基于最小二乘法和BP神经网络的磁流变阻尼器H-B模型参数辨识方法

针对Bingham模型磁流变阻尼器由于剪切稀化效应带来的阻尼力计算误差,在理论和仿真分析的基础上,提出一种最小二乘法和BP神经网络相结合的方法,对磁流变阻尼器H-B模型进行参数辨识,获得各参数与电流的关系,从而对磁流变阻尼器的阻尼力进行准确计算。最后通过磁流变阻尼器实验对理论方法进行验证。结果表明:借助于磁流变阻尼器的仿真分析,最小二乘法和BP神经网络相结合的磁流变阻尼器H-B模型参数辨识方法精确度高、吻合性好,验证了参数辨识结果的通用性及准确性。

基于总体最小二乘法改进GM(1,1)模型的矿区沉降预测

【目的】针对煤矿区地表沉降受各种因素影响难以精确预测的问题,本研究提出采用总体最小二乘法(TLS)融入GM(1,1)模型进行试验研究。【方法】基于某矿区2011—2017年的沉降监测数据,分别采用基于总体最小二乘法(TLS)与最小二乘法(LS)的GM(1,1)模型进行预测试验。【结果】试验结果表明,基于GM(1,1)预测模型,采用TLS方法对2018年矿区沉降预测的精度较LS方法提高了0.49 mm;对2019年矿区沉降预测的精度较LS方法提高了0.55 mm。【结论】本研究验证了采用TLS方法的GM(1,1)模型相较于LS方法的GM(1,1)模型在矿区地面沉降预测中具有更高的精度和更好的效果。

基于最小二乘法三维坐标转换的模型变形研究

如何在保证三维模型可视化效果的前提下实现三维模型的变形,既满足三维模型脱密精度的要求又能满足三维产品的应用需求,是目前自然资源领域研究的一个热点。针对此问题,本文提出了一种适用于任意场景的三维模型变形方法,在限差给定的条件下,引入最小二乘法进行三维坐标转换,在此基础上在多视影像区域网平差阶段完成坐标转换,从而实现三维模型的无损变形。试验结果表明,本文提出的方法能够有效地避免三维模型坐标转换过程中纹理拉花、结构损失等问题,可以获得良好的变形效果,为当前三维模型的脱密变形提供了一条新的技术路线。

基于最小二乘法的欠驱动水面船舶模型预测控制

针对欠驱动水面船舶轨迹跟踪控制问题,根据模型预测控制(Model Predictive Control, MPC)原理,提出一种基于参数化模型的非线性模型预测控制(Parameterized Model-Nonlinear Model Predictive Control, PM-NMPC)方法。采用最小二乘法对船舶的参数化模型进行辩识,设计PM-NMPC控制器。对环境干扰下的某集装箱船艏向角控制和轨迹跟踪进行试验,验证控制算法的有效性,并将该控制器与比例积分微分控制器(Proportional plus Integral plus Derivative cotroller, PID cotroller)控制器进行对比。仿真结果表明,PM-NMPC控制器轨迹跟踪效果更好,对未知干扰具有更强的稳健性。

基于OLS+GWR模型的非粮化利用方式对耕地质量的影响

为探究不同非粮化利用方式对耕地质量的影响,基于最小二乘法线性回归(OLS)模型和地理加权回归(GER)模型对海南省儋州市部分地区非粮化耕地影响空间分布进行分析。结果表明,研究区采用景观苗木种植方式时,对中西部土壤有机质含量、东南和西南土壤pH值、东南地区面积加权形状指数影响较大,景观苗木种植方式是这3项指标的关键影响因素;研究区采用果树种植方式时,对于东部和西部地区土壤有机质含量、西部地区土壤破碎指数、东南和西南部分地区面积加权形状指数影响较大,果树种植方式是这3项指标的关键影响因素;研究区采用草坪种植方式时,对研究区东部地区破碎化指数和种植规模的影响较大,草坪种植是这2项指标的关键影响因素;研究区采用挖塘养殖方式时,对中部、西北和西南地区的土壤pH值、东南部分地区种植规模影响较大,挖塘养殖是这2项指标的关键影响因素。

