造主成分型预测量。通过主成分型预测与最优线性无偏预测的最优性判别问题进行分析,分别得到了主成分型预测在R(i)(·)准则、MDE-准则及RT(·)下优于最优线性无偏预测的充分条件。结果表明,在一定条件下,有偏的主成分型预测优于最优线性无偏预测。     

基于MME准则估计卫星姿态的非线性滤波算法

结合矢量观测的特点，基于最小模型误差准则给出了一种确定卫星姿态的实时估计算法，称为预测滤波算法。该算法利用矢量观测信息，对动力学方程中的力矩模型误差进行预测，并利用预测值修正动力学模型，从而准确地估计卫星的三轴运动姿态，同时能获得角速度估计值。通过误差观测矢量的建立，进一步提出了能够简化准则函数的修正预测滤波算法。仿真结果证明，预测滤波算法及其修正算法克服了扩展卡尔曼滤波器的不足，能够有效地解决存在显著模型误差情况下的非线性估计问题。     

基于AFSA-BPNN的MRVM模型非线性融合建模

针对化工过程强非线性和多工况的特性,提出了一种基于BP神经网络(BPNN)有效非线性融合多关联向量机(MRVM)的建模方法.首先选择不同的核函数,采用样本数据建立单一RVM子模型;然后利用BPNN的强非线性拟合能力,对各子模型的预测信息进行非线性融合,并采用人工鱼群算法(AFSA)对BPNN的初始权重和阈值进行优化;最终建立MRVM非线性融合模型.将该建模方法应用于甲醇制烯烃生产过程(MTO)乙烯收率预测研究中,研究结果表明:与单一RVM模型和最优加权组合模型相比,基于MRVM的非线性融合模型具有更佳的预测精度.     

一种高重构质量低复杂度的高光谱图像压缩感知

针对高光谱图像谱间相关性较强的特点,提出了一种基于谱间预测的压缩感知算法.编码端通过线性预测算法,估计出相邻波段的预测系数作为辅助信息传送到解码端,再对图像进行独立地随机观测和量化.解码端根据预测系数和已重构相邻波段,估计出当前波段的预测波段,用来修正重构算法的初始值和收敛准则.最后用改进的重构算法解码当前波段.实验结果表明,在相同观测值数目下,该算法的PSNR提高了大约1.2 dB,解码复杂度明显降低,而且编码复杂度低、易于硬件实现.     

油品二元掺混黏度预测模型评价研究

为较好的控制和预测石油化工过程中油品掺混后的黏度,获得对于不同工艺情形的精度较高的掺混黏度预测模型,以黏度比为工况划分标准,相对误差的绝对值及工程允许误差为评价准则,评价了8种二元油品掺混黏度的预测模型。得到了各个模型在全黏度比1～106内的黏度预测特性。计算分析了各个模型的预测精度。按黏度比,对掺混黏度预测做了模型的优选。结果表明,Arrhenius、Bingham、Kendall等基本模型的预测结果波动及误差较大,不推荐使用,黏度比在1～103时优选Chevron模型,黏度比在104～105时优选Cragoe模型,而黏度比在105～106时各模型都超出允许范围,且波动及偏差较大,预测效果不好,亟待开发出一种适用模型。     

基于HSMM的铝空电池后期SOC估计

电池荷电状态 (SOC) 的估算精度是影响新能源汽车性能的重要因素之一。传统的安时法由于累积误差较大始终无法满足精确的SOC估计。该文采用基于隐半马尔可夫模型 (HSMM) 的SOC预测作为安时法的一个补充, 使铝空电池后期估计精度可以得到保障。该模型的每个不同状态产生多组观察值, 根据各个状态之间的转换概率以及状态驻留时间可以比较准确地预测后期各个状态下的剩余寿命。经过实验仿真验证, 与单一的安时法相比, 结合HSMM的SOC估计精度在后期有较大提升。     

引入权重分布RBO的CVT不平衡样本过采样算法

基于数据驱动的电容式电压互感器(Capacitor Voltage Transformer,CVT)误差状态预测技术面临着数据不平衡,小样本数据不足的困境。针对该问题,整合DBSCAN聚类算法和基于径向的过采样算法(Radial-Based Oversampling,RBO),并在此基础上提出了一种引入权重分布RBO的过采样算法(Weight Distribution and Radial-Based Oversampling,WD-RBO)。该算法首先使用DBSCAN对CVT超差样本聚类,过滤数据集中的噪声;其次,通过簇密度分布函数和质心势能,计算超差样本各个簇的采样权重,确定每个簇中合成新样本的数量;最后,使用改进的RBO过采样算法合成新超差样本。实验结果表明,与SMOTE和RBO等过采样算法相比,WD-RBO使得预测模型的准确率和AUC值分别提高到0.967和0.996,且运行时长满足应用要求。WD-RBO可以有效解决类间不平衡和类内不平衡,提高模型对CVT误差状态的预测性能。     

2009年第4季度上海市运动鞋产品质量监督抽查结果

(2010-02-11)2009年4季度,上海市质量技术监督局对本市生产和销售的运动鞋(不包括专业运动鞋)产品质量进     

基于ANN方法的煤巷掘进前方小构造预报技术

利用煤巷掘进过程中所暴露出的大量的煤层信息，确定了与煤巷掘进前方小构造存在密切关系的影响因素，分析了煤层倾角、煤层厚度、涌水量、瓦斯等各个影响因子，选出主控因子，建立主控因子与煤巷掘进前方小构造预测危险性指数间的人工神经网络（ANN）分析模型，求取了各影响因素对前方小构造预测的权重系数，并建立了煤巷掘进前方小构造预测预报的ANN模型及其判据．对鹤壁十矿煤巷掘进前方小构造进行了预测，结果表明：ANN技术可用于煤矿巷道掘进前方小构造预测．     

基于状态空间模型的神经元动态相关性研究

神经元间相关性的研究是深入理解神经元集群信息传递与编码机理的基础.首先,采用状态空间对数线性模型初步估计神经元间的动态相关性,针对输入数据特征对模型估计值置信区间的影响,提出了通过筛选数据优化置信区间来提高模型估计精度.然后,通过提取动态相关性的特征,分析神经元间相关性在不同朝向光栅刺激下的动态特性,进而研究了神经元间同步作用对视觉刺激信息的编码作用.最后,在麻醉的Long Evens(LE)大鼠初级视觉皮层上进行了实验验证.结果表明:采用剔除发放率偏小的序列的数据筛选方案能够有效地提高模型估计值的精度;神经元间的锋电位同步作用对朝向光栅刺激信息具有一定的编码作用.