基于沙地猫群优化–最小二乘支持向量机的动态NOx排放预测

针对火电机组频繁调峰导致机组燃烧状态不稳,进而导致锅炉出口NOx浓度波动范围大的问题,提出一种基于沙地猫群优化(sand cat sarm optimization,SCSO)的最小二乘支持向量机(leastsquaressupportvectormachine,LSSVM) NOx动态预测模型。首先利用k近邻互信息计算时间延迟的同时筛选辅助变量。然后,基于SCSO算法进行输入变量阶次的选择。使用包含辅助变量时间延迟和阶次的信息作为模型的输入,SCSO算法优化最小二乘支持向量机参数,建立动态NOx排放最小二乘支持向量机预测模型(SCSO-LSSVM动态软测量模型)。最后将模型与未加入迟延的LSSVM模型,加入迟延的LSSVM模型和粒子群优化算法(particle swarm optimization,PSO)优化最小二乘支持向量机参数的动态软测量模型进行对比验证。结果表明,相较于其他模型,该文建立SCSO-LSSVM动态软测量模型均方根误差、平均绝对误差、平均绝对误差最小,预测精度最高,而且在NOx浓度剧烈波动时也能够较好地预测NOx浓度,具有很好的动态特性。

基于幂加权最小二乘拟合的红外相机辐射定标方法

分析了现有线性度计算方法的不足,提出基于偏差/测量值的新线性度评价方式,通过该方式最小二乘拟合的低端温度偏差比高端大一个数量级,并采用加权拟合提高系统响应线性度。在分析不同光谱的温度和辐亮度拟合函数基础上,提出一种基于辐亮度倒数幂加权最小二乘线性拟合的地面和星上辐射定标方法,确认最佳权重幂次,建立了幂次n=1的加权最小二乘拟合外黑体线性定标方程、内黑体线性定标方程、内外黑体辐亮度转换模型。针对星上内黑体高精度两点定标建立了基于加权最小二乘拟合内外黑体辐亮度转换模型;针对星上黑体发射率退化提出了基于恒星定标的红外相机星上内黑体辐亮度定标修正方法,建立了外黑体辐亮度、内黑体辐亮度和恒星辐亮度转换模型。采用加权线性拟合后,积分时间10 ms的低温端外黑体反演偏差由1.63 K下降到0.52 K,内黑体偏差反演温度偏差由0.83 K下降到0.39 K,系统响应线性度明显提升。

基于总体最小二乘-旋转不变算法的地表核磁共振信号参数估计

在地表核磁共振(SNMR)找水系统中,根据SNMR信号的参数能够预估地下含水层的储水量、导电性以及孔隙结构等信息。然而在实际应用中探测现场采集的SNMR信号十分微弱,易受到环境噪声干扰,导致无法直接获取SNMR信号的参数。针对这一问题,该文提出基于总体最小二乘-旋转不变法(TLS-ESPRIT)的地表核磁共振信号参数估计方法。基于谐波噪声与SNMR信号的相似信号特征构成一个由多个正弦衰减信号叠加的混合信号模型,使用TLS-ESPRIT将混合信号参数提取问题转换为旋转不变矩阵的广义特征值求解,从而获得SNMR信号的拉莫尔频率和弛豫时间,并结合最小二乘法求得其初始振幅和相位。仿真信号和实测信号实验结果表明此方法能够估计出混有随机噪声和工频谐波噪声的SNMR信号的参数,相比传统的谐波建模方法,在参数提取精度上效果更好。

基于最小二乘法的不干胶材料柔性版印刷网点增大及补偿研究

不干胶材料印刷品通常采用柔性版印刷,其印刷网点的变化影响着不干胶材料上图像复制的质量,因此需要进行网点增大补偿。本研究设计了柔性版印刷测试版,获取了不同印刷条件下的网点增大数据,基于最小二乘法,借助Matlab软件拟合了网点增大曲线,对比分析了印版硬度、印刷压力和加网线数对网点增大的影响。同时采用“网点实际增大补偿”算法对网点增大进行了补偿,并对补偿效果进行了模拟验证。研究结果表明,镜面铜版纸不干胶材料在柔性版印刷时应选用硬度偏大、加网线数适中的柔性版,并在尽可能小的印刷合压量条件下印刷;采用“网点实际增大补偿”算法对网点增大进行补偿,能较好地控制网点增大,还原印刷阶调。

