基于动态潜变量回归的风电机组叶片结冰监测研究

风电机组叶片结冰监测与预警对保障风电机组安全稳定运行具有重要意义。充分考虑结冰过程对风电机组性能累积的影响,提出一种符合机组动态运行特性的叶片结冰监测方法,从而提高风电机组叶片结冰监测准确率。通过孤立森林模型提取功率主带,为性能劣化模型的建立提供高质量的数据支撑。使用动态潜变量回归算法使质量变量在过程变量动态潜空间上的投影最大化,基于最小化回归误差提取风电机组动态运行过程输入变量和输出变量间潜在的结构化关系。采用向量自回归模型计算动态监测指标,若输出功率的监测指标越限则进行劣化告警。然后再使用孤立森林模型对劣化时段的叶尖速比和桨距角进行异常检测,若参数存在异常且环境温度小于0℃时发出叶片结冰预警。以我国西南某风场机组实际运行数据为例,验证了提出方法的有效性。

基于多变量逻辑回归的帕金森病认知障碍预测模型

帕金森病(Parkinson’s disease,PD)患者常伴随认知障碍,严重影响生活质量,因此对帕金森病认知障碍进行超前预测对于临床诊断和干预至关重要。然而,帕金森病受多变量因素(如年龄、性别、病程时间等)的耦合影响,使得认知障碍的超前预测面临严峻挑战。针对帕金森病认知障碍的多变量耦合特性,采用多变量逻辑回归方法,构建了一种新型列线图模型,旨在超前预测帕金森病患者发生认知障碍(cognitive impair‐ment,CI)的风险。首先,应用最小绝对收缩选择算子(least absolute shrinkage and selection operator,LASSO)算法对可能影响患者认知能力的风险因素进行了分析,筛选出相关性高的临床变量。其次,采用多变量逻辑回归方法分析各变量之间的相关性,构建可视化的新型列线图模型,实现对帕金森病认知障碍的风险超前预测。最后,模型性能评估结果表明新型认知障碍预测模型具有良好的准确性、一致性和临床实用性,可显著地提高临床医生的诊断效率。此外,该模型还实现了对同一预测因子不同值的患者数量及分布的可视化对比和分析,能够辅助临床医生根据每位患者的个人风险制定个性化的医疗管理和咨询方案,有助于更早地展开对患者的干预和治疗,具备一定的临床诊断价值。

应用潜变量回归在线补偿双直接进给轴热误差

为了提高直线电机驱动的双直接进给轴的运动精度,对该类进给轴的热误差进行了建模并研究了误差补偿方法。分析了双直接进给轴进给过程中热误差产生的原因及其补偿的复杂性,给出一种基于潜变量回归的双直接进给轴热误差在线补偿方法。该方法应用激光干涉仪测量进给轴的热变形量,使用热电偶和红外测温仪测量进给轴关键点的温度变化;通过时间匹配变形和温度数据得到统计样本并建立基于潜变量回归的热误差识别模型。以模型的在线计算确定误差补偿量,给出了与数控系统兼容的补偿控制输出策略及补偿系统构建方案。在自构建的龙门双直线电机驱动进给轴平台上进行了在线补偿实验。结果表明:应用潜变量回归方法对双直接进给轴进行热误差补偿可使双直接进给轴的热误差减小75%。

有序结果变量回归及其应用

目的 介绍有序结果变量回归 (OrdinalRegression)的基本原理 ,SPSS10 0的OrdinalRegression过程和确定“最佳”模型的方法。方法 介绍有序结果变量回归模型结构和模型评估指标 ,用一个实例和SPSS10 0的OrdinalRe gression过程 ,说明有序结果变量回归的操作和结果分析。 结果 列出五种连接函数两种模型的各种评估指标和总正确率 ,“最佳”有序结果变量回归模型的系数表。结论 有序结果变量回归适用于两个或以上分类水平的应变量和一组协变量。通过五种连接函数两种模型的各种评估指标和总正确率的比较 ,可挑选出“最佳”有序结果变量回归模型 。

小波包变换潜变量回归同时测定钐和钇

采用小波包变换潜变量回归(WPLVR)方法,同时测定了钐和钇。该法结合小波包变换和潜变量回归改进了除噪质量。信号的小波包表述提供了一个局部时频描述,因此在小波域,除噪质量可以改善。潜变量是把小波包处理过的信号投影到正交基本征矢量上获得。潜变量可由原始变量的线性组合来表示。使用该法,人们可从没有选择性的全光谱数据中获得极有选择性的信息。通过最佳化,选择了小波函数及小波包分解水平(L)。编制了两个程序(PWPLVR)和(PFTLVR)执行WPLVR和傅里叶变换潜变量回归(FTLVR)法计算。试验结果表明两种方法都是成功的,且WPLVR法更优于FTLVR法。

