基于Fourier变换红外光谱分析咖啡豆成分

采用Fourier变换红外光谱对不同产区、不同海拔的5组浅中烘焙的咖啡豆样品进行分析,根据官能团的红外光谱特征峰分析样品主要成分;为进一步分析5组样品的成分差异,对原始光谱进行二阶导数处理,结合聚类分析理论建立平均偏离分析方法,计算出5组样品间的平均偏离大小并进行分析.结果表明:5组样品的红外光谱特征峰峰形相似,即主要成分相同;根据红外光谱得到平均偏离大小与产区海拔差值呈正相关.研究结果为分析咖啡豆产区和海拔提供鉴别依据,并对红外光谱研究提供一定参考.

分数阶Fourier变换的测不准原理

该文参考Fourier变换的性质研究了离散分数阶Fourier变换的测不准原理以及连续分数阶Fourier变换在Lebesgue测度下的测不准原理,使得分数阶Fourier变换的测不准原理性质更一般化.

基于Box-Cox变换和随机系数回归的非线性退化数据建模方法

变换方法是处理设备非线性退化建模与剩余寿命预测的一种重要方式和可行途径,目前常见的变换方法主要为对数变换和时间尺度变换,其适用范围有限。鉴于此,文章提出一种基于Box-Cox变换(Box-Cox transformation,BCT)的非线性退化数据建模方法。首先,采用BCT对非线性退化数据进行变换,将变换后的退化数据通过线性随机系数回归模型进行建模。然后,通过构建观测数据的概率密度函数,利用极大似然估计对于BCT中的模型参数进行辨识,并运用Bayesian理论对参数进行在线更新实现退化模型的动态校准。最后,分析经过BCT后的锂电池和轴承实际退化数据,其线性度与相关系数最高分别提升69.63%、9.19%,证明文章方法可行,具有潜在的工程应用价值。

Fourier变换在连续随机变量之和分布中的应用

本文给出了Fourier变换在求解相互独立的连续随机变量之和分布中的应用,证明了正态随机变量的可加性,方法简便、快速.这些充分显示了此工具的实用性.

基于自适应Fourier分解-同步提取变换的机械故障诊断方法

传统的同步提取变换方法(synchronous extraction transform,SET)用于机械故障诊断时,要求多分量信号满足各相邻模态的瞬时频率差大于所选取的SET窗函数频率支撑范围的2倍,否则容易产生频率混叠,实际信号往往无法满足该条件。此外,信号受到噪声的影响,难以获得故障的瞬时频率。针对传统的同步提取变换在机械故障诊断中存在的不足,结合自适应Fourier分解(AFD)和同步提取变换的各自优点,提出了一种基于AFD-SET的机械故障诊断方法。该方法能够有效处理频率接近的非平稳信号,准确地表达信号的瞬时频率,并且具有很快的收敛速度。仿真结果表明,提出的方法能够有效解决传统SET方法中的频率混叠,并具有更高的时频聚集性。将提出的方法应用到滚动轴承故障诊断中,诊断结果表明,该算法正确有效,能够有效提取出故障信号的频率特征。

基于Kaiser窗的分数阶Fourier变换与时频分析

分数阶Fourier变换作为传统Fourier变换的推广,与传统Fourier变换分析平稳信号类似,在实现对非平稳信号的时频分析过程中往往出现同样的频谱泄漏问题。为了提高分数阶Fourier变换与时频分析的精度,依据Kaiser窗可自由选择主瓣和旁瓣宽度的特性,提出一种基于Kaiser窗的分数阶Fourier变换算法,论述了Kaiser窗在分数阶Fourier变换中的作用原理,从理论上推导出一般信号基于Kaiser窗的分数阶Fourier变换解析时频表达式以及特性,最终得到非平稳信号的时频分布与时变结构参数识别算法。通过任意线性调频信号的仿真算例以及非平稳激励三层框架结构振动台试验,对结构进行瞬时频率识别和算法的验证。结果表明,瞬时频率识别值与理论值和试验结果吻合良好,Kaiser窗可以提高分数阶Fourier变换算法时频分析的精度,体现出该方法有一定的鲁棒性。

