同步电机模型的模型条件和参数偏差分析

模型条件和参数偏差的研究对系统仿真和参数辨识具有重要意义。本文应用条件数的概念和理论,探讨模型的条件和参数偏差的关系;并以同步电机模型仿真和参数辨识过程为例,对其模型条件和参数产生偏差的原因及影响进行分析,得到一些有实际意义的结论。

日本海沟俯冲带海底地震动累积能量参数的条件预测模型

阿里亚斯强度(IA)、累积绝对速度(CAV)和峰值地面加速度(PGA)已被广泛用作地震动强度的评价指标.为了研究海底地震动特征及其能量累积效应,采用日本海沟区域的138次浅地壳地震的2605组三分量记录、125次俯冲板内地震的2669组三分量记录和267次俯冲板间地震的5693组三分量记录来建立IA-PGA和CAV-PGA条件模型,并研究其对震级(MW)、震源机制、断层距(Rrup)、海水深度(DW)以及剪切波速(VS)等于1.5 km·s^(-1)的深度(D15)等解释变量的潜在依赖性.基于条件模型,建立了海域的IA和CAV地震动预测方程(GMPE).研究结果表明:各个解释变量对条件模型有着不同影响,震级为主要影响因素;震级对海域的能量累积效应影响较大,随着震级增大,能量累积效应越大.通过基于条件模型得到IA和CAV预测模型与现有陆域的IA和CAV模型进行了比较,在相同震级和距离下,海域的能量累积效应要大于陆域.本文提供了海域的从PGA估算IA、CAV的方法,能用于损伤预测和评估、地震预警(EEW)和海啸预警等.

基于条件扩散模型的结直肠图像染色归一化

由于现有染色归一化方法无法准确提取结直肠病理图像的复杂结构特征,导致丢失部分结直肠病理图像的结构信息,无法生成高质量的染色归一化结直肠病理图像。为解决该问题,提出一种基于条件扩散模型的结直肠病理图像染色归一化方法,该方法包括条件扩散模型和图像特征重建。在条件扩散模型中,首先,使用马尔科夫链前向过程对结直肠病理原图像进行加噪声。然后,将噪声图像和条件图像输入到增强去噪网络中进行去噪,在这过程中利用增强激活模块,学习结直肠病理图像的深层特征,捕获更多的图像上下文信息。在编码器和解码器之间引入跳跃连接空间注意力模块,准确提取结直肠病理图像的位置空间信息。在图像特征重建中,设计金字塔特征提取模块,提取多尺度条件图像与生成图像的特征,并构建重建损失函数,优化整个网络的性能。实验结果表明,与现有方法相比,所提染色归一化方法在公共数据集GlaS和CRAG上的能生成质量更高的染色归一化结直肠病理图像。

基于广义自回归条件异方差选股模型的布林带通道突破择时量化交易

提出一种综合利用广义自回归条件异方差模型进行波动率选股、布林带通道突破择时和平均真实波幅(ATR)动态止损的量化投资策略。首先,利用广义自回归条件异方差(GARCH)模型预测未来一周波动率最大的30只股票,构建股票池;其次,采用布林带指标进行择时,捕捉价格趋势变化;最后,根据平均真实波幅指标调整止损位,保护资本。通过多次回测,确定最佳参数。研究结果表明,该策略在不同市场环境下均表现出色,熊市具有较好的避险能力,牛市和震荡市场具有较强的盈利能力,实现了稳定的超额收益。综合运用波动率选股、价格突破和动态止损策略,为投资者提供了一种有效的量化投资方案。

基于条件分布模型的干旱传递概率分析

气象干旱发展到一定程度可以传递为水文干旱。以潘家口水库流域1961—2010年逐月平均降水数据和潘家口水库的入库径流序列为基础数据,分别计算了1、3、6、12个月时间尺度的标准化降水指数(SPI)和标准化径流指数(SRI),以表征研究区域的气象干旱和水文干旱。基于条件分布模型,分析了不同时间尺度的气象干旱传递到未来的不同等级和不同的预测期(或滞后期)的水文干旱的概率。结果表明,当SPI时间尺度较短或预测期(滞后期)较短时,其对应的SRI水文干旱等级越倾向于维持与SPI相同的干旱等级;随着SPI时间尺度的增长或预测期(滞后期)延长,其对应的SRI水文干旱等级略低于气象干旱或恢复到正常状态。

