基于异常剔除平均排位法的高校录取分预测

平均排位法是近年使用较多的一种高校高考录取分数预测方法,具有计算简便、预测结果好的优点。但在实际应用中,因部分高校点招或补录会造成最低录取分偏低,背离了录取主体分数,进而影响平均排位法录取分预测的精度。文章使用方差分析找出高校潜在的录取分异常值,并在平均排位计算时予以剔除。通过对在河北招生的298所院校近5年数据分析,结果显示异常剔除平均排位法相对传统平均排位法具有更高的预测精度。

基于格拉布斯法的异常数据剔除方法初探——针对陶粒单颗粒强度实验

在陶粒工艺流程的探索中,为更快速地找到最合适的烧制工艺,可以采用测定单颗粒情况的方法来代替整体情况。但由于反映的是单颗粒情况,在大量的数据中,会有些许异常数据的产生。利用数据处理的方法,剔除单颗粒中的异常数据,确保实验数据更为准确可靠。

燃气轮机稳态试验数据异常值剔除方法研究

为确保燃气轮机整机性能评定的准确性,需对台架和机载性能测试数据进行稳态平均值求解。然而实际试验数据存在较多异常值,其对稳态平均值计算结果产生了较大的干扰。介绍了3种燃气轮机稳态试验数据异常值剔除的方法及其原理,包括莱茵达准则、均值迭代法及C模糊聚类方法,并以燃气轮机试验数据为对象,采用上述3种异常值剔除方法对试验数据进行了处理。计算结果表明:莱茵达准则、均值迭代法和C模糊聚类方法的数据处理精度基本一致,均适用于燃气轮机稳态试验数据异常值的剔除。研究成果可以为燃气轮机整机稳态试验数据处理提供参考。

近红外光谱法分析油页岩含油率中异常样品识别和剔除方法的研究

研究了漫反射近红外(NIR)光谱法分析油页岩含油率过程中异常样品的识别和剔除方法。在近红外光谱定量分析中,环境变化和操作失误等都会产生异常样品,异常样品的存在会导致模型的预测能力下降,因此异常样品的剔除是建模过程中的关键步骤。分别采用主成分分析—马氏距离(PCA-MD)法和半数重采样(RHM)法识别油页岩光谱数据中的异常样品,通过剔除异常样品后所建的偏最小二乘(PLS)分析模型的性能来评价PCA-MD与RHM方法对异常样品的识别能力。实验中考察了不同MD阈值和RHM置信度对异常样品剔除结果的影响,比较了单独和同时应用PCA-MD及RHM法识别并剔除异常样品后所得PLS模型的预测能力。结果表明:与所有样品参与建模时预测偏差均方根(RMSEP)相比,采用PCA-MD法时阈值取平均值与标准偏差之和时RMSEP降低了48.3%;采用RHM法时置信度取85%时RMSEP降低了27.5%;同时采用PCA-MD法和RHM法时RMSEP降低了44.8%,研究内容有效地提高了分析模型的预测能力。

剔除支持向量回归中异常数据算法

定义了回归问题中异常数据及其不满足回归映射关系差异程度的度量,分析了回归问题中理论映射模式与回归估计模式关系,提出并证明了回归问题中逐个剔除异常数据,建立回归估计模式逐步逼近理论模式的逐步逼近定理,并构建了以逐步逼近定理为理论依据的剔除支持向量回归中异常数据算法,理论分析了算法的收敛性和有效性。然后,引入逐步搜索算法改进剔除异常数据算法以解决大规模样本的支持向量回归中异常数据剔除问题,理论分析显示改进算法也是收敛的和有效的。最后,应用给定已知函数生成样本和UCI机器学习数据库样本数据仿真实验,结果显示算法是有效的和鲁棒的。

小样本道路旅行时间数据中的异常点剔除算法

利用车牌照匹配技术获取的小样本旅行时间数据中通常夹杂大量异常点,无法直接用以表征当前交通状态及交通旅行时间数据的动态、离散、小样本等特性,在传统剔除算法的基础上,提出了一种统计分析与模糊C均值聚类相结合的异常点剔除新方法。将新剔除方法与传统剔除方式效果进行分析比较,得出一种精确度较高的异常点剔除方法。仿真结果表明,该方法在处理交通小样本数据上,大幅度提高了异常点检测的准确性,能够有效过滤异常数据。

