重新审视面向CNN模型的测试样例选取:考虑模型校准

深度神经网络(DNN)已被广泛应用于各种任务,而在部署前对DNN进行充分测试尤为重要,因此需要构建能够对DNN进行充分测试的测试集。由于标注成本受限,通常通过测试样例选取的方式得到测试子集。然而,人们使用基于预测不确定性的方法(该方法在发现误分类样例和提升重训练表现方面表现出卓越的能力)进行测试样例选取时,忽略了对测试样例的预测不确定性估计是否准确的问题。为了填补上述研究的空白,通过实验定性和定量地揭示了模型校准程度和测试样例选取任务中使用的不确定性指标之间的相关性。校准模型会使模型有更准确的预测不确定性估计,因此研究了不同校准程度的模型用不确定指标选取得到的测试子集质量是否不同。在3个公开数据集和4个卷积神经网络(CNN)架构模型上进行了充分的实验和分析,结果表明在CNN架构模型上:1)不确定指标和模型校准存在一定程度的相关性;2)校准程度好的模型所选择的测试子集质量优于校准程度差的模型选择的测试子集质量。在发现模型误分类样例的能力上,70.57%经过校准训练后的模型对应的实验结果优于未校准模型对应的实验结果。因此在测试样例选取任务中考虑模型校准十分重要,且可以使用模型校准来提升测试样例选取的表现。

运行策略信息缺失条件下的HVAC系统设备模型校准方法

性能准确的HVAC系统仿真模型对于研究建筑需求响应具有重要意义,模型校准是提高仿真结果可靠性的关键环节,但现实中会遇到运行策略信息缺失的情况,严重影响了校准结果的有效性。本文提出了一种适用于实际运行策略信息缺失条件下的模型校准方法,在设备性能优化校准前,增加运行策略校验环节,以皮尔逊相关系数作为评价指标判断运行策略是否准确。利用该方法可以在实测数据集中识别出运行策略准确数据集,以此为基础进行设备性能优化校准,从而确保校准结果的有效性。以某制冷站的冷却塔模型校准为例,验证了所提方法的校准效果。该方法可推广于其他HVAC设备模型的运行台数策略验证与名义性能参数校准中。

考虑最大功率点估计模型校准的光伏功率备用控制

并网光伏系统通常以最大功率模式运行,无法全面响应电网调节需求,因此需要研究功率备用控制(power reserve control,PRC)。基于最大功率点估计(maximum power point estimation,MPPE)的PRC利用光伏等效模型,通过数据拟合实现MPPE,从而实现光伏功率备用。然而,随着光伏组件老化,MPPE估计误差增大,可能影响系统安全稳定运行。文中提出考虑光伏组件老化时MPPE模型参数校准的光伏系统PRC。首先提出基于麻雀搜索算法的MPPE模型参数校准方法,然后根据光伏组件老化特性和MPPE误差演变趋势,提出MPPE模型校准的改进评价指标和校准周期整定原则,最后将其应用于基于MPPE的PRC中。仿真结果表明,该方法能够实现光伏组件老化后MPPE模型参数自动校准,并且显著提高了MPPE精度,增强了PRC在实际应用中的可靠性。

基于模型校准的建筑冷负荷短期预测模型人工内扰特征变量获取方法

准确的短期建筑冷负荷预测对于建筑供能系统的运行优化具有重要意义。数据驱动模型因在挖掘建筑实际负荷特性、提高预测精度方面具有较大的优势而得到广泛应用。然而,内扰特征变量的缺失严重影响着数据驱动负荷预测模型的预测效果。为此,本文提出了一种利用模型校准技术从冷负荷时间序列中反向挖掘内扰相关数据信息的方法。案例研究结果表明,利用该方法获得的人工内扰特征变量数据对使用人工神经网络模型的短期建筑冷负荷预测效果的提升具有显著作用。相比于完全缺失内扰特征变量的预测模型,预测误差可降低11.46%,相比于使用日历信息作为内扰特征变量的预测模型,预测误差可降低6.51%。

缺资料流域SWAT适宜性模型校准新方法及应用

基于SWAT分布式水文模型,以伊犁河上游流域为研究区域,针对缺资料流域水资源评价关键问题,发展了一套综合流域特征、多时间尺度、多变量和多站点的适宜性模型校准新方法,应用中取得了较好的模拟结果:各站点在校准期和验证期均拟合较好,NSE和r^2均在0.6以上,最高达0.83,RE均在8%以内.结果表明模型在该校准方法下,较好地再现了流域的水文过程,其模拟结果可供流域水资源评价和管理参考.