中国金融机构的短期风险传染及长期关联因素动态结构分解——基于DCC-MIDAS模型的证据

探究机构间过度关联是防控系统性风险大面积爆发的关键,但金融机构间不可避免地存在长期关联,同时金融危机会触发机构间短期的风险传染。采用DCC-MIDAS模型,借助动态条件相关系数分解法,在统一框架下研究关联的长期和短期特征。通过短期关联的时变性和持续差异以及长期关联的敏感因素分析,探究中国金融体系在两个结构变化阶段,机构间风险传染范围、持续性以及金融机构间长期关联的宏观和微观特征。研究发现,机构间的冲击传染具有暂时性,随着中国金融机构的多元化,其传染幅度和持续性均有所下降。机构间的规模、杠杆差异能降低机构间的长期关联并间接降低冲击传染幅度,随着中国金融机构市场化程度的增强,长期关联受到市场因素影响程度增加。建议将机构差异化作为风险控制策略的参考因素,并检测和调控市场指标对关联程度的影响,防止机构形成过高的长期关联,以控制未来冲击中可能造成的风险传染。

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

基于体积应变的煤体渗透率模型及影响参数分析

为研究瓦斯压力变化过程中渗透率演化规律,基于煤体代表性单元体(REV)细观尺度参数与体积应变关联特征推导了4种不同形式渗透率模型。利用实验数据对模型进行了可靠性验证,分析了有效应力引起的应变和吸附应变的变化规律,并与经典渗透率模型(P-M模型、S-D模型、CONNELL模型)进行对比验证。讨论了模型参数的敏感性,明确了REV细观尺度参数与裂隙率、渗透率的相关关系,并分析了吸附应变系数影响机理,进而对国内主要矿井渗透率极值压力进行了研究。结果表明:基于REV体积应变与REV裂隙体积应变的4种渗透率模型,其REV体积应变与REV裂隙体积应变线性相关,相关系数为初始裂隙率;体积模量与吸附应变系数分别控制有效应力和吸附应变对渗透率的影响;恒定围压、恒定孔压、恒定差压3种实验条件下,相比经典渗透率模型,4种渗透率模型对实验数据都有较好的匹配效果,但双参数拟合(体积模量与吸附应变系数)相比单参数拟合(吸附应变系数),参数的拟合误差较大,由参数敏感性分析可知,当参数变化时(<10%)渗透率预测结果相比真实值也有较大偏差;以沁水盆地为例,计算的煤体REV细观尺度参数a_(0)、b_(0)范围分别为1.73~46.31μm和0.06~0.49μm;恒定围压与恒定差压条件下,吸附应变系数与差压大小、气体类型及初始裂隙率有关;国内主要矿井CO_(2)极值压力在0.94~5.33 MPa,CH4极值压力在1.06~6.94 MPa。

基于WPD-ARIMA-GARCH组合模型的酱卤肉制品安全风险区间预测

针对传统确定性预测不能提供不确定性信息的难题,本研究提出了一种点估计和区间估计组合预测模型,并将其创新性地应用在食品安全风险预警领域。在点估计部分,使用小波包分解(wavelet packet decomposition,WPD)对周风险等级序列分解后,应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型进行预测;在区间估计部分,使用广义自回归条件异方差(generalized autoregressive conditional heteroskedast,GARCH)模型对残差进行预测。本实验将建立的WPD-ARIMA-GARCH组合模型运用于某地区酱卤肉制品的风险预测,结果表明2019年的3月底和7月底该地区的酱卤肉制品安全风险较高,与实际情况相符;同时,该模型在10个不同地区的酱卤肉制品风险预测中,均方误差、平均绝对误差和平均绝对百分比误差分别为1.626、0.806和20.824;其90%置信区间的预测区间平均宽度和覆盖宽度标准值均为0.024,可以覆盖所有真实值。该模型具有较高的预测精度和较低的误差,能对酱卤肉制品质量安全起到风险防控作用,可为日常食品安全监管提供相应的技术支持。