基于变换域分析和XGBoost算法的超短期风电功率预测模型

为应对传统超短期风电功率预测方法在数据潜在关系挖掘和模型收敛速度等方面存在的问题,提出了一种基于变换域分析和极端梯度提升回归树算法(extreme gradient boosting, XGBoost)的超短期风电功率预测方法。首先,通过时间滑动窗口和风电功率指标进行数据构建和低级特征提取。然后,结合快速傅里叶变换(fastFourier transform, FFT)和哈尔小波变换构成的多层次变换域分析方法对风电数据进行分解,充分考虑频域信息在特征学习中的重要性。最后,建立包含FFT、哈尔小波变换和XGBoost算法组合的超短期风电功率预测模型。实验结果表明,采用的多层次变换域分析方法能够充分挖掘原始特征之间的潜在关系,深入捕捉数据的时序关联性,而且XGBoost算法可以有效提升模型的预测性能,与其他预测模型相比,所提方法在不同数据集上均展现出较高的预测精度和较强的特征提取能力。

融入上下文特征提取的非自回归神经机器翻译

非自回归翻译(NAT)模型是一种消除目标句子中的顺序依赖关系的翻译模型,在推理速度上取得了显著的突破。然而该模型在翻译质量方面存在一些局限,为探究原因,主要对注意机制进行了细致而全面的初步研究,研究结果揭示了NAT模型在捕捉局部性特征方面存在明显不足。为此提出了一种通过明确引入周围词汇信息而改进NAT模型局部性能力的方法。具体而言,在编码器和解码器两个方向上引入了混合分组线性变换,以获得更具局部感知性的表示。通过在WMT14英德与WMT16英罗两个数据集上进行实验,结果表明该方法以微弱的速度代价分别提高了0.7与1.03个BLEU分数,这表明该研究方法在改善NAT模型的局部性特征提取方面具有显著的效果和潜力。

基于支持向量回归数据驱动的配电网潮流回归

随着大量分布式电源接入配电网,配电网潮流分布由原来的单向流动转为双向流动,配电网潮流分布不均、电压越限等问题频现,研究适用于主动配电网的潮流计算更为重要.由于中低压配电网电气参数往往收集不到,量测系统也不如输电网完备,开关动作导致的拓扑变化难以实时反映到监控系统.实践中难以将基于导纳矩阵的输电网潮流方法应用到中低压配电网中.鉴于此,本文提出一种数据驱动的潮流线性回归模型,以实现不依赖于配电网物理模型的潮流计算与分析.首先建立不同类型的母线已知量与未知量的映射关系;其次,进一步推导该模型母线类型变换的更新方式;然后构建基于支持向量回归(support vector regression,SVR)的潮流回归模型,通过嵌入高斯核函数以及对样本进行聚类更好地拟合潮流的非线性;最后,在多个IEEE标准系统和改进的IEEE33节点系统仿真验证了所提方法的有效性.

基于变换AUC的颈动脉斑块稳定性预测模型

为了准确识别颈动脉斑块的重要生物标志物,在改进生物标志物所包含信息量的度量方法的基础上,通过向前逐步回归建立了基于变换AUC(Transformed area under curve)的颈动脉斑块稳定性预测模型。首先,在ROC(Receiver operating characteristic)空间提出变换AUC,并给出该指标在双正态分布模型和自由分布模型下的估计方法;然后,使用R统计软件,对比分析变换AUC与AUC等常用评估指标对非传统生物标志物的评估性能;最后,基于浙江医院提供的影像数据,利用变换AUC度量生物标志物的信息量,使用向前逐步回归筛选模型的方法建立高精度的颈动脉斑块稳定性预测模型。研究结果表明,该颈动脉斑块稳定性预测模型的AUC值达到0.9以上,能够准确识别斑块的稳定性,为临床医师对患者进行个性化诊疗提供更精准的参考依据。

