基于批均值的自相关过程EWMA控制图

给出基于批均值构造新过程的方法,证明了新过程仍然是平稳过程。针对q阶滑动平均过程(MA(q))给出了新过程的标准差截断公式,利用该公式构建修正EWMA控制图,并通过随机模拟给出平均运行批长。并将此控制图与利用新过程标准差构建的EWMA控制图和批均值控制图进行了比较,控制图和平均运行批长均表明利用标准差截断公式构建的修正EWMA控制图不仅优于批均值控制图,而且具有和利用新过程标准差构建的EWMA控制图相同的控制性能。由于新过程包括了原过程的几乎全部信息,所以在新过程的基础上设计的修正EWMA控制图能够完全反映原过程的生产情况。而修正EWMA控制图构造简单,易于实施,因此对现代生产过程具有很强的可行性和很高的利用价值。

重复批均值方法中的置信区间估计

在仿真实验设计以及仿真结果分析中,常常用到独立重复法和批均值法。独立重复法对多次运行的仿真结果进行特征分析,批均值法则用来对长时间运行的仿真结果进行特征分析。传统的独立重复法在数据有初始偏差时,以及批均值法在样本数据有自相关性时所给出估计的精确性会受到较大影响。重复批均值方法将独立重复法和批均值法相结合,在一定程度上克服了初始偏差和数据自相关的影响,但是运算量相应加大。考虑样本数据的初始偏差和自相关性,给出了重复批均值法的置信区间估计方法,并结合对未知稳态均值和方差估计,对3种方法进行了比较和分析。

采用加权处理的改进批均值法

针对传统离散事件系统(DEDS)仿真输出数据分析方法中批均值法易受初始状态和人为因素影响的缺点,提出了加权处理改进批均值法.采用不同的分类方法对批均值法中每批的观测结果进行分类,根据各个类别观测值的分布对各类观测结果赋相应的权值,用加权处理方法对观测值进行处理.算例结果表明,所提出的算法减小了观测值中因人为因素和初始值的影响而引起的偏移,使置信区间向观测值聚集区移动,当α=0.95,置信区间的长度较传统算法减小了8.5%,证明了改进批均值法的科学性和可靠性.

基于去噪自编码器网络特征降维与改进小批优化K均值算法的海量用户用电行为聚类及分析

海量用户用电特性的挖掘与分析对实现电网与用户间的双向互动具有十分重要的意义。提出一种适用于海量用户用电行为聚类及分析的算法,以降低算法时间复杂度,提升海量用户负荷数据分析效率。提取用户用电行为特征,构建多层去噪自编码网络,实现多维特征的降维;利用小批优化K均值算法进行聚类分析,并对算法进行初始聚类质心优化与超参数优化的改进以提升算法收敛速度与效果,其中超参数优化利用基于高斯过程的贝叶斯优化算法进行;利用类间分离度和类内内聚度的相关指标对聚类效果进行评价;通过互信息筛选有效聚类特征,实现用户画像。算例结果表明,所提方法在特征优化、聚类效果与收敛速度上均有较好的表现。

采用集散控制的多通道远程温控系统

该系统采用分组温度采集、批均值数据处理算法,孵化室、出雏室单侧独立加热控制,使室内平均温度和局部温度基本相同。系统温度处理算法能有效去除错误和失真信号,提高采集数据的正确性和系统的可靠性;集散式温度控制结构整合了局部温度信息并采用局部控制和整体控制结合的控制方式,降低了失控风险,提高了控制的效率。系统电路简单、处理速度高、可靠性好、成本低、是一种实用新型智能温控设备。