基于多元回归算法的PaaS平台资源自动化分配方法

针对PaaS平台下资源离散性过强、数据量过大导致的分配不均问题,提出了一种基于多元回归的自动化分配算法实现有效解决。统计所有资源数据样本,利用多元回归算法计算观测序列中残差平方和最小的样本集,代入损失函数中求出损失差值,得到最小损失值,根据梯度下降规律寻找集合中梯度值最优样本,以该样本作为分配参照。设立一套内容为分配与参考样本值相关度最高的资源数据约束条件,不断迭代计算直至求得所有符合约束条件的资源,将符合条件的为一组分配,剩余为另一组分配。根据资源的时间和位数的分布序列,不断实施离散捕捉查找残留资源,再实施二次分配。仿真实验证明,所提方法分配后PaaS平台资源吞吐量增加,消耗代价减少,算法分配时间较低,整体实用能力强。

基于多元回归算法的轴承表面粗糙度误差测量技术

为增强轴承元件对外在作用压力的承受能力,避免因滑动摩擦而对轴承设备的转动造成影响,本文基于多元回归算法的轴承表面粗糙度误差测量技术展开研究。根据压力关系定义合理选取粗糙度评价指标,按照局部加权回归处理原则建立基于多元回归算法的轴承压力模型。分析粗糙度信息的构成形式,借助压电传感器设备得到误差测量结果。与非介入型测量方法相比,在多元回归算法支持下,轴承表面粗糙度参数的示值稳定性更强,且重复性水平更低,能够实现对轴承表面粗糙度误差的准确测量。

基于多元回归算法的用电分析系统设计

针对移动基站在用电方面的网络化需求,提出一种基于多元回归算法的用电分析系统。结合移动基站在用电方面的特点,提出本系统设计的基本思路,并对系统整体架构和基本功能进行设计;构建多元回归模型,对移动基站的电力需求进行预测分析,并分析影响移动基站用电的影响因素,以此为移动运营企业在用电方面的改进提供相关的参考。

基于主成分分析的多元回归算法在电力预测中的应用

在电力生产部门,电力预测一直是一项重要工作,通过引入多元回归算法建立相应的模型能提高电力预测的精确程度。多元回归是一种处理变量的统计相关关系的数理统计方法,现通过主成分分析来重构输入空间,以改进模型预测精度。

基于前置平滑的苗圃监测数据多元回归拟合方法

针对大面积苗圃生产环境监测网络中存在异常数据的问题,提出一种基于局部和全局平滑计算为前置条件的多元回归模型,实现监测数据的异常数据的去除和拟合处理。首先,利用局部加权回归散点平滑法和三次指数平滑法对实时采集数据进平滑处理,然后建立以两种方法数据平滑结果为自变量,预测结果为因变量的多元回归模型,进行数据精确拟合。该模型在苗圃监测系统中应用,通过模型计算可有效修正数据噪声,将异常值拟合至真实值附近,拟合精度稳定在10%以内,提高了苗圃监测数据的准确性和生产决策可信度。

利用多元回归方法反演中国陆地地区AVHRR气溶胶光学厚度

AVHRR陆地气溶胶光学厚度（AOD）反演算法的开发对研究长时间气溶胶的变化规律有重要意义。通过建立AVHRRLevel 1b的观测量与同时进行观测的MODIS的AOD产品的对应关系,利用多元回归的数学算法进行AVHRR陆地AOD的反演。以2008~2011年两者的匹配数据作为回归样本获得多元回归系数,再应用到2003~2007年中国陆地地区AVHRR的观测上得到了AOD的时空分布,结果表明其空间分布特征与MODIS一致。将反演结果与同期的Aqua/MODIS及AERONET的AOD对比分析得到,AVHRR和MODIS的AOD的变化趋势具有很好的一致性。北京、香河等AERONET的观测值与AVHRR反演的AOD相关系数也在0.6以上。以上结果表明,此多元回归方法对历史AVHRR陆地AOD数据集的反演具有巨大潜力。

贝叶斯校正算法在软件估算模型COCOMOⅡ中的应用

软件估算模型COCOMOⅡ的研究目标在于建立起一个能够适用于当前的软件开发并且每年更新的模型,使之能够估算软件开发活动中的成本、工作量及时间安排。为了提高COCOMOⅡ的估算精度,采用归纳性的分析方法———贝叶斯校正算法对其进行校正,在逻辑一致的基础上根据先验信息和样本信息作出推论,得到的后验结果能够较大幅度提高估算精度,是对COCOMOⅡ模型的进一步完善。