基于虚拟变量回归的旅游花费模型构建

消费是旅游者暴露在外的最显著特征之一,旅游花费支出是旅游目的地最有经济意义的一项指标。文章选取西安这一传统旅游城市为研究对象,以"十一"国内游客为研究样本,基于游客个人社会信息和此次出游相关指标,综合探讨了游客花费开支状况。基于虚拟变量回归构建了西安"十一"国内旅游花费模型。

多变量自回归模型在三江平原井灌水稻需水量预测中的应用

应用多变量自回归模型ARV (n) ,利用三江平原腹地———富锦市 1985～ 1999年气象资料 ,按水稻生育期划分 6个生育阶段 ,建立了井灌水稻生育期内需水量预测模型。经模型拟合与预测 ,效果良好 ,可以为该地区开展节水灌溉、灌溉用水管理、合理开发利用地下水资源 。

基于双导联ECG和多变量回归模型的远程心电诊断算法研究

目的研究适于远程心电诊断、高精度的心电信号 (ECG)直接分类方法 ,以克服接收端因信号重建而延误时间的问题。方法收集MIT BIHdatabase中正常窦性心律 (NSR)、心房早期收缩 (APC)、心室早期收缩 (PVC)、心室性心动过速 (VT)、心室纤维性颤动 (VF)和室上性心动过速 (SVT)各 30 0例进行分类研究。提出一种融合双导联ECG信号的多变量回归 (MAR)模型对心电信号直接进行分类 ,包括 :心电数据的MAR建模 ,利用MAR模型系数及其K L变换系数实施非线性二次判别函数 (QDF)法分类。结果文中方法快捷方便 ,分别获得了 98.3%至 1 0 0 %的分类精度。结论MAR建模法特别适合于远程心电诊断 。

岩体分级的多分类有序因变量Logistic回归模型

将多分类有序因变量的Logistic回归分析引入到岩体质量分级问题中.从工程岩体实测数据出发,以影响岩体质量的单轴抗压强度、岩体声波纵波速度、体积节理数等6个因素为自变量,有序多分类的岩体级别为响应变量,建立岩体分级判别公式.检验模型拟合优度及预测能力.结果表明,Logistic回归模型性能良好,回判估计的误判率为零,预测准确率高.相比距离判别分析和线性回归分析,Logistic回归分析对变量分布无要求,理论上更适于响应变量为有序多类别的岩体分级问题;模型可以输出岩体属于各级别的概率,为工程设计人员提供更多的岩体质量信息.因而Logistic回归模型是一种更优的工程岩体分级方法.

小波包变换潜变量回归分辨重叠的紫外光谱

采用小波包变换潜变量回归(WPLVR)方法,同时测定联苯、苯酚和邻苯二酚。该法结合小波包变换和潜变量回归改进除噪质量。通过最佳化,选择了小波函数及小波包分解水平(L)。编制了两个程序PWPLVR和PFTLVR进行WPLVR和付立叶变换潜变量回归(FTLVR)法计算。试验结果表明WPLVR法是成功的且优于FTLVR法。

区域趋势控制协变量回归分析效果评估方法研究

本文根据区域趋势控制和气象－物理协变量相关设计了三套非随机化人工增雨作业效果评估方案：个例作业区域趋势对比双比分析评估方案、区域趋势相关回归分析评估方案和气象－物理协变量多元回归分析评估方案。对河南省实例评估计算表明，利用物理协变量作为控制因子，可以提高作业区自然降水量估计值的准确度，从而能提高非随机化作业的效果评估效率。

虚拟变量回归及其应用

回归分析是一种非常重要的统计分析方法,引入虚拟变量以后,回归分析的应用更加广泛。文章在虚拟变量设置规则的基础上,给出虚拟变量回归在单因素方差分析、回归分析和面板数据分析中的应用。

小波包变换潜变量回归同时测定三组分混合物

采用小波包变换潜变量回归 (WPLVR)方法 ,同时测定水杨酸甲酯(MSA)、邻苯二甲酸二丁酯 (DBP)和邻苯二甲酸氢钾 (PHP)。该法结合小波包变换和潜变量回归改进除噪质量。通过最佳化 ,选择了小波函数及小波包分解水平 (L)。编制了两个程序 (PWPLVR)和 (PFTLVR)进行WPLVR和付立叶变换潜变量回归 (FTLVR)法计算。实验结果表明WPLVR法是成功的且优于FTLVR法。

