组合预测中权重的确定研究——最小绝对值法的应用

组合预测法的关键是确定组合的权重,着重研究了权重确定的不同方法。在讨论传统的组合预测方法的基础上,提出了新的组合预测方法,即以绝对值之和最小为目标函数的最小绝对值法.通过实例,将新方法和传统方法进行对比,验证了新方法的精确性和优越性.

线性模型辨识的最小绝对值法

提出用“最小绝对值法”辨识线性模型 ,讨论了最小绝对值法解的特性及使用其辨识线性模型的求解过程 .并以算例将最小绝对值法与传统的最小二乘法在模型辨识方面进行了比较 ,在一定条件下使用最小绝对值法辨识的线性模型的预测精度要比使用最小二乘法得到的模型的预测精度高 ,故而在一定范围内有良好的使用价值 .

以最小绝对值法建立沉降组合预测模型及应用

为了更多地利用全部有用信息,采用多种常用预测模型进行组合的预测方法,可根据有限的实测数据达到预测路基沉降的目的。组合预测法的关键是确定组合的权重,在讨论传统组合预测法的基础上,引入最小绝对值法计算权重。工程实例表明,最小绝对值法较其他权重计算法精度更高,有明显的优越性。

D-u关系的最小绝对值线性拟合法

采用最小绝对值方法对几类物质的冲击波速度D与波后粒子速度u的关系进行了直线拟合,并将其与常用的最小二乘法拟合的结果进行了比较。结果显示:对于实验数据分散性较小的密实材料(金属、离子晶体、氧化物等),两种方法拟合的线性系数一致;而对于实验数据分散性较大的一些疏松材料(包括液体等),两种方法拟合的线性系数有差异。对所有物质,最小绝对值法拟合的平均绝对误差比最小二乘法拟合的要小,因而最小绝对值法较最小二乘法有更高的准确性。同时讨论了导致这两种拟合差异的因素。

带权最小绝对值和法在粗差探测方面的应用

运用多余观观测分量特性,推导出带权最小绝对值和法在粗差探测方面应用的数学模型,并通过实例说明了此模型的可用性。

基于群智能的建筑配电网状态估计算法研究

针对现有建筑配电网不良数据检测方法应用在群智能系统架构时出现实时性差、准确性低等方面的不足,提出一种基于群智能系统架构的建筑配电网分布式状态估计算法。将全局估计问题分解为若干个子优化问题,分别在各个群智能节点上进行求解,依据基本电气原理建立约束方程,通过交替方向乘子算法实现各节点之间的协作,从而实现配电网的状态估计。最后,通过对某人防工程配电网算例仿真验证所提方法的有效性。与传统集中式系统架构下的状态估计方法相比,所提出方法的收敛速度和估计精度具有明显的优势。

最优沉降组合预测模型及应用

沉降预测在公路工程建设中具有重要的意义。利用实测沉降资料进行路堤沉降预测的常用模型,可以较好地反映其沉降变化发展规律及发展趋势,但尚存在一定的局限性,为了尽多的利用全部的有用信息,利用"组合预测"的思想,提出一种采用多种常用预测模型进行组合的预测方法,从而可根据有限的实测数据达到预测路基沉降的目的。组合预测法的关键是确定组合的权重,在讨论传统组合预测方法基础上,引入熵值法计算权重,工程实例表明,熵权法较其他权重计算方法精度更高,有明显的优越性。

基于递归神经网络的永磁同步电机参数辨识研究

电机参数的变化会加大永磁同步电动机(PMSM)的控制难度,所以研究参数辨识对于闭环控制系统的稳定运行有着重大的意义。在采用变分理论实现最小绝对值偏差法(LAD)的基础上,研究了一种基于递归神经网络(RNN)的辨识方法。仿真结果表明,该方法具有很快的收敛速度,能准确地辨识PMSM的定子电阻、d,q轴电枢电感及转子磁链等参数,并且具有良好鲁棒性,在出现参数变化或异常值情况下仍能辨识到正确结果。

针对发动机平面度的二维FusedLASSO多元统计控制图

针对具有二维平面自然顺序关系的多元数据,提出了一种基于二维Fused LASSO回归模型的多元统计过程控制图。由于二维Fused LASSO多元回归模型对相邻系数的差异进行惩罚,因此它对检测出变量间的自然顺序关系非常有效。通过数值仿真实验可以看到,二维Fused LASSO控制图能更加快速有效地检测出具有二维平面自然顺序的多元过程中均值发生的变化,且在偏移量越大的情况下优势更加明显。最后通过对发动机平面度数据的实例验证,给出了二维Fused LASSO控制图的步骤和适用性。