基于惩罚样条回归的模型校准估计方法

传统的广义回归抽样估计方法有一个严格的假设条件,即研究变量和辅助变量之间呈现线性关系,因此在非线性情形下的估计效果并不理想,而基于模型校准的抽样估计方法则能克服这种缺陷,可以较好地提升估计量的估计精度。文章在梳理已有的非参数超总体模型基础上,结合惩罚样条回归与模型校准估计法,介绍了一种新的基于惩罚样条回归的非参数模型校准估计方法,并在一定的设计条件下阐明了该估计量在模型辅助情况下具有渐近无偏性和服从渐近正态分布等优良性质。进一步的模拟研究结果显示,经过校准的估计量比未校准的估计量具有更高的估计精度,且在超总体模型中,随着非线性程度的增强,该估计量的估计精度比参数估计量有显著的提高。

基于元模型的多元输出仿真模型校准方法研究

为解决具有多元不同类型输出的仿真模型校准问题,提出一种基于优化和元模型的仿真模型校准方法.首先提出一种基于双层嵌套拉丁超立方抽样(LHS)的不确定性参数传播方法,获得系统同时含有认知和固有不确定性时的输出;其次,给出一种基于数据特征的仿真输出一致性度量方法,实现仿真多元异类输出的一致性度量;进而,利用随机Kriging模型拟合认知不确定性抽样样本与仿真输出一致性度量结果的元模型,并在该元模型上通过遗传算法实现校准过程.最后,通过实例验证了本文所提方法的有效性.

混合类型辅助变量下模型校准抽样估计研究

在超总体模型中,一般用于构建模型的辅助变量多为连续型变量,对混合类型辅助变量的模型研究较少。为了同时利用与研究变量相关的连续型和离散型辅助变量的信息,本文提出在模型校准的框架下,利用非参数核回归方法,得到混合类型辅助变量下的模型校准估计量。研究证明,该估计量是渐进设计无偏、设计一致和渐进正态的,并给出了估计量的方差和方差的估计量。数值模拟的结果显示,本文在总体回归函数为线性和非线性的情况下,估计效果均有所提高。此外,通过CLHLS数据的验证也表明该估计量的效果优于仅利用连续型辅助变量的估计量。

完全辅助信息下非参数模型校准估计方法研究

大数据时代背景下,在现代化抽样调查实践中,一方面采集到各总体单位的完全辅助信息可以实现,能够利用完全辅助信息进行抽样估计,另一方面研究变量与辅助变量之间常呈现出非线性关系。在此情况下,如果仍然采用基于部分辅助信息的线性假定下的传统校准估计方法进行抽样估计,将存在信息浪费且估计方法不适用等缺陷。为解决以上两个问题,构建了完全辅助信息下的非参数模型校准估计方法体系,首先,将已有的校准估计方法归纳为基于部分辅助信息的传统校准估计和基于完全辅助信息的模型校准估计,然后,给出完全辅助信息下非参数模型校准估计量构建的基本思路,并提出基于局部多项式和惩罚样条两种具体类型的非参数模型校准估计量。研究发现,构建的非参数估计量具有设计无偏性、渐近正态性和一致性等优良的统计性质。进一步的模拟研究表明,非参数模型校准估计方法具有很强的适应性,且估计效率明显高于HT估计量和传统的校准估计量。

高速铁路GSM-R传播模型校准与覆盖模拟测试技术

正1概述通信GSM-R工程是高速铁路不可或缺的重要组成部分,我国高速铁路工程基本采用单网交织冗余的GSM-R网络。高速条件下运行的多普勒效应和电磁干扰会对列控信号传输造成巨大的负面影响,而且GSM-R网络也不同于普速铁路的450MHz无线列调系统。因此。

气候变化影响下高径流极值水文模型校准研究

通常采用水文模型研究气候变化对水文极值的影响,并通过输入气象观测数据对模型参数进行校准。在运用气候模型的情况下,这种校准方法会使高径流极值的概率分布评估产生偏差。基于此,提出了“水文极值校准”(HyCoX)方法,在水文模型校准过程中,以气候模型输出的数据作为驱动因子,将同一统计样本高径流极值的模拟值和观测值概率最大化。将HYPERstreamHS分布式水文模型应用于意大利阿尔卑斯山脉东南部阿迪杰(Adige)河流域,结果表明:该方法保持了统计的一致性,得出的年最大径流分位数可信度较高,可用于径流极值模拟分析。

基于局部马尔科夫随机场的模型校准嘴唇分割方法

为了有效挖掘人说话时的唇动特征,提出了一种综合局部区域马尔科夫随机场(Markov random field,MRF)特性和模型校准的嘴唇分割方法。将嘴唇区域图像从RGB转换到LUX色彩空间,并利用对数化色彩分量U实现初始化轮廓的确定。沿轮廓选取固定半径的圆形窗口函数界定局部区域,再利用马尔科夫随机场进行嘴唇分割,并使用基于Kullback-Leiller(KL)距离的模型校准方法使局部区域之间的分割结果相互协调。实验证明,该方法可以在皮肤中分离出嘴唇,分割准确率高,鲁棒性好,具有较高的实用价值。