正交偏最小二乘法探析大承气汤治疗急性胰腺炎多成分多药效关系

目的/意义分析大承气汤治疗急性胰腺炎实验数据,证实多成分多药效关系。方法/过程运用正交偏最小二乘法,分别探析配伍药味、煎煮液的药物成分、血液的药物成分与药效指标的关系。结果/结论配伍药味与药效指标之间、煎煮液的药物成分与药效指标之间、血液的药物成分与药效指标之间均存在一对多、多对一、多对多的作用关系。实验分析结果表明大承气汤治疗急性胰腺炎呈现多成分多药效的特点。

曲线曲面局部最小二乘渐进迭代逼近

作为一种有效的大数据拟合方法,曲线曲面最小二乘渐进迭代逼近方法(LSPIA)吸引了众多研究者的关注,并获得了广泛的应用。针对LSPIA算法拟合局部数据点效果较差的问题,提出了一种局部的LSPIA算法,称为LOCAL-LSPIA。首先,给定初始曲线(曲面)并从给定的数据点中选择部分数据点;然后在初始曲线(曲面)上选择需要调整的控制点;最后,LOCAL-LSPIA通过迭代调整这一部分控制点来生成一系列局部变化的拟合曲线(曲面),并且保证生成的曲线(曲面)的极限是在仅调整这部分控制点的情况下拟合部分数据点的最小二乘结果。在多个曲线曲面拟合上的实验结果表明,为达到相同的拟合精度,LOCAL-LSPIA算法比LSPIA算法需要的步骤和运算时间更少。因此,LOCAL-LSPIA是有效的,而且在拟合局部数据的情况下比LSPIA算法的收敛速度更快。

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法(LS)用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘(AFFRLS)改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘(VFFRLS)进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。

基于MRI定量非对称回波最小二乘估算水脂分离技术的成人腰椎骨髓脂肪与年龄和性别的相关性研究

目的:基于MRI定量非对称回波最小二乘估算水脂分离(iterative decomposition of water and fat with echo asymmetry and least-squares estimation image quantitation,IDEAL-IQ)技术探讨成年人腰椎不同节段骨髓脂肪与年龄和性别的关系。方法:收集298例受检者的MRI IDEAL-IQ脂肪分数图像,其中男性138例,女性160例,年龄20~69岁。将所有患者按照每10岁为一个年龄段分为5组:20~29岁(20~组),男24例,女20例;30~39岁(30~组),男47例,女39例;40~49岁(40~组),男36例,女47例;50~59岁(50~组),男20例,女37例;60~69岁(60~组),男11例,女17例。使用脂肪分数图在GE ADW4.6工作站测量L1~L5的骨髓质子密度脂肪分数(proton density fat fraction,PDFF)。结果:同一年龄组、不同性别间PDFF存在差异,20~、30~、40~组人群中,男性L1~L5椎体PDFF均高于女性(P<0.05);50~组人群中男性L1~L5椎体PDFF与女性的差异无统计学意义(P>0.05);60~组人群,男性L1~L5椎体PDFF均低于女性(P<0.05)。腰椎椎体PDFF与年龄呈正相关,女性(r=0.72,P<0.05)相关性高于男性(r=0.32,P<0.05)。从20~69岁,男性L4 PDFF增长率最大(21.08%),女性L1 PDFF增长率最大(65.68%);男性各椎体PDFF增长主要集中在30~及50~组,其中L1、L4、L5椎体PDFF在50~组增长率最大,L2、L3椎体PDFF在30~岁组增长率最大;女性各椎体PDFF在30~组呈轻微下降趋势,此后各椎体PDFF逐渐升高,增长主要集中在40~、50~、60~三个年龄组,其中50~组增长率最大。结论:成人不同年龄组男女性各椎体脂肪分布存在差异,椎体PDFF增长率也有所不同;腰椎不同节段椎体PDFF均与年龄呈正相关。

基于个性化最小二乘法的软特征集成实验方法

在生物特征识别技术的研究中,软特征的集成实验一直采用主特征之间的集成实验模型。软特征在适用范围、识别能力等方面与主特征有很大差别,直接使用主特征之间的集成机制无法有效地挖掘和利用软特征中的区分性信息,造成实验结果不够理想和准确。基于此,该文深入分析软特征的特性,提出“有效的互补性”和“个性化集成”两点集成要求,并在量化有效的互补性基础上,结合“最小错误率”目标,利用最小二乘法为每一个用户建立局部集成模型。将集成模型用于人脸识别和指纹识别两个实验场景,验证了该文对问题分析的合理性以及所提方法在提高识别准确率方面的有效性。