基于逻辑回归的直流串联电弧故障检测算法与设计

针对光伏系统中直流串联电弧故障,搭建了直流电弧试验平台。利用霍尔电流传感器获得大量故障电流数据,从数据的时频域中提取了四个能反映电流与电弧故障关系的特征量;提出一种计算特征量变化量的方法,有效避免了传统固定阈值比较法难以适用于复杂多样工况的问题;利用机器学习逻辑回归方法,得到电弧故障的检测参数,通过大量数据验证,发现几乎不会有电弧错报情况。所提算法能够运用于嵌入式设备并部署在光伏系统用于电弧检测。

基于偏最小二乘回归的土壤碱解氮含量估测

构建基于室内高光谱数据的土壤碱解氮含量估测模型,为快速、准确获取土壤中养分信息提供新的方法。对新疆乌鲁木齐市106个风干的土壤样品进行研磨过筛,在室内进行反射率光谱数据的采集,对采集的光谱数据进行Savitzky-Golay滤波、一阶微分(FDR)、连续统去除(CR)、多元散射校正(MSC)4种预处理,在此基础上利用连续投影算法对预处理后的数据进行特征波段的筛选,用偏最小二乘回归建立不同预处理后土壤碱解氮含量预测的高光谱分析模型。模型评价指标采用决定系数(R^(2))、均方根误差(RMSE)、相对分析误差(RPD)平均相对误差(MAE)。结果显示:4种预处理方法中以连续统去除处理的预测精度最为突出,其模型R^(2)、RMSE、RPD、MAE分别为0.90、13.0、2.26、0.13;模型的线性回归方程为:y=0.9316x+8.763。因此,利用连续统去除结合偏最小二乘回归,能够较好地估测乌鲁木齐市土壤中碱解氮的含量。该结果可为室内高光谱数据快速反演土壤碱解氮含量提供理论依据。

傅里叶变换红外光谱结合化学计量学快速预测熊胆粉中牛磺熊去氧胆酸与牛磺鹅去氧胆酸含量

目的:建立用于熊胆粉中牛磺熊去氧胆酸(TUDCA)及牛磺鹅去氧胆酸(TCDCA)含量预测的傅里叶变换红外光谱预测模型,对熊胆粉进行快速质量评价。方法:以高效液相色谱法测定的98批熊胆粉中TUDCA及TCDCA含量为化学参考值;采集样品的红外光谱,筛选最佳光谱预处理方法、光谱波段及主因子个数,建立TUDCA和TCDCA含量预测的偏最小二乘回归模型。结果:熊胆粉中TUDCA和TCDCA红外定量分析模型的校正集相关系数(R2)分别为0.9446和0.9382,校正集均方根误差(RMSEC)依次为0.9551%和1.2854%,验证集R2分别为0.9121和0.8410,验证集均方根误差(RMSEP)依次为1.3058%和1.8748%。配对t检验结果表明预测值与实测值之间无显著性差异。结论:所建立的2个PLSR模型稳定,预测结果准确,可用于熊胆粉中TUDCA及TCDCA的快速定量分析。

基于Zeta函数的Mellin变换及其应用

Mellin变换是一种以幂函数为积分核的积分变换,常用于广义留数定理、信号处理和渐进展开理论的相关研究中.从Mellin变换理论出发,基于Mellin变换与Fourier变换、Zeta函数的相互关系,推导了Zeta函数与Gamma函数相乘的Mellin变换形式,结合Euler乘积公式详细讨论了Mellin变换在Zeta函数变换中的应用方法和技巧.