图像函数在发动机轮盘动力学模型校准中的简单应用

研究表明,模态振型的图像函数可以有效的描述结构的振动特征,并可应用于结构动力学模型的设计与改进。本文将探讨图像函数-Zernike矩(以下简称Z矩)在结构动力学模型校准中的应用,通过某型弹用发动机轮盘的动力学模型校准,验证了基于Z图像函数用于实际结构的动力学模型设计与改进的实际应用是可行性。

瞬感扫描式血糖仪校准因素分析与模型构建

目的:探究连续血糖监测系统血糖检测误差的因素,构建校准模型。方法:以实际患者为研究对象,使用辅理善瞬感扫描式血糖仪测量间质液血糖浓度和常规指尖血的末梢血糖浓度,并采用Lasso回归模型进行特征筛选,以线性模型为例,构造分类校准模型。结论:性别、饮酒史、年龄、家族史、检测时间、体重、吸烟史均会影响连续血糖监测系统的血糖检测误差,将其纳入校准模型,可提高血糖检测的准确性。

临床预测模型校准与更新方法介绍及R软件实现

临床预测模型的预测性能决定了外推性和应用价值。当预测模型应用于新人群时,因研究时间、人群特征、地域等因素与初始建模人群存在差异而导致其预测性能降低。采用适当的统计方法对其进行校准或更新对于提高其在新人群中的预测性能具有重要意义。模型更新的方法主要包括回归系数更新、Meta-model法及动态模型构建三大类,由于Meta-model法及动态模型构建在实际应用中存在较多限制,目前常使用模型回归系数更新法进行更新。本文在系统性介绍模型更新方法的基础上,详细描述基于Logistic回归和Cox回归分别对模型系数更新的方法及其R实现过程,为科研工作者提供参考。

基于遗传算法的水质模型参数估计研究

氯是用于维持配水管网水质最常见的消毒剂,但其浓度受到严格的限制,其浓度应足以去除配水管网中的病原微生物,且不因浓度过高而产生过量的消毒副产物。实时水质模型对保持配水管网中余氯浓度处于最佳值具有重要作用,其准确性依赖于模型基于现场实测余氯数据的定期校准与验证。该研究应用遗传算法自动搜索氯衰减系数的最佳值,探究了管道分组对模型校准的影响,同时通过测试遗传算法处理数据不确定性的能力验证了其鲁棒性。

基于Lagrange插值算法的空间多维数据校准模型

针对采集设备在获取空间多维数据时往往是离散的,受设备故障、环境等因素的影响,空间多维数据会出现遗漏或异常问题,提出了基于Lagrange插值算法的空间多维数据校准模型。首先,建立星型和雪花型的空间多维数据库结构,明确数据分布特征。然后,预处理初始数据,经过参数初始化操作,实现数据维数一致性划分,提高数据质量。再通过信息熵蚁群聚类、优化合并等过程完成数据分类,将具有相同特征的数据聚集到同一簇中,减少离群点。最后,利用基函数确立Lagrange插值多项式,引入归一化思想,确保数值在一定区间内浮动,避免龙格现象,生成新的插值多项式,多项式计算结果即为校准的数据值。实验结果表明,该方法具有较好的数据预处理能力,能有效减少校准误差。

基于飞行试验的模拟器气动模型校准方法

针对模拟器客观测试标准要求及仿真模型模拟逼真度需求,提出了一种基于飞行试验的模拟器气动模型校准方法。首先,以经过预处理的飞行试验数据和模拟数据为基础分别辨识得到气动导数;然后分析两辨识结果的统计关系,以确定修正系数;最后,根据不同状态点修正系数随动压变化规律建立了修正系数插值表,达到对仿真模型进行校准的目的。飞行试验数据验证表明,校准后的仿真气动模型容差范围能满足模拟器客观测试要求,显著提高了仿真模型模拟逼真度。

大亚湾潮流数学模型的校准及验证

基于沿水深平均的二维浅水方程,建立了大亚湾的计算潮流的数学模型。使用了大亚湾中三个潮汐站和四个流速观测站的连续26小时同步测量资料,对该数学模型进行了校准和验证。

基于实际运行数据校准居住建筑热负荷模型中的人行为时间表

建筑能耗模拟在建筑设计、运行和改造过程中发挥着重要作用,为了使其贴合实际,需要对其校准。作为影响建筑能耗的重要因素,建筑人行为模式的合理设置是能耗模拟结果准确的前提。提出了一种居住建筑热负荷模型的人行为时间表校准方法:基于建筑能耗模拟软件TRNSYS和最优化软件GenOpt联合仿真的半自动校准平台,使用k-means聚类方法对室外温度进行聚类,根据聚类结果将供暖季划分为不同的时间段,对不同时间段内的人行为时间表分别进行校准。将该方法应用于一栋居住建筑,其校准后模型模拟的误差评价指标MBE和CV(RMSE)从校准前的-81.71%和83.89%分别降低到-2.91%和15.90%,满足相关标准对模型校准精度的要求。