基于最小二乘法赋权的ARIMA-LSTM模型预测入境旅游人数——以上海市为例

为降低新冠病毒感染疫情大流行对旅游业的二次冲击,对疫情防控期间入境旅游市场的需求进行准确预测可为后期旅游业复苏提供科学依据。以上海市为研究区域,选取入境旅游人数、主要客源国、谷歌搜索指数、新增确诊病例数等数据,定量分析疫情前后入境旅游人数的空间变化特征及时间变化趋势,并用基于最小二乘法赋权的ARIMA-LSTM模型预测疫情后的入境旅游人数。结果表明:(1)疫情发生前后,亚洲客源市场一直占据入境旅游市场的核心地位,且传统入境游客与非传统入境游客的比例约为9∶1;(2)入境旅游人数与谷歌搜索指数存在长期正相关及格兰杰因果关系,与确诊病例数无明显相关性;(3)通过对比模型评价指标发现,当ARIMA-LSTM模型的R2大于0.8时,拟合较好,预测误差较单一模型小,预测精度较单一模型高,适用于疫情前、中、后期的旅游人数恢复预测;(4)对2021—2024年入境旅游人数进行恢复预测,发现该期间入境旅游人数呈明显的U形曲线。自2022年12月疫情全面放开后,旅游业逐步恢复,预计入境旅游人数在2024年12月恢复至疫情前水平,即需1.5 a的恢复期。

基于二维云模型的进近管制系统安全风险评估

进近管制系统的安全运行是确保民航运输安全的关键。安全风险评估是风险管理的基础,其可以提升安全风险管理效率,提高系统整体运行的安全性。同时考虑安全风险因素和安全风险事件,从管制员风险、设备风险、气象环境风险、管制环境风险和管理风险等5大方面建立进近管制系统安全风险评估指标体系;通过二维云模型得到某进近管制系统的安全风险等级为Ⅲ级并与一维云模型对比,证明评估模型具有有效性。将组合赋权的方法与改进的层次分析法和CRITIC法作对比分析,结果表明:组合赋权的方法不仅减少了主观随意性,还中和了主客观权重的不足;使用组合赋权-二维云模型进行进近管制系统安全风险评估结果更加准确。

基于准最小二乘法的光伏阵列模型鲁棒参数估计方法

光伏阵列的模型参数估计在光伏发电系统的仿真、输出功率预测、最大功率点跟踪等方面有重要意义;当测量数据中只含随机误差时,以加权最小二乘(WLS)为优化函数的参数估计方法有较好的辩识效果;但是当测量数据中含有显著误差时,WLS参数辩识的效果较差;为解决此问题,提出了一种以准加权最小二乘法(QWLS)为优化函数的参数估计方法来减小显著误差的影响,采用了赤池信息量准则(AIC)设计QWLS最优参数,将该方法应用于光伏阵列中构造模型鲁棒参数估计问题;最后将WLS和QWLS分别结合序列二次规划(SQP)算法,进行光伏阵列模型的参数估计仿真与实验测试;测试结果显示QWLS参数估计结果更准确,验证了准最小二乘法的鲁棒性与有效性.

近红外光谱结合偏最小二乘法所建模型快速预测胆宁片中间体中大黄素的含量

为了提高检测效率,采用近红外光谱结合偏最小二乘法(PLS)建立了快速预测胆宁片中间体中大黄素含量的定量分析模型。使用近红外光谱仪采集136批训练集样品的原始近红外光谱图,以标准正态变量(SNV)+二阶导数(2^(nd))对原始近红外光谱数据进行预处理,在1300~1764 nm和1932~2200 nm两个波长范围内以PLS建立大黄素的定量分析模型。结果显示,模型的决定系数(R^(2))为0.7708,交叉验证均方根误差(RMSECV)为0.0862。用199批测试集样品进行验证,结果显示,模型分析得到的预测值与高效液相色谱法分析得到的参考值的相对平均偏差绝对值均不大于5.0%,表明该模型预测准确度较高。

