基于WGAN的小样本建模方法研究

针对小样本建模存在的模型拟合效果欠佳、参数估计不准确的问题,利用生成对抗网络可以捕获原始数据分布且能够生成服从其分布的数据的特性,文章将生成对抗网络用于扩展小样本数据的规模,并对生成的数据进行优化处理,使用优化后的数据集进行多元回归分析。结果表明,模型拟合结果与原始数据相比效果更好。生成对抗网络可以作为扩大样本量的一种方法,应用于经济社会统计中。

特征样本重复抽样建模方法和应用研究

本文在传统统计回归方法的基础上,构建了一种新的特征样本重复抽样回归(FSR)建模方法。该方法是依据变量特征采用机器抽样方法重复抽样,形成多个特征样本,然后对多个样本进行参数估计,形成参数的抽样分布;最后依据抽样分布,在多个优化目标要求下建立最优化模型。FSR方法能够作为社会科学研究中一种通用的建模方法。

基于多目标PSO混合优化的虚拟样本生成

受限于检测技术难度、高时间与经济成本等原因,难测参数的软测量模型建模样本存在数量少、分布稀疏与不平衡等问题,严重制约了数据驱动模型的泛化性能.针对以上问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization, MOPSO)混合优化的虚拟样本生成(Virtual sample generation, VSG)方法.首先,设计综合学习粒子群优化算法的种群表征机制,使其能够同时编码用于连续变量和离散变量;然后,定义具有多阶段多目标特性的综合学习粒子群优化算法适应度函数,使其能够在确保模型泛化性能的同时最小化虚拟样本数量;最后,提出面向虚拟样本生成的多目标混合优化任务以改进综合学习粒子群优化算法,使其能够适应虚拟样本优选过程的变维特性并提高收敛速度.同时,首次借鉴度量学习提出用于评价虚拟样本质量的综合评价指标和分布相似指标.利用基准数据集和真实工业数据集验证了所提方法的有效性和优越性.

捷联惯组历次测试数据时间序列建模与预报

提出了捷联惯组历次测试数据时间序列分析法。针对惯组历次测试数据少,小样本建模困难的问题,提出了通过二次修正插值的方法,构建惯组历次测试数据建模分析所需的时间序列。为解决惯组历次测试数据小样本建模问题提供一种可行的途径。最后通过时间序列预报,预测惯组误差系数的变化趋势,为使用、分析、挑选惯组提供了理论依据。

架空线路覆冰闪络跳闸特性分析与风险建模

极端冰灾天气下线路覆冰闪络跳闸是激发大电网脆弱性、导致大面积停电的重要因素。覆冰闪络跳闸等现象的风险评估是建立冰灾防御体系的基础。基于电网层面,进行了冰灾天气下线路覆冰闪络跳闸的风险状态识别与风险建模。根据覆冰闪络跳闸特性分析,界定了输电网绝缘系统的脆弱点,即覆冰期绝缘系统冰凌桥接、融冰期冰凌断流等临界点。进一步建立了覆冰闪络状态的划分原则与风险等级,并对预测冰况进行了模糊模式识别和风险评级,为运行人员提供了动态风险信息。针对数据的小样本、多输入等特点,采用统计学习理论结构风险最小化方法,构建了最小二乘支持向量机(least squares support vector machine,LSSVM)冰闪跳闸风险评估模型,依据贝叶斯(Bayesian)证据推理优化模型参数。通过与误差反向传播人工神经网络(artificial neural networkwith error back propagation,BP-ANN)算法对比,验证了该模型的有效性。最后通过脆弱性指标分析了网架结构破坏的严重性与电网绝缘系统的脆弱性。

信息优化的模糊神经网络在建模中的应用研究

提出采用信息聚类－扩散的模糊神经网络（ＩＣＥＦＮ）来对小样本建立模型的理论．利用信息扩散将分类小样本信息扩散至周围信息点，从而解决神经网络在小样本上无法建模的缺陷．同时，还采用了因素程度空间来扩展输入＼输出结点，减少隐结点数，使网络进一步符合实际系统．该方法用于降水量预测，取得了满意的仿真结果．

燃气轮机CCHP变工况节能特性研究

燃机冷热电联产因充分利用烟气余热而具有节能减排的重要价值,变工况运行是系统的工作常态,分析变工况节能效果有助于提高系统节能性。因系统运行工况十分复杂,一般采用建模仿真进行分析,当前主要建模仿真方法所需样本量过大,实际情况难以满足建模要求。为解决上述问题,设计了一种燃机三联产系统,基于CMSVM2.0平台应用LOOCV-SVM算法以小容量样本建立一套变工况模型。通过实例计算表明,基于小样本建立的模型精度可靠,可用于燃机三联产变工况节能性研究。