基于Lagrange插值算法的空间多维数据校准模型

针对采集设备在获取空间多维数据时往往是离散的,受设备故障、环境等因素的影响,空间多维数据会出现遗漏或异常问题,提出了基于Lagrange插值算法的空间多维数据校准模型。首先,建立星型和雪花型的空间多维数据库结构,明确数据分布特征。然后,预处理初始数据,经过参数初始化操作,实现数据维数一致性划分,提高数据质量。再通过信息熵蚁群聚类、优化合并等过程完成数据分类,将具有相同特征的数据聚集到同一簇中,减少离群点。最后,利用基函数确立Lagrange插值多项式,引入归一化思想,确保数值在一定区间内浮动,避免龙格现象,生成新的插值多项式,多项式计算结果即为校准的数据值。实验结果表明,该方法具有较好的数据预处理能力,能有效减少校准误差。

数据采集系统内部自动校准模型的建立

提出了由数据采集系统内部自动校准以零偏误差和增益误差为主的日常测试误差。依据若干合理的假设,建立了适用于数据采集系统中每次上电后通道自动校准的一系列模型:调零模型、标定模型、测量模型,并得出了如下结论:这三个模型均满足分段线性关系;测试模型的零偏可由调零模型消除;测试模型的增益可由标定模型确定。经实际操作验证,该方法正确、简便。

基于GA-BP神经网络的落锤液压动标装置准静态校准模型

在对测量冲击波用压电式压力传感器进行准静态校准时,通常采用落锤液压动标装置。为快速准确地调节落锤装置的工作参数,以产生所需的校准压力,该文利用一种基于遗传算法(GA)的反向传播(BP)神经网络建立了落锤液压动标装置的工作参数与所产生的压力峰值和压力脉宽之间的数学模型。测试结果表明,基于GA-BP神经网络算法求取的落锤装置准静态校准模型具有较高的拟合精度,其压力峰值误差不超过2%,压力脉宽误差小于1%,证明该研究结果具有工程应用价值。

红外测温校准模型研究

型号为MLX90614的传感器是红外测温传感器中的一种,常作为测量体温设备的核心部件。在应用此传感器测温的时候,测得的体温值存在误差,需要对该传感器测温进行校准处理。设计了一款基于STM32F103ZET6芯片的测温校准实验设备,包括红外测温模块、 OLED显示屏模块、按键模块和DS18b20测温模块等模块。根据协方差公式,结合实际的使用场景,提出了一种测温校准模型,以提高测温的准确性。

数字机场校准模型的设计及实现

数字机场校准模型是一种导航系统低空近程校准模型,它是机场导航系统校准过程的最高级别行为,是以机场和飞机为目标的校准、监测和测试系统。它以各导航子系统实物计量标准为组网基础,结合了导航信号IP核及专用构造函数等概念,把飞机的进场和离场全过程以三维全景全程方式动态地检测显示出来。

重新审视面向CNN模型的测试样例选取:考虑模型校准

深度神经网络(DNN)已被广泛应用于各种任务,而在部署前对DNN进行充分测试尤为重要,因此需要构建能够对DNN进行充分测试的测试集。由于标注成本受限,通常通过测试样例选取的方式得到测试子集。然而,人们使用基于预测不确定性的方法(该方法在发现误分类样例和提升重训练表现方面表现出卓越的能力)进行测试样例选取时,忽略了对测试样例的预测不确定性估计是否准确的问题。为了填补上述研究的空白,通过实验定性和定量地揭示了模型校准程度和测试样例选取任务中使用的不确定性指标之间的相关性。校准模型会使模型有更准确的预测不确定性估计,因此研究了不同校准程度的模型用不确定指标选取得到的测试子集质量是否不同。在3个公开数据集和4个卷积神经网络(CNN)架构模型上进行了充分的实验和分析,结果表明在CNN架构模型上:1)不确定指标和模型校准存在一定程度的相关性;2)校准程度好的模型所选择的测试子集质量优于校准程度差的模型选择的测试子集质量。在发现模型误分类样例的能力上,70.57%经过校准训练后的模型对应的实验结果优于未校准模型对应的实验结果。因此在测试样例选取任务中考虑模型校准十分重要,且可以使用模型校准来提升测试样例选取的表现。

基于模型校准的建筑冷负荷短期预测模型人工内扰特征变量获取方法

准确的短期建筑冷负荷预测对于建筑供能系统的运行优化具有重要意义。数据驱动模型因在挖掘建筑实际负荷特性、提高预测精度方面具有较大的优势而得到广泛应用。然而,内扰特征变量的缺失严重影响着数据驱动负荷预测模型的预测效果。为此,本文提出了一种利用模型校准技术从冷负荷时间序列中反向挖掘内扰相关数据信息的方法。案例研究结果表明,利用该方法获得的人工内扰特征变量数据对使用人工神经网络模型的短期建筑冷负荷预测效果的提升具有显著作用。相比于完全缺失内扰特征变量的预测模型,预测误差可降低11.46%,相比于使用日历信息作为内扰特征变量的预测模型,预测误差可降低6.51%。