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。

偏最小二乘法在激光诱导击穿光谱定量分析中的应用研究

介绍了激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术、主元分析(principal component an alysis,PCA)法和偏最小二乘(partial least squares,PLS)法的基本原理。对Pb元素特征谱线附近的36个维度进行主成分信息提取,对36维波长数据压缩到2维后,采用每个样品的20个脉冲的主元分数进行偏最小二乘拟合,对数据进行平均处理后,拟合结果质量较高,拟合系数平方的值从0.49810提高到0.97000;残差平方和从0.72529下降到1.36366*10^(-4)。PCA法可以有效的缩减具有一定相关性的样本数据空间,对于数据维度较大的数据处理能显著提升效率,再结合PLS法拟合压缩后的主元,实验结论得出PLS适合用于LIBS定量分析。

无量纲最小二乘有限元法GPU实现及其在变压器绕组流场仿真中的应用研究

为了提高变压器流体场的计算效率,利用统一计算设备架构(compute unified device architecture,CUDA)实现流场的并行计算。首先基于C语言实现无量纲最小二乘有限元法的串行计算方法。然后在Visual Studio 2019+CUDA 10.2的环境下实现并行运算,对于串行程序中最耗时的线性方程组求解部分调用了CUDA自带的函数库进行优化;在大规模模型的数值计算中使用了十字链表格式存储整体刚度阵形成时的非零元素,以解决满阵存储时的内存不足问题。为验证所提方法的有效性,针对方腔模型,分析了不同剖分网格数量下的加速比,分析结果表明,数据规模越大并行效果越好,验证了无量纲最小二乘有限元并行程序的准确性和高效性。最后将该方法应用到大型变压器绕组的流体场分析中,取得了18.3倍的加速效果,为产品级变压器的流体场仿真奠定了基础。

偏最小二乘辅助紫外可见光谱法同时测定烟草中的葡萄糖与木糖含量

烟草中含有葡萄糖、果糖、麦芽糖、蔗糖、木糖等多种糖类物质,占据烟草干重的25%~50%,是烟草的重要组成部分,也是评估烟草内在品质的重要指标。不同的糖类物质在卷烟燃烧过程中会生成不同产物,从而直接或间接地影响卷烟的香气和口感。建立烟草中各种单糖的测定方法,对烟草制品的质量控制具有现实意义。传统的检测方法如费林试剂法、连续流动分析法只能对烟草中的水溶性糖或总糖含量进行测定,无法对单一糖组分进行定量检测;气相色谱、液相色谱等方法虽能检测出不同单项,但是存在样品前处理过程麻烦、检测耗时较长等局限性。该工作在传统间苯三酚显色法测定木糖的基础上,以显色机理对该方法进行改进,解决了该检测体系下葡萄糖显色效果不佳的技术问题,可通过紫外可见光谱技术简单、高效地实现对烟草及卷烟制品中葡萄糖和木糖含量的精准测定。当同时测定上述两种糖组分时,由于二者的紫外可见光谱出峰位置相近,会相互影响彼此的测量准确性。为消除这一干扰,采用偏最小二乘回归法(PLS)建立光谱分析的多元校正模型,辅助改进后的间苯三酚法对烟草及其制品中葡萄糖和木糖含量进行同时检测。研究结果表明:改进后的间苯三酚法对于葡萄糖和木糖的单糖溶液,浓度分别在0.05~0.4和0.10~0.80 mmol·L^(-1)范围内时线性关系良好,该方法的检出限和定量限分别为0.001 7、 0.005 7 mmol·L^(-1)和0.007 2、 0.024 mmol·L^(-1),批内变异系数的范围为0.69%~3.03%,加标回收率范围为96.72%~102.85%,提取液中木素含量对测定结果没有显著干扰。对于葡萄糖和木糖组成的混糖溶液,采用外部检验对模型效果进行评价,外部检验集的预测值与理论值的相关系数R^(2)=0.994 7,相对偏差小于10%。该方法能够快速准确的测定烟草及烟草制品中葡萄糖和木糖含量,为烟草行业提供一种有效的单糖分析方法。

基于最小二乘法线性回归的火炮身管寿命预测

为直观地判断火炮身管寿命,提出一种基于最小二乘法线性回归的预测方法。根据靶场身管参数试验数据分析火炮身管内径、药室长、弯曲度随射弹数增加的变化规律;利用最小二乘法线性回归建立火炮身管磨损量与射弹数的关系式;对某型火炮身管寿命进行预测。结果表明:该方法能够较为准确地预测出火炮身管寿命且算法简单,便于推广使用,可为火炮射击、退役报废等提供重要参考。