基于加权最小二乘法的变保真代理模型

构建代理模型所用样本点可以分为高保真(high-fidelity,HF)和低保真(low-fidelity,LF)两类,前者准确率高,后者计算成本低,为了同时发挥两者的优点,提出了一种基于加权最小二乘法的变保真代理模型(MFS-WLS),该模型利用少量HF样本和大量LF样本,计算LF修正因子和差异函数的未知系数以表示高保真响应。将MFS-WLS与工程优化领域常用的两种变保真和一种单保真代理模型进行比较,结果表明MFS-WLS具有较高的预测精度和鲁棒性,最后通过压力机上梁轻量化设计案例进一步验证了模型的实用性。

基于核偏最小二乘法的热轧板凸度预测

以某2160 mm热连轧生产线为研究对象,结合生产数据和数据驱动算法,提出并建立基于核偏最小二乘法和偏最小二乘法的热轧板凸度预测模型,并对模型的参数进行调整和优化。结果表明:偏最小二乘法模型的预测值与实测值误差为-25~30μm,88.74%的板凸度预测值绝对误差小于10μm;核偏最小二乘法模型的预测值与实测值误差为-25~25μm,91.57%的板凸度预测值绝对误差小于10μm。因此,优化后的核偏最小二乘法模型具有更好的预测效果。

基于最小二乘法的锂离子电池参数辨识方法研究

目的针对使用戴维南等效电路模型对锂电池进行参数辨识不够精确的问题,提出一种二阶RC等效电路模型并对锂电池进行参数辨识。方法通过脉冲放电实验得到锂电池的相关数据,在MATLAB上使用最小二乘算法对所建立的二阶RC等效电路进行参数辨识,并对不同SOC(State of Charge)下锂电池各个参数的变化情况进行分析,通过计算锂电池的端电压来判断参数辨识的精确度,最后将辨识结果与戴维南等效电路模型所辨识的结果进行对比并分析。结果随着锂电池SOC下降,锂电池的各个参数会有轻微的波动,在锂电池的SOC处在较低的水平时,锂电池的各个参数变化比较剧烈,这是由于锂电池的化学浓差极化所导致的,当将辨识的参数用来求解锂电池的端电压时,随着时间的推移,发现锂电池的端电压的误差波动比较稳定,且最大误差不超过0.05 V,反观使用戴维南等效电路模型求得锂电池的端电压误差波动比较大,且最大误差超过了0.08 V。结论在锂电池参数辨识上二阶RC等效电路比戴维南等效电路更加准确,能够更好地描述锂电池的动静态特性,为后续对锂电池的荷电状态估计提供了有力的基础。

基于最小二乘法的光污染治理研究

虽然城市化带来了许多便利,但也给人们带来了许多问题,例如,污染,其中光污染[1]就是一个非常严重且容易被忽视的问题。近年来,光污染问题变得越来越严重。解决问题要建立光污染的度量标准基础之上,并因此提出减少光污染的干预策略。一个明亮的城市通常代表着城市的经济发展和良好的基础设施,但超额的亮度可能会浪费电力,对人体造成伤害,甚至影响生物多样性。

一种基于递推最小二乘法的运动平台剩磁差分测量与估计方法

地磁导航是通过对地球周围矢量磁场进行测量从而实现导航的一种方法.地磁导航在运动平台上应用的难点之一是平台剩磁对地磁测量的影响,严重污染了磁强计的测量.消除平台剩磁对地磁测量的影响成为地磁导航向应用转化的一项关键技术.为实现运动平台剩磁的有效测量与估计,提出了基于递推最小二乘法的运动平台剩磁差分测量与估计方法.基于载体干扰磁场值只与测量点到磁偶极子的距离和磁偶极子的磁矩有关的结论,根据磁偶极子的磁场分布特性,推导出一种基于内置磁强计阵列的运动平台剩磁差分估计模型,并通过递推最小二乘法求解差分估计模型.大量仿真实验表明,可以通过内置阵列磁强计对平台剩磁进行测量与估计,验证了所提出的平台剩磁估计方法的有效性.