缺资料流域SWAT适宜性模型校准新方法及应用

基于SWAT分布式水文模型,以伊犁河上游流域为研究区域,针对缺资料流域水资源评价关键问题,发展了一套综合流域特征、多时间尺度、多变量和多站点的适宜性模型校准新方法,应用中取得了较好的模拟结果:各站点在校准期和验证期均拟合较好,NSE和r^2均在0.6以上,最高达0.83,RE均在8%以内.结果表明模型在该校准方法下,较好地再现了流域的水文过程,其模拟结果可供流域水资源评价和管理参考.

单粒花生蔗糖含量近红外预测模型的建立

蔗糖含量是影响花生口感和风味的重要因素,培育高蔗糖甜味品种已成为食用型花生遗传改良的重要目标。因此,建立单粒花生蔗糖含量的近红外预测模型有助于加快甜花生品种选育进程。本研究选择128份遗传多样性丰富的代表性材料,采集了近红外光谱,利用高效液相色谱-折光指数检测器(HPLC-RID)测得蔗糖含量化学值,并利用偏最小二乘法(PLS)建立了单粒花生蔗糖含量的数学预测模型,其决定系数(R^(2))为0.913,交叉验证根均方差(RMSECV)为0.750。另选用50粒花生种子对预测模型进行外部验证,预测值和化学值的相关系数达0.92,表明本研究建立的模型预测值准确可靠。本研究建立的单粒花生蔗糖含量预测模型可以应用于杂交早期世代育种材料蔗糖含量的选择,也可以应用于高蔗糖材料纯度的筛选和鉴定,为食用型花生品种选育和产业化应用提供技术支撑。

±800 kV直流分压器校准分析计算模型研究与应用

直流分压器是特高压直流输电系统中不可缺少的主设备,其采集数据的准确性对电网的安全稳定运行至关重要。基于直流分压器的工作原理,分析致使直流分压器分压比变化的主要因素,通过数学公式直观的诠释分压比的不确定性,然后在研究分压比不确定性的基础上构建直流分压器校准分析计算模型,并试验证明了该模型对站用±800 kV直流分压器的校准水平高达10^(-5)~10^(-6)量级,大幅度提升了直流分压器量值测量的准确度。

大亚湾潮流数学模型的校准及验证

基于沿水深平均的二维浅水方程,建立了大亚湾的计算潮流的数学模型。使用了大亚湾中三个潮汐站和四个流速观测站的连续26小时同步测量资料,对该数学模型进行了校准和验证。

基于惩罚样条回归的模型校准估计方法

传统的广义回归抽样估计方法有一个严格的假设条件,即研究变量和辅助变量之间呈现线性关系,因此在非线性情形下的估计效果并不理想,而基于模型校准的抽样估计方法则能克服这种缺陷,可以较好地提升估计量的估计精度。文章在梳理已有的非参数超总体模型基础上,结合惩罚样条回归与模型校准估计法,介绍了一种新的基于惩罚样条回归的非参数模型校准估计方法,并在一定的设计条件下阐明了该估计量在模型辅助情况下具有渐近无偏性和服从渐近正态分布等优良性质。进一步的模拟研究结果显示,经过校准的估计量比未校准的估计量具有更高的估计精度,且在超总体模型中,随着非线性程度的增强,该估计量的估计精度比参数估计量有显著的提高。

基于元模型的多元输出仿真模型校准方法研究

为解决具有多元不同类型输出的仿真模型校准问题,提出一种基于优化和元模型的仿真模型校准方法.首先提出一种基于双层嵌套拉丁超立方抽样(LHS)的不确定性参数传播方法,获得系统同时含有认知和固有不确定性时的输出;其次,给出一种基于数据特征的仿真输出一致性度量方法,实现仿真多元异类输出的一致性度量;进而,利用随机Kriging模型拟合认知不确定性抽样样本与仿真输出一致性度量结果的元模型,并在该元模型上通过遗传算法实现校准过程.最后,通过实例验证了本文所提方法的有效性.

