分段平稳自回归过程的变点估计与模型选择——基于改进的自适应LASSO方法

针对非平稳时间序列中一类分段平稳自回归(PSAR)过程的变点估计和模型选择问题,在已有的将变点估计问题转化成变量选择问题方法的基础上,提出一种基于两阶段LASSO(TS-LASSO)算法同时进行变点估计和模型选择.具体地,在第一阶段中,通过LASSO算法对序列中的变点和模型进行初步的估计和选择,然后在第二阶段中结合改进的自适应LASSO算法对过估计的LASSO结果进行筛选,最终实现变点的一致估计和模型的准确选择.并对变点估计结果的大样本性质进行了分析.此外,对于特殊情形下的均值变化序列和无变点序列,TS-LASSO算法也能实现有效的估计和识别.最后,结合不同类型序列的模拟检验以及地震波数据的实例分析,证明TS-LASSO算法是有效的,并具有一定的实用意义.

基于稀疏组Lasso的分段平稳自回归模型变点检测方法

结构变化检测是分析系统动态规律的重要方式之一.针对分段平稳自回归模型,将变点检测问题转化为变量选择问题,采用稀疏组Lasso方法得到变点个数和位置的初始估计,提出分组选择方法在初始估计的变点中进行选择,然后用后向删除法得到变点个数及位置的估计.证明了提出的方法对变点个数和位置估计的一致性.另外,稀疏组Lasso方法通过约束变点位置上模型参数的稀疏性,能够进一步确定回归系数发生变化的具体滞后变量阶数.最后,仿真实验和应用实例证实,相对于直接应用后向删除法,分组选择方法的引入显著提高了估计的效率;相对于组Lasso方法,稀疏组Lasso方法可以进一步识别在变点位置上发生变化的具体滞后变量阶数.

基于灰度DAG熵最大化量化分辨率医学图像增强

为提高医学图像增强的清晰度和对比度,并提高计算效率,提出一种基于灰度有向无环图(DAG)熵最大化量化分辨率医学图像色调增强算法.首先,采用简单的分段自回归(PAR)模型进行图像目标恢复,并考虑到模数转换的误差利用全最小二乘算法进行PAR模型参数估计,获得高分辨率图像恢复直方图模型;其次,针对可能存在的对比度过低问题,将上述获得的最小二乘算法约束优化问题,建模为DAG中的最大权重路径问题,构建了色调保持最大熵图像增强过程约束优化模型,并通过DAG图Monge定理特性实现计算复杂度的降低;通过上述两个步骤,实现了医学图像增强过程中图像细节和对比度的同步增强,仿真实验显示所提算法可提供更为有效的医学图像增强效果.

基于数据驱动的混杂系统建模与优化控制研究

针对一类非线性、多变量的工业过程,提出了一种基于数据驱动的多输入多输出混杂系统模型辨识方法和基于多参数规划的实时非线性预测控制方法。该方法采用高维数据空间的聚类划分方法,成功实现了MIMO形式的分段仿射含输入自回归(PWARX)模型的辨识;利用混杂系统的HYSDEL建摸语言及其编译器工具,将得到的MIMO-PWARX模型转化成非线性的分段仿射(PWA)模型,采用多参数规划的方法,设计基于PWA模型的预测控制器。该方法实现了从过程数据中挖掘出系统的混杂模型的信息,自动生成复杂过程的PWA模型,并实现了实时的非线性预测控制。最后利用该方法成功实现了四容水箱非线性多输入多输出过程模型的在线控制,得到较好的控制效果。

串列式双风轮风电机组气动特性建模及仿真

针对水平轴串列式双风轮风电机组多输入多输出(MIMO)复杂非线性气动特性,提出了一种前后风轮干涉条件下的双风轮风电机组气动MIMO系统全工况分段仿射自回归(PWARX)建模方案。结合所搭建的双风轮风电机组半物理仿真平台进行运行仿真和测试验证,分析了该模型在不同工况场景下的输出值对实际值的跟踪精确度。结果表明:所建立的双风轮风电机组气动MIMO系统的PWARX模型对双风轮风电机组全工况气动特性具有高精度的全局逼近能力。