基于神经网络算法的发射场坪承载能力预测方法

为进一步提高发射场坪的快速选定能力,提出基于线性多元回归算法、反向传播(BP)神经网络算法和径向基函数(RBF)神经网络算法的发射场坪承载特性近似模型,对其承载能力进行快速预测。采用了引入参数敏感度的优化拉丁超立方采样方法,构建样本空间并分别建立起竖载荷和发射载荷下的算法预测近似模型;利用上述预测算法,通过某结构参数未知的场坪在起竖载荷下的动力学响应,预测其在发射载荷下的可能最大弯沉值,判断土基弹性模量未知的发射场坪承载能力。结果表明:RBF神经网络算法对起竖载荷和发射载荷下的场坪最大弯沉量均具有最优的预测性能,与有限元计算结果相对比,回归系数分别为0.941和0.983,模型精度较高,具有可信性;预测结果与仿真结果的平均误差为10.46%;对于承载强度较大的场坪,残差范围在±2 mm以内,对发射过程中的场坪选定决策具有参考价值。

基于多元回归混合优化算法参数辨识的电子节气门开度跟踪控制研究

提出了简化的节气门模型结构,采用了多元回归混合优化算法(Multiple regression chaos optimization algorithm,MRCOA),完成了参数辨识.该方法相比于传统的COA算法,在模型精度和算法收敛速度上都有明显提高.基于简化的节气门模型,提出了模型前馈加反步法(backstepping)反馈相结合的开度控制方法.实验表明,该方法相比于反步法开度控制在响应速度和超调量方面具有明显的优势.

基于盾构数据驱动的地质条件动态预测

隧道盾构施工过程中掌子面前方的地质条件对开挖稳定性有较大影响。当前地质条件主要依赖开挖前的钻孔勘探试验,但受限于试验条件及成本制约,只能获取稀疏条状的样本数据,难以满足盾构开挖的实时需要。对此,提出基于数据驱动的地质条件动态预测模型,将地表沉降视作盾构参数与地质条件共同作用下的土体响应行为,同时考虑到地质条件在空间上的连续性,通过logistics多元回归算法建立地质条件、盾构参数与地表沉降的关系,基于观测的地表沉降响应量、盾构参数和已知钻探地质条件来动态预测掌子面前方的地质条件。将模型应用于武汉地铁某盾构区间,通过模型输出值与真实值的比较验证了模型的精度,相关结论为盾构施工提供了决策支持。

中国空中交通管制员胜任特点分析

胜任特征常常作为人力资源对员工的工作能力和胜任能力的衡量和评价的依据,它是个人潜力以及实际职位执行能力的一种象征,常常表现在对员工在社会角色、技能、专业知识、自我概念以及特质和动机这几个方面的评价。胜任特征是企业行业管理层以及HR进行优秀员工与一般员工的筛选工作的重要依据,已经越来越广泛地运用在各行各业的招聘、绩效、薪酬等管理中。空中交通管制员作为技能要求较高的行业人才,其工作需求对员工的心理特征以及工作能力要求更为苛刻,通过对空管员进行胜任特征分析,能够大大提高空管员的选拔成效。

汽车变速器盘轮不平衡问题的研究

通过试验对影响盘轮不平衡的2个显著因素--壁厚差值和形状不规进行研究,使用多元线性回归算法对盘轮不平衡量与2个影响显著因素之间的数学模型进行量化分析研究。在此研究基础上,使用去重方法对盘轮进行去重研究,并使用算法求解去重平衡孔个数与去重平衡孔位置。

面向在线学习行为分析的学习效果预测方法研究

近年来,随着各种MOOC平台和视频网站的发展以及新冠疫情的影响,在线学习已经成为高校学生获取知识的常用方式之一。同时高校教学模式改革也将各种信息化平台和工具引入传统课堂教学。以高校一个本科生教学班为研究样本,使用Python爬虫技术获取学生线上学习数据,采用多元回归算法从多个维度对学生学习行为数据进行计算分析,预测学生的学习效果,以便及时地对学生的在线学习行为进行预警。

动态车辆轮廓测量技术在公路上的应用

交通运输既是国民经济的基础产业,又是推动国民经济发展和社会进步的基础条件,近年来,受经济结构和利益驱动的双重影响,公路超限运输现象普遍存在。超限运输危害巨大,治理超限超载现象,对经济社会的可持续发展具有重要意义。动态车辆轮廓测量技术的普及应用,可以有效遏制超限超载车辆,可以准确地测量出车辆轮廓的实际尺寸,利用脉冲式激光测距技术及多次回波检测技术,实现对车辆轮廓的动态测量,检测精度极高,实现完全意义上的不停车自动检测。