基于多模型共识的偏最小二乘法用于近红外光谱定量分析

建立了多模型共识偏最小二乘(cPLS)建模方法,并应用于烟草样品近红外(NIR)光谱与常规成分氯含量之间的建模研究,探讨了建模参数对预测结果的影响.结果表明,cPLS方法与传统的偏最小二乘算法(PLS)相比,所建模型更稳定可靠,预测结果也可得到了明显改善.

基于神经网络偏最小二乘法的柴油机NO_x排放预测模型

分析了现有柴油机氮氧化物(NO_x)排放的预测方法,针对选择性催化还原技术(SCR)的控制需求,选用神经网络偏最小二乘法(NNPLS)作为NO_x排放预测模型建立的基础;该方法通过偏最小二乘法(PLS)提取成分,然后用神经网络(NN)拟合,具有PLS充分提取自变量中信息和NN非线性拟合性高的优点;并建立了某柴油机NO_x排放预测模型,该模型预测精度高,训练误差均方根和测试误差均方根分别为30×10-6和62×10-6.

基于正交最小二乘法的径向基神经网络模型

为提高神经网络模型的预测精度以及提高模型的计算效率,减少获得高精度模型的计算量,构建了基于正交最小二乘法的高斯径向基神经网络模型结构,给出了最小二乘法高斯径向基神经网络的递归模型.依据样本点序列信息,给出了高斯径向基函数中心参数的确定方法,并采用正交最小二乘法回归迭代,从而获得隐层同输出层间的连接权参数值.采用混沌Lorenz时间序列预测问题对该设计的网络模型进行验证,并同其他文献对该序列预测的精度以及迭代所需的时间作对比.结果表明,采用该设计方法获得的网络模型具有时间预测精度高及计算效率高等优点.

基于偏最小二乘法的平南县森林蓄积量估测模型研究

以平南县两景CBERS—02B影像为遥感数据源,提取CBERS—02B影像5个波段、植被指数的灰度值;利用研究区1∶10 000地形图提取海拔、坡度、坡向等GIS因子;以各遥感因子和GIS因子为自变量,研究区样地蓄积量为因变量,采用偏最小二乘法建立了森林蓄积量估测模型。结果表明:(1)CBERS—02B遥感影像5个波段,植被指数,郁闭度、海拔高、坡向、坡度等与蓄积量相关性不显著,且各因子之间存在明显的多重相关性;(2)运用偏最小二乘法建立的森林蓄积量估测模型,精度为85.44%,相对误差仅为-0.232%。研究结果为科学、准确、高效地估测森林蓄积量提供了理论依据和有效方法。

基于改进型非线性最小二乘法的作物模型隐含参数估计

为了使作物生长模型中的参数最优化,提出了一种改进型非线性最小二乘法在作物生长模型中隐含参数估计的应用技术,针对多目标项的情况提出了权矩阵的自动计算方法。通过良好的人机交互界面,使得该方法更精确、更有效、更方便。实验表明:用该方法对作物模型进行参数优化后,再对番茄生长的动态过程进行仿真,对模拟值和实测值进行比较,两者拟合程度很好。

基于辅助模型递推最小二乘法的Hammerstein模型多信号源辨识

针对含有过程噪声的Hammerstein模型,提出了一种基于辅助模型递推最小二乘法的Hammerstein模型多信号源辨识方法。采用多信号源实现Hammerstein模型的可辨识性和参数估计分离问题;将辅助模型引入到串联模块的最小二乘法辨识中,得到Hammerstein模型参数的无偏估计。仿真结果验证了该算法的有效性。