基于实际运行数据校准居住建筑热负荷模型中的人行为时间表

建筑能耗模拟在建筑设计、运行和改造过程中发挥着重要作用,为了使其贴合实际,需要对其校准。作为影响建筑能耗的重要因素,建筑人行为模式的合理设置是能耗模拟结果准确的前提。提出了一种居住建筑热负荷模型的人行为时间表校准方法:基于建筑能耗模拟软件TRNSYS和最优化软件GenOpt联合仿真的半自动校准平台,使用k-means聚类方法对室外温度进行聚类,根据聚类结果将供暖季划分为不同的时间段,对不同时间段内的人行为时间表分别进行校准。将该方法应用于一栋居住建筑,其校准后模型模拟的误差评价指标MBE和CV(RMSE)从校准前的-81.71%和83.89%分别降低到-2.91%和15.90%,满足相关标准对模型校准精度的要求。

混合类型辅助变量下模型校准抽样估计研究

在超总体模型中,一般用于构建模型的辅助变量多为连续型变量,对混合类型辅助变量的模型研究较少。为了同时利用与研究变量相关的连续型和离散型辅助变量的信息,本文提出在模型校准的框架下,利用非参数核回归方法,得到混合类型辅助变量下的模型校准估计量。研究证明,该估计量是渐进设计无偏、设计一致和渐进正态的,并给出了估计量的方差和方差的估计量。数值模拟的结果显示,本文在总体回归函数为线性和非线性的情况下,估计效果均有所提高。此外,通过CLHLS数据的验证也表明该估计量的效果优于仅利用连续型辅助变量的估计量。

无人机机载传感器现场校准方法研究

无人机(Unmaned Aerial Vehicle,UAV)的自动运行离不开传感器的支持,若传感器中出现误差时,会影响无人机的运行效果。为保证无人机传感器的控制精度,需研究无人机机载传感器现场校准方法。以观察目标偏移的偏离为判断标准,设定无人机机载传感器校准目标。通过灰度像素特征分量,对目标物进行跟踪和识别,在多个尺度因素下构建校准模型。依据超声波测距理论,实现传感器现场校准,完成方法设计。实验结果表明:以不同类型的传感器工作标准为测试前提,对给定的12组温度点进行测定。在所提方法应用下能够将现场校准时间控制在0.2 s内,并且校准后的实测误差为0.02℃,满足最大容许范围,具有应用效果。

完全辅助信息下非参数模型校准估计方法研究

大数据时代背景下,在现代化抽样调查实践中,一方面采集到各总体单位的完全辅助信息可以实现,能够利用完全辅助信息进行抽样估计,另一方面研究变量与辅助变量之间常呈现出非线性关系。在此情况下,如果仍然采用基于部分辅助信息的线性假定下的传统校准估计方法进行抽样估计,将存在信息浪费且估计方法不适用等缺陷。为解决以上两个问题,构建了完全辅助信息下的非参数模型校准估计方法体系,首先,将已有的校准估计方法归纳为基于部分辅助信息的传统校准估计和基于完全辅助信息的模型校准估计,然后,给出完全辅助信息下非参数模型校准估计量构建的基本思路,并提出基于局部多项式和惩罚样条两种具体类型的非参数模型校准估计量。研究发现,构建的非参数估计量具有设计无偏性、渐近正态性和一致性等优良的统计性质。进一步的模拟研究表明,非参数模型校准估计方法具有很强的适应性,且估计效率明显高于HT估计量和传统的校准估计量。

非概率样本模型辅助校准估计方法

大数据时代,如何高效地从高维数据中挖掘有效信息并进行统计推断逐渐成为人们关注的热点问题。文章基于高维数据研究如何充分利用已知辅助信息对非概率样本进行校准,主要包括两个方面的内容:一是在总体规模已知的情况下,对非概率样本进行模型辅助SCAD校准和模型辅助ALASSO校准,依次求出校准权重并对总体均值进行统计推断。二是在总体规模未知的情况下,对非概率样本进行估计控制模型辅助SCAD校准和估计控制模型辅助ALASSO校准,依次求出校准权重并对总体均值进行统计推断。

基于局部马尔科夫随机场的模型校准嘴唇分割方法

为了有效挖掘人说话时的唇动特征,提出了一种综合局部区域马尔科夫随机场(Markov random field,MRF)特性和模型校准的嘴唇分割方法。将嘴唇区域图像从RGB转换到LUX色彩空间,并利用对数化色彩分量U实现初始化轮廓的确定。沿轮廓选取固定半径的圆形窗口函数界定局部区域,再利用马尔科夫随机场进行嘴唇分割,并使用基于Kullback-Leiller(KL)距离的模型校准方法使局部区域之间的分割结果相互协调。实验证明,该方法可以在皮肤中分离出嘴唇,分割准确率高,鲁棒性好,具有较高的实用价值。

高速铁路GSM-R传播模型校准与覆盖模拟测试技术

正1概述通信GSM-R工程是高速铁路不可或缺的重要组成部分,我国高速铁路工程基本采用单网交织冗余的GSM-R网络。高速条件下运行的多普勒效应和电磁干扰会对列控信号传输造成巨大的负面影响,而且GSM-R网络也不同于普速铁路的450MHz无线列调系统。因此。