基于AIC准则和时窗能量比的电缆局部放电在线检测与定位

在利用多高频电流传感器进行电缆局部放电在线检测与定位时,针对局放信号初至时刻拾取精度不高影响定位精度的问题,提出一种基于AIC(Akaike’s Information Criterion)准则和时窗能量比的局放故障在线检测与精确定位方法。首先利用时窗能量比检测出局部放电发生的时窗,然后求取确定时窗的局部AIC特征曲线,并基于AIC准则精确拾取局放信号初至时刻。最后,运用到达时间法对局放源进行定位。仿真结果表明,该方法定位精度高,抗噪声干扰能力强,在-2 d B的噪声环境下可实现99.85%的定位准确率,具备工程实用价值。

基于AIC准则的回归方法在建筑物变形分析中的应用

鉴于引起建筑物变形的地质、水文、气候、附近开挖等原因的不确定性和各种因素影响度的不确定性,本文提出将基于AIC准则的回归理论应用到变形分析中,实现了多项式回归系数和幂次方的自适应处理,并实现了建筑物变形分析中变形因子和回归函数的自动确定。在MATLAB下编写了算法,并提出了优化方案。实践证明,这一理论很适合于变形分析。

极大似然估计与AIC准则联合建模

将极大似然估计与ＡＩＣ准则有机结合进行回归模型建模。这样不仅可省去一般回归模型建模时繁杂的模型检验工作，而且还可快速有效地同时估计模型参数和确定模型阶数。最后用实例验证本方法的实用性和正确性。

混料试验设计变量选择AIC准则研究

在回归分析建模中,变量选择是重要的热点研究问题,在回归模型中应该保留对响应的影响最显著的变量.变量选择在分析实际经济问题中得到广泛的应用.文章以混料模型为基础,主要研究混料模型中的变量选择问题.

基于AIC准则的脉动风速时程模拟

阐述脉动风速时程模拟的方法和AIC准则。采用线性滤波器中的AR模型,结合AIC准则进行模型阶数选择,用MATLAB编程模拟脉动风速时程,并与目标功率谱进行比较,模拟效果较好,可以满足工程精度的要求。

AIC准则在数据融合中的应用

提出了一种利用AIC准则来确定信息源信任度系数的方法,并以此衡量信息源的质量.实验结果表明,利用AIC准则确定的信任度系数可以得到较好的图像识别结果,同时也证明了将该方法应用在数据融合中的可行性.

基于AIC准则的气动位置控制系统辨识

为了解决气动位置控制系统的精确定位,提出了一种基于AIC准则的气动位置控制系统辨识。通过对气动位置控制系统分析,建立了系统数学模型,并进行了线性化处理。基于AIC准则建立了白噪声和有色噪声两种模型,找到了满足两种模型最小的阶次,采用增广最小二乘法实现对有色噪声参数的无偏估计;通过自相关系数检验了系统残差序列的白色性,验证了气动位置控制系统辨识模型的可靠性。实验结果表明:当幅值分别为1000 A和1200 A时,两种系统的传递函数基本等价,说明在相同阶次的逆M序列且幅值在一定范围内,不同系统对模型参数的辨识影响较小。

基于AIC准则的最近邻聚类模型的优化算法

聚类分析方法的困难在于聚类模型的类中心和类别数的确定。首先给出了最近邻聚类规则,并根据该规则建立了确定聚类模型的分类方法;其次针对不同的聚类模型提出了优化判别准则———AIC准则,为解决所聚类的紧凑性与类别数增加的矛盾给出了理论分析。通过实例仿真,验证了本方法的实用性和正确性。

用AIC准则识别最佳因子分析模型

本文运用日本统计学家Akaike( 1973 )提出的AIC准则 ,对因子分析模型中公共因子的个数进行了选择 ,并对文章 [1]提出的问题作了回答 ,并给出了相应的讨论结果 .针对“中日两国高校教师精神压力的比较研究”

AIC准则应用于动物最佳生长模型的选择

AIC准则作为选择回归模型的标准已有广泛应用，但在动物最佳生长模型的选择方面的应用情形尚未见报导。本文选择了几个经典的动物生长模型，把它们应用于描述家禽的生长过程，以AIC作为衡量模型优劣的标准去选择最佳生长模型。结果表明AIC准则应用于选择动物最佳生长模型方面是一种简单而行之有效的方法。

AIC准则与留一法交叉验证渐近等价的证明

AIC准则与留一法交叉验证是进行模型选择的常用方法。现有的证明二者渐近等价的方法是极大似然估计法。文章在线性模型的基础上,用删除残差与普通残差间的关系来推导AIC准则与留一法交叉验证对模型选择的效果,发现其是渐近等价的。这样的方法适用性更为广泛。最后通过仿真模拟和实际数据分析验证了结论。

阵列信号处理中AIC准则下的车辆个数声频检测方法研究

通过对现有交通流量检测方法和汽车噪声信号特性的分析,提出一种基于麦克风阵列的交通量声频检测方法。对麦克风阵列所采集的车辆行驶时的声音信号,运用窄带阵列信号处理的方法进行离线处理,并将车辆数转化为阵列信号中信号源的个数的估计,最后通过试验论证该方法的可行性。