基于潜变量得分的多水平多变量回归模型在职业紧张评价中的应用

目的介绍基于潜变量得分的多水平多反应变量回归模型在职业紧张评价中的应用。方法为克服测量误差的存在,以职业紧张量表14个分项的潜变量得分,将之作为中间结果引入多水平多反应变量回归模型。结果职业任务各分项不同程度地引起职业紧张,而个体应变能力是减轻职业紧张行之有效的方式。随机系数反映这些影响在不同科室存在着不同。结论采用基于潜变量得分的多水平多反应变量回归模型既可有效降低测量误差,又得以合理地解释。尤其对于系统结构数据,多元线性模型的多水平理论比多水平潜变量分析方法更成熟可信。

快速多变量自回归模型的意识任务的特征提取与分类

给出了一种有效的多变量自回归(MultivariateAutoregressive,MVAR)模型参数和阶数估计的快速算法,通过QR分解技术减少了多维矩阵求逆的运算量,提高了模型估计的速度.利用该算法对4个实验对象的3种不同意识任务的脑电(EEG)信号进行特征提取,并将得到的特征向量作为径向基函数神经网络的输入进行训练和分类测试.分类结果表明,利用该方法进行EEG信号的特征提取,分类的正确率明显高于单变量自回归模型,而且算法运算速度快,可以用于不同意识任务EEG信号的在线特征提取与分类系统.

基于Spark平台和多变量L_2-Boosting回归模型的分布式能源系统短期负荷预测

分布式能源系统负荷预测是系统规划与经济运行的可靠前提和依据,在当前海量高维数据的背景下,有效的在线数据处理平台与精确的负荷预测方法是当前的研究重点。基于分布式能源系统负荷数据特点,在缺失数据处理、坏数据分类以及特征选择的基础上,建立了基于Spark平台与多变量L_2-Boosting回归模型的分布式能源系统短期负荷预测方法。首先,利用Spark平台分割全部数据得到多个子数据模型,通过并行计算提高数据处理效率,采用特征提取方法得出模型需要的输入向量;其次,将得出的有效数据信息输入到多变量L_2-Boosting回归模型进行训练学习,得到训练后的多变量L_2-Boosting回归模型;最后,利用测试数据测试模型。算例结果验证了所提模型的有效性。

小波包变换潜变量回归同时测定锰、锌、钴

研究了一种小波包变换潜变量回归(WPLVR)法,同时定量分析Mn ,Zn 和Co 。结合小波包变换和潜变量回归,改进除噪质量。通过最佳化,选择了小波函数和小波包分解水平(L)。设计了两个程序(PWPLVR和PFTLVR)并用WPLVR法和付立叶变换潜变量回归(FTLVR)法计算了合成样品中锰、锌、钴的实际浓度和回收率。实验结果表明WPLVR法是成功的且优于FTLVR法。

基于潜变量回归模型的城市火灾风险评估

为评估城市火灾风险等级,针对城市火灾发生的可能性与严重性2个基本问题,建立评估指标体系,提出一种基于潜变量回归的评估模型,并给出无须迭代的确定性算法。该模型和算法无需事先指定风险等级评估分数的训练样本,不必事先指定指标汇总的加权系数,利用合理的配方约束,完成潜变量回归,实现城市火灾风险按地区或者按行业的等级评估,利用现成的软件计算,同样适用于其他具有类似数据结构的评估问题。

情报信息因果分析的多变量回归模型网络软件MultiVarRegr

统计分析理论是信息分析的重要基础 ,其中 ,回归模型可描述变量之间的定量因果关系 ,已得到了广泛应用。在情报信息研究中 ,可对文献资料、期刊发行、网络资源等进行回归 ,相关和预测分析。本研究开发了多变量回归模型的网络软件 Multi Var Regr,适用于多因变量—多自变量、多因变量—单自变量、单因变量—多自变量及单因变量—单自变量的回归分析。该软件用程序设计工具 Java开发 ,图型用户界面友好 ,简单易用 ,驻留于远程服务器 ,可在多种兼容 Java的网络浏览器 ,如 Internet Explorer、Hot Java、NescapeNavigator上调和运行 ,不仅可独立使用 ,也可以作为网络软件包及网络数据库的嵌入程序。

半参数顺序变量回归模型

在比例优势模型基础上对顺序变量回归模型作更一般的推广,建立了半参数顺序变量回归模型,构造了模型中的线性和非线性部分的估计量,并证明了该估计量的弱相合性.通过数值模拟,考察了不同样本容量下半参数顺序变量回归的判断正确率和回归函数的均方误差.实验结果表明:半参数顺序回归模型在小样本情况下仍具有较高精度,并且在实验点处的重复次数相对于观察点个数对精度影响更大.通过对粮食预警实例的计算表明,半参数顺序回归模型较比例优势线性模型具有更好的外推效果.