近红外光谱法结合偏最小二乘法预测生物柴油中甲醇的含量

生物柴油中甲醇的定量分析对其品质监控具有重要科学意义与实用价值,因此进行了题示研究。制作44个含不同体积分数甲醇的生物柴油样品,采集了相应的近红外光谱。采用Savitzky-Golay平滑滤波(SG)和标准正态变换(SNV)相结合的方法对原始光谱进行预处理,并采用协同区间偏最小二乘法(SIPLS)提取特征变量,确定在6270~6640 cm^(−1)和10900~11240 cm^(−1)波段内采用偏最小二乘法(PLS)建模。结果显示,所建SG-SNV-SIPLS-PLS模型的留一交叉验证决定系数R2 cv为0.9994,均方根误差RMSECV为0.0488,预测集决定系数R_(p)^(2)为0.9996,均方根误差RMSEP为0.0563,变量数为207,优于PLS模型以及单变量线性回归模型的。

基于最小二乘的椭圆拟合及其FPGA实现

针对现有的基于FPGA平台实现的最小二乘椭圆拟合算法中线性方程求解输出时延较大的问题,采用Cholesky分解法解线性方程,并对Cholesky分解中的平方根求解,运用单向旋转、合并迭代、迭代次数可调等手段,提出了一种基于CORDIC算法的迭代自适应的平方根求解结构。实验结果表明,改进的平方根求解算法对缩短Cholesky分解输出时延有良好的效果,Cholesky分解在FPGA平台相较于现有的LDLT分解法实现63.26%的速度提升;椭圆拟合算法在保证输出绝对误差小于0.1 pixel的情况下,FPGA平台相对于计算机软件实现了1000倍以上的速度提升,适合实时性要求较高的应用场合。

基于最小二乘回归的定量指标一致性评价的样本量公式研制

目的构建并验证基于最小二乘回归法的定量资料一致性评价的样本量计算公式。方法根据最小二乘回归法定量一致性评价的原理,结合统计推断和公式推导,获得基于回归常数和回归系数的样本量计算公式。同时,使用3个实例数据验证公式的准确性,并与Bland-Altman(BA)法样本量计算公式结果进行对比。结果通过公式推导得到回归法定量一致性评价的样本量计算公式,并用实例验证了本公式的准确性。此外,本公式与BA法样本量公式所得结果具有一定差异,在回归法样本量公式计算结果下,回归分析与BA法分析均能得到一致性结论;而在BA法公式结果下,回归分析与BA法分析一致性结论有时不成立。结论本研究首次提出用于回归法定量一致性评价的样本量公式,为该领域研究提供了方法学支持。

基于时变稳健加权最小二乘法的股市收益率预测

提出一类时变参数稳健加权最小二乘法(TRWLS),并将其用于预测标准普尔500指数收益率.该方法将时间相关权重与稳健估计权重相结合,既能捕捉参数时变性,又能降低数据噪声的影响.TRWLS模型组合揭示了经济和统计意义上均显著的收益率可预测性,而且预测能力明显高于普通最小二乘法.TRWLS模型的预测表现也好于传统时变参数模型和稳健回归模型.其预测能力主要来源于时间权重和稳健性权重的互补性以及超参数的学习能力.预测结果在调整多元信息组合方法、权重核函数和验证集长度的情况下均具有稳健性.

基于慢特征分析与最小二乘支持向量回归集成的草酸钴合成过程粒度预报

草酸钴合成过程是钴湿法冶炼的关键单元操作,其粒度分布是重要的质量指标,然而难以在线实时测量。同时,草酸钴合成过程通常存在非线性、多约束和慢时变特征。因此,提出一种集成慢特征分析(slow feature analysis,SFA)与最小二乘支持向量回归(least square support vector regression,LSSVR)的草酸钴粒度预报模型对草酸钴合成过程质量指标实现在线测量。在该方法中,首先,SFA方法可以有效地捕获过程的慢特征向量,解决慢时变问题;然后,利用LSSVR方法建立慢特征与粒度之间的非线性关系模型,进而实现质量指标在线预报。最后,应用非线性的数值案例以及草酸钴合成过程数据,验证该方法的有效性。实验结果显示:相较于单一的径向基函数神经网络(radial basis function neural network,RBFNN)、LSSVR预测模型以及SFA与NN相结合的预报模型,所提方法在数值案例中的预测精度分别提升了13.31%、2.26%、1.72%;在草酸钴合成过程中的预测精度分别提升了13.27%、9.96%、8.92%。

病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。