基于AIC准则的击实试验曲线拟合模型优选

针对击实曲线的模型优选问题,提出了基于赤池信息量准则(AIC)数字回归方法,认为综合多项式阶次与回归误差的AIC最小的模型为最优击实曲线模型。通过8组试验数据分析,4组为二次多项式拟合最优,而另4组以四次多项式拟合为最优。优选结果说明,由于不同土体压实性能和试验数据点分布不同,击实曲线不可能用统一阶次的最优模型描述,而基于AIC准则的模型优选方法具有较好的实用性。

基于AIC准则的锂离子电池变阶RC等效电路模型研究

提出一种变阶RC等效电路模型,并基于赤池信息量准则(AIC)辨识不同SOC处RC模型的最优阶数,兼顾了模型的准确度和实用性。通过脉冲充放电、恒流充放电以及自定义UDDS循环工况实验验证了该模型的有效性。变阶RC模型通过略增加模型的复杂度,能更加准确地描述锂离子电池两端陡、中间平的非线性电压特性,相对误差在1%以内,具有较高的实用价值。

基于AIC准则优选AR模型研究我国生产事故

目前,由于生产力水平低,安全投入不足,安全监管体制不健全等因素,国内生产安全事故仍然居高不下。将基于AIC准则进行AR模型优选的方法应用到我国工矿死亡人数预测中,为事故预测统计提供一种新方法,预测结果将为预防生产安全事故提供依据。

基于AIC准则的混频数据季度GDP预测实证研究

在传统经济计量模型中,高频数据须经过加权平均或者插值拟合等方法才能整理为与低频数据同一频率的数据,再进行数据建模及分析。这种传统的计量模型不仅会造成高频数据信息的丢失,更会影响模型预测精度。混频数据模型则是利用不同频率数据来构建模型,可以避免数据因拟合或加权平均而造成信息损失,合理应用高频数据所蕴含的信息,从而提升模型的预测精度和时效性。本文应用混频数据抽样模型(MIDAS)对中国季度GDP进行预测,选取2000年第一季度至2017年第四季度GDP,在给定滞后阶数范围和赋予高频解释变量不同多项式权重函数的情况下,基于AIC信息准则选取最优的MIDAS预测模型预测时发现:滞后阶数最优的情况下,选取不同的多项式权重函数预测精度各有差异,AIC最小的模型预测精度并不是最优,故给出最优滞后阶数下不同权重函数的模型并对比其模型的预测精度,筛选出预测精度最好的模型并进行短期预测。

统计模型用AIC准则定阶的相容性问题

本文介绍十多年来研究 ARMA 模型用 AIC 准则定阶相容性问题的进展、近几年来 AIC 准则被引用到其它统计模型的新发展以及作者的研究工作.

多元多重线性回归模型的AIC准则的应用

运用多元多重线性回归模型,研究胶凝材料用量、水胶比、硅粉掺量、粉煤灰掺量、坍落度以及水、石、砂掺量等有关因素对高强混凝土7d,28d和90d抗压强度的影响;并利用AIC准则优选备选模型,再采用Matlab软件进行模型优选实现,目标模型的拟合误差较小,能较好地应用于混凝土施工质量预测和控制。

针对AR模型讨论AIC准则定阶是否高于真实阶数

时间序列建模过程中,确定了时间序列适合的模型类型之后,对模型阶数的确定是必不可少的。常见的模型定阶的的方法有:残差平方和法,自相关和偏相关函数法,F检验法,AIC准则和BIC准则。在实际模型定阶时,采用自相关函数和偏自相关函数拖尾或结尾来确定模型阶数,计算得到的自相关函数或偏自相关函数都是估计值,与理论上的真值之间存在一定误差;而且自相关和偏自相关函数法只适用于AR(p)和MA(q)模型定阶,对用ARMA模型来说,这种方法是不可行的。F检验法的前提是两个模型中有一个是适用的,若两个模型适用性都未知,则F检验法来检验低阶模型是毫无意义的。为了给模型更准确定阶,采用AIC准则、BIC准则定阶,利用似然函数估计值的最大原则来确定合适的模型阶数。但AIC准则定阶可能会出现高估真实阶数的情况,下面我们针对AR模型通过AIC定阶与BIC定阶对比来讨论是否AIC定阶真的高于真实阶数。

基于AIC准则的函数型数据主成分联合选择研究

函数型主成分分析(Functional Principal Component Analysis,FPCA)是对函数型数据进行降维的常用技术,本文将考虑函数型数据的主成分联合选择问题。首先,本文给出了两函数型变量的主成分联合模型,并通过基函数展开法和极大惩罚似然法对样本数据进行曲线平滑。在联合模型基础上,本文给出了确定函数型主成分个数的AIC准则,并提出了改进的ECME算法对模型参数进行估计。模拟显示AIC准则对应的主成分个数选择结果准确率更高,考虑两函数型数据之间相关信息的联合选择效果会比对各函数型数据主成分进行独立选择的结果有所提升。最后,本文将所提方法应用于老年人中医宗气数据的分析.