基于双向检验的异常数据剔除与修复方法

针对靶场复杂的试验环境及测量数据的特点,深入分析了异常数据产生的原因,提出了一种利用多项式拟合对测量结果数据进行双向检验,剔除异常数据的方法,并在检验结果满足修复条件时,对剔除数据进行加权修复。实际数据测试表明:本方法能够有效克服数据突变和段落性阶跃等干扰因素的影响,具有较好的模型稳定性和较高的异常数据剔除率,满足试验任务实际需求,具有较高的工程应用价值。

用Origin剔除线性拟合中实验数据的异常值

介绍了用MicrocalOrigin软件进行实验数据线性拟合的具体方法 ,利用其LabTalk编程和DataMask等高级功能 ,以肖维勒准则实现了异常数据的判断和剔除 .以核磁共振的稳态吸收中磁场强度和励磁电流的线性拟合实验为例 ,通过整个实验数据处理和分析的过程 ,展示了Origin直观、快捷、高效的特点 ,适合学生在物理实验的数据处理和分析中应用 .

利用DPS剔除测量数据中的异常值

本文简述判别测量值异常的三种统计学方法,并结合实例介绍如何利用DPS软件发现及剔除实验数据中异常值,该方法简单、直观、快捷,适合学生用于物理实验的数据处理和分析。

计量测试中异常数据剔除方法的探讨

文章基于计量测试中异常数据的产生和剔除方法,进行了分析和研究,从而尽可能准确、高效地剔除异常数据,结合实例分析了剔除方法在应用中应该注意的事项。

基于B样条曲线的异常数据剔除与修复

文章针对大量复杂的靶场观测数据,通过构造初始拟合数据,利用B样条曲线的方法构造递推模型,使用基于样条平滑方法估计的判断门限对双向检验的结果数据是否异常进行判定,并且对满足修复条件的数据进行拟合修复,当双向检验的结果不同时,通过构造内推模型来进一步检验。实例分析表明:文章提出的方法相对其他方法能更有效地剔除异常数据,通过数据分段处理能更有效地检验那些可能产生阶段性跳跃的数据,使得模型具有更好的稳定性、更广的适用性和更高的异常数据剔除率。

计量检定中3种判别和剔除异常值的统计方法

检定人员在日常计量检定的数据处理中,为使预处理的检定数据能准确地反映实际测量结果,需要熟练掌握一些判别和剔除异常值的统计方法。该文结合对标称值为5g的砝码进行测量次数为20次的计量检定实例,分别采用3种数学统计学中的判别和剔除异常值的方法(拉依达准则、格拉布斯准则和狄克逊准则),对比分析后发现:拉依达准则一般适用于n>50的情况;当统计单个异常值并且n处于[3,50]区间情况下,格拉布斯准则法剔除效果较好;狄克逊准则适用于对多个异常值的剔除。当对统计数值有较高要求时,可以3种统计方法同时进行,但是当出现既可能是异常值又可能不是异常值的情况时,该可疑值应该保留,不予以剔除。

多重约束下异常地震道自动剔除与质量监控

针对城区勘探中异常道发育的特点,采用分时间段的数据分析,提取不同时间段内地震数据的特征参数(能量、频率等),综合互相关参数、分频扫描、视衰减因子等检测不正常道,在多重约束下确定不正常道的位置,并自动剔除。在质量监控方面,对自动剔除的不正常道进行点-线-面的分析,确保自动剔除的效果,多重约束的处理方法既保证了坏道检测的准确性,又提高了工作效率。量化的质量监控方式使得处理人员了解已剔除的不正常道在空间的分布位置,便于检查与核实,文中图件展示了处理结果的有效性。