使用快速傅里叶变换优化周期参数的EMD-FFT-SARIMA光伏发电预测模型

根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得到的各固有本征模态函数(IMF)分量周期计算问题,提出加入快速傅里叶变换(FFT)的周期计算方法,建立EMD-FFT-SARIMA光伏发电功率预测模型。再将每个IMF对应的预测结果进行叠加重构得到最终的预测结果。通过预测结果的误差计算可以发现,加入FFT环节后均方根误差(RMSE)从120.6 MW下降到19.3 MW,平均绝对误差(MAE)从52.87 MW下降到12.3 MW。

基于最优分位数回归随机森林和风险评估指数的统计负荷预测

为了支持智能电网的正常运行,应用前一天预测区间(PI)构建概率密度函数来分析随机负荷行为,实现对称区间预测。然而,此方法缺乏预测变量不确定性的预期风险信息,如天气条件和负荷变化,为此提出一种新型的统计负荷预测(SLF)模型,采用概率图、分位数回归随机森林(QRRF)和风险评估指数(RAI)获得负荷需求曲线预测风险的实际图解。为了掌握实际负荷工况,通过准确点预测结果构建所提出的SLF模型,并采用QRRF从各个分位数建立了PI。为了将外部因素的不确定性与实际负荷相关联,采用概率图计算训练范围内发生的最可能的分位数。根据当前输入,采用RAI计算PI的预期风险。所提出的SLF模型通过新英格兰电力系统数据进行验证,并与基准算法和Winkler评分进行比较。结果表明,与现有基准模型相比,所提方法能够建模更精确的负载PI以及风险评估。

河渠附近潜水一维非稳定流模型Fourier快解求解

对垂向交换量影响下的河渠附近潜水一维非稳定流模型,采用Boussinesq方程的第一线性化方法,在利用Fourier变换求解时,随河渠水位f(t)的变化,需要复杂繁琐的积分变换过程。在f(t)不直接参与变换的前提下,将f(t)用运算符代替并运行于变换过程中,依据Fourier变换的微分性质和卷积定理等性质,建立这类模型普遍适用的含f(t)的理论通用解;依据理论通用解,给出f(t)为几个常用函数时的模型解析解;利用理论通用解的求解方法,可避免大部分繁杂的积分变换运算过程。针对不同的河渠水位变动与垂向补给组合条件,建立利用潜水位动态监测数据计算模型参数的拐点法和配线法;实例演示,模型参数的求算过程。

回归教材基础,彰显创新应用--以“和差化积公式”教学为例

在新教材、新课程、新高考的“三新”背景下,三角函数中的三角恒等变换模块成为高考数学命题的一个基本点,围绕三角函数中的公式以及应用,成为高考命题的一个热点.基于简单的三角恒等变换,特别是和差化积公式与积化和差公式,是三角恒等变换的深度学习与创新应用,对于全面考查学生的“四基”以及数学能力等具有较好的作用,着力数学基础与创新应用,成为高考数学命题中既充分体现知识基础,又体现选拔功能的一类创新考点.

基于多元线性回归的古代玻璃体系判别方法

古代玻璃易受到外界影响而风化,从而导致内部化学成分发生变化,影响对古代玻璃化学成分体系的判别。为解决这些问题,在数据处理和加性对数比转换(ALR)后,根据数据构建并拟合了风化玻璃每种化学成分的预测函数以及玻璃体系的判别函数。通过风化后古代玻璃的化学组成含量预测相应的风化前化学成分,并将数据代入判别函数,从而确定玻璃样品的成分体系。随后通过实例说明了该方法的有效性和适用性,为研究古代玻璃体系提供了一种新的思路。

基于分数阶Fourier变换的LFM信号参数估计精度分析

本文采用一阶扰动分析的方法分析了基于分数阶Fourier变换的LFM信号参数估计精度,推导得到了频率估计误差均方值表达式和调频率估计误差均方值表达式,前者反比于信号时长,后者反比于信号时长的平方。结果表明,基于分数阶Fourier变换的LFM信号参数估计方法在估计精度方面达到了最优。