一种基于独立元贡献度的子空间故障检测方法

针对工业过程故障检测问题,本文定义了独立元贡献度和贡献度矩阵,提出一种改进的子空间检测算法.首先,利用独立元分析(independent component analysis,ICA)算法提取过程变量的独立元信息,通过计算各个独立元在过程变量上的贡献度,构造贡献度矩阵;然后根据贡献度的大小,挑选出对应的变量组成反映不同"源"信息的子空间,并在这些子空间上建立故障检测模型;最后综合以上的多个检测模型,根据实际的需求或者故障的传播特征,确定集成策略,对工业过程进行故障检测.通过在TE(Tennessee Eastman)过程上对21种故障工况和1种正常工况的仿真研究,说明提出的改进算法是有效的.

LPMVP算法及其在故障检测中的应用

针对数据信息的特征提取和降维问题,提出一种局部保持最大方差投影(Locality preserving maximum variance projections,LPMVP)新算法.该算法综合考虑了主元分析(Principal component analysis,PCA)和局部保持投影(Locality preserving projections,LPP)算法的优点和不足,提出了新的优化目标,使投影得到的低维空间不仅和原始变量空间有相似的局部近邻结构,而且有相似的整体结构,因而可以包含更多的特征信息.在此基础上,本文使用LPMVP算法把原始变量空间划分为特征空间和残差空间,分别构造了T2和SPE统计量对过程进行监测,建立了一种新的故障检测方法.通过数值例子以及TE过程的仿真研究,表明了LPMVP算法可以有效地提取数据信息,同时也体现了较强的故障检测能力.

独立元子空间算法及其在故障检测上的应用

针对高维数据建模问题,提出一种独立元子空间算法(ICSM),作为一种新的集成学习算法,ICSM利用独立元在不同变量上的贡献度来选取子空间,符合了集成学习的要求,具备了明确的物理意义,有效地克服了随机子空间算法(RSM)的主要缺点。在此基础上,进一步将ICSM应用于工业过程监控,提出了一种新的ICSM-PCA故障检测算法。首先在各个子空间内分别建立相应的PCA监测模型,然后根据T^2和SPE统计量的值计算出集成时各自的权重,最后构造两个集成统计量对工业过程进行监测。通过在Tennessee Eastman(TE)模型上的仿真研究,说明提出的算法具有较好的建模效果和故障检测能力。

国债期货跨期价差研究--原理、套期保值分析及预测框架

本文从理论和实际操作视角出发,分析了10年期国债期货T合约跨期价差的形成原理和历史走势;讨论了在不同市场环境下,跨期价差如何影响套期保值成本及套期保值效果;分析了季节效应、跨期价差、价格趋势、价差动量以及净基差这5个因素驱动跨期价差变化的机理,并构建打分模型,对跨期价差变化趋势进行预测。研究结果表明,模型给出明确判断的有24次,其中预测成功的有15次,准确率为62.5%。这种方法可以较为有效地解释和预测跨期价差的变化趋势。

一种基于DLPP的动态过程故障检测方法

针对动态过程故障检测问题,提出一种基于局部保持投影(locality preserving projections,LPP)和扩展矩阵的动态局部保持投影(dynamic LPP,DLPP)新算法.相比动态主元分析(dynamic principal component a-nalysis,DPCA)方法,该算法可以提取隐藏于过程数据中的低维流型信息,建立更精确的模型.首先选择合适的动态步数,构造扩展矩阵;然后使用LPP算法提取信息,将扩展矩阵空间划分为特征空间和残差空间;最后针对这2个空间分别构造T2和SPE统计量对工业过程进行监测.通过在田纳西-伊斯曼(Tennessee-East-man,TE)模型上的仿真研究,表明了该算法是有效的.

大类资产配置原理与相关指数的国内外实践分析

本文从大类资产配置的意义出发,介绍了大类资产配置方法的变迁和改进,分析了大类资产配置中关于如何认知风险和如何均衡风险的两个关键环节,并整理分析了国内外机构在大类资产指数构建上的具体实践情况。