一种剔除测量异常点的循环逼近算法的设计技术及其工程应用

对基于"裹圆"结构的少半圆类零件进行反求设计时,三点定圆法会使测量误差放大,且圆心角越小,方法系数增长越剧烈,通常采用密集采点,然后对采集到的数据进行处理的方法评价圆弧,而剔除影响测量精密度的异常点是关键问题。提出一种操作性强、精度可靠、工程应用性强的循环逼近算法,此算法假设每一个测量值均为测量真值,得到一个标准公差数列,根据剔除测量点前后的标准公差最大值的相对误差判别该点是否剔除,逐步逼近设定的相对误差值,直至剔除前后标准公差数列基本无变化。此算法简单可行、实时性好,适合工程应用。

一种剔除机动车雷达模拟速度频率异常值方法

在检定固定式机动车雷达测速仪过程中处理机动车雷达测速仪模拟频率时,会出现环境或其他人为因素导致的模拟频率数值异常的现象,虽然频率数值仍符合JJG 527—2015《固定式机动车雷达测速仪》要求,但此时数据已失真。该文研究采用不确定度及附加修正系数来作为判断模拟频率是否存在异常值的方法,可有效剔除失真数据。通过判定异常值常用的统计方法验证发现,该方法能有效剔除异常值,同时也解决了雷达测速仪模拟频率因存在异常值而最终不准确的问题,提高了检定结果的准确性,降低了检定人员的工作强度,具有一定的应用价值。

港口水深测量数据处理中的异常点排除

从航运测量方面的GIS数据采集与处理着手,通过分析港口水域数据采集及数据处理产生异常的原因,结合数字高程模型生成软件,系统地提出了利用数字高程模型排除水深异常点的方法及处理流程,对数字高程模型在水深测量检查工作中的应用进行了有益的探索。

潜艇适航性监测的卡尔曼滤波器异常数据修正方法

结合潜艇适航性变量监测问题,研究了卡尔曼滤波器的原理和异常行为检测,分析了异常数据对卡尔曼滤波器影响,并通过新息分析和过程信号引入不确定性,给出了一种对异常数据进行剔除并对滤波器进行修正的方法。对潜艇适航性中的横摇进行了数值仿真,给出了经典卡尔曼滤波与改进卡尔曼滤波的对比仿真结果。仿真结果表明:采用改进算法处理,可以有效剔除偏差较大的异常数据;在滤波器已受到异常数据干扰的情况下,改进后的滤波器能够在较短的时间内修正异常数据并重新收敛。

机载设备测量数据中异常值判别与修正

研究机载设备异常数据的判别及修正问题,提出了改进多项式外推拟合算法,并在FPGA中对GPS和AHRS数据中的异常值进行判别和修正。根据机载数据的统计特性计算各物理量的标准差,对多项式外推拟合算法进行改进,简化了乘除法运算的硬件实现方式,使之适合并行工作方式的FPGA进行异常值快速判断和处理。飞行试验数据处理结果表明,该方法能够有效地判别、修正异常值,满足飞行试验要求。

状态监测异常数据过滤及告警机制

由于监测装置制造工艺缺陷,造成大量数据不准确,通过对输变电设备在线监测系统状态信息处理机制的研究,降低系统的误报率同时提升监测数据的可用性。首先进行数据过滤,剔除偏离度大的数据,然后通过阈值告警、趋势告警和突变告警机制得出相应的告警信息,最后对相应的告警信息进行加工得到最终的设备告警信息,从而消除了在线监测系统的误告警风暴,提升了系统的实用性。

基于贝叶斯优化的支持向量回归模型对电能表在线率的预测

为预测电能表的在线状态,保障塔里木油田生产用电,将迪那地区电能表在线数等24个变量作为研究对象,运用反向特征消除方法进行数据降维,得到影响在线率的5个主要变量。进一步通过贝叶斯优化的支持向量回归方法完成对电能表在线率的预测,并与随机森林算法、梯度提升算法等预测方法进行比较。计算结果表明,该模型在预测电能表在线率的任务中表现出色,预测值加权平均误差低至0.408%,明显优于其他各算法。以塔里木油田为例,该模型可提升电网运维效率,为实现高效的电能分配提出了一条切实可行的途径。