论商圈模型的条件约束及其借鉴有效性问题

纵观学术界的研究,任何一种模型或是公式的构建都有其一定的假设和约束条件,如果忽视,就会导致模型或公式的应用不准甚至失效,同样,在商圈研究中,众多的商圈模型也都存在此类问题,本文就围绕商圈模型的条件以及有效性问题进行探讨。

条件概率模型在滑坡易发性分区中的应用

滑坡是山区分布最广泛且破坏力最强的地质灾害之一。甘肃省平凉市崆峒区滑坡易发性影响因子主要包括地层岩性、断裂构造、地形条件、河流距离和地貌类型,基于条件概率模型计算得出研究区滑坡低易发区占16.80%,中易发区占29.33%,高易发区占32.60%,极高易发区占21.27%。明确该地区滑坡易发性区间,可为进一步开展滑坡危险性评价和风险评估奠定基础,也可为研究区后期的发展及土地规划提供依据。

基于深度学习的调度检修预案生成模型构建

为解决传统的电力系统调度检修方法无法满足电力系统安全可靠运行要求,提出基于深度学习的调度检修预案,以提高电力系统的可靠性与运行效率。通过对数据进行收集与预处理,消除原始数据中的异常值、缺失值、错误数据。采用长短期记忆网络对电力系统历史数据进行训练学习,预测电力负荷及设备状态。采用条件生成模型,通过对抗训练来自动生成优化的调度检修预案。将提出的调度检修预案生成技术应用于实际的电力系统中,得到了电力系统1周的调度检修预案。为电力系统运维人员决策提供了参考。

基于归一化流概率模型的水电机组异常声音检测

为推进水电机组智能化运维的发展,提出了一种自注意多阶统计量池化(SAMOSP)归一化流条件概率模型(NFCPM)用于水电机组的无监督异常声音检测。文中首次提出了自注意多阶统计量池化模块。该模块首先用一维压缩卷积层和瓶颈压缩激励部分自注意到时间帧的权重向量。权重向量用来计算多阶统计池化向量。然后再分频段的自注意到多阶统计池化量的不同权重,并按其提取不同频段的重要统计量信息,从而得到时频图的自注意统计池化特征向量。接着用归一化流条件概率模型对从水轮机组正常音频信号中提取到的自注意统计池化特征向量进行正常数据的概率建模。不同时间段的测试样本在该正常数据概率模型中进行测试,并得到相应的分数。分数越低表示概率密度越低,则异常程度越大,从而实现水电机组音频信号的无监督异常检测。

基于自回归条件密度模型的短期负荷预测方法

基于对负荷时间序列高阶矩时变特征的研究,提出了一种基于自回归条件密度模型的短期负荷预测新方法.该方法通过引入含时变参数的有偏分布,对负荷时间序列二阶以上矩信息进行了分析和描述.基于南京地区日用电量实际历史数据,分析了该负荷时间序列的时变高阶矩特征,建立了自回归条件密度模型.使用条件对数极大似然估计对模型参数进行了估计,实现了短期负荷预测,验证了该方法的可行性和有效性.结合算例中自回归条件密度模型时变参数的取值范围,推导了时变参数与条件高阶矩的数理关系,给出了一种刻画时间序列时变高偏度(三阶矩)、时变高峰度(四阶矩)的途径.算例分析表明,基于有偏t分布的自回归条件密度负荷预测模型的预测效果良好.

条件矩模型模拟湍流扩散燃烧

对条件矩模型模拟湍流扩散燃烧进行了初步的研究.在条件矩模型中,标量的统计是以混合分数为条件的,条件平均使得非线性化学反应源项可以在一阶条件下被封闭.模拟结果和美国Sandia国家实验室的实验结果对比表明:对温度、主要组分浓度的预报结果是令人满意的,NO浓度的预报在趋势上也符合实验结果.误差分析表明,提高标量耗散率的预报精度和二阶条件矩模型都将有助于推动条件矩模型的发展.

条件矩模型对CH_4-空气扩散燃烧及其NO_x生成的数值模拟

采用Bilger提出的条件矩模型 ,在考虑辐射热损失的情况下对CH4-空气湍流射流扩散燃烧及其NOx生成进行了数值模拟 .对于湍流流动和混合分数场采用k -ε - f - g模型 ,对于组分浓度场采用条件矩模型的抛物线型方程 .将模型的模拟数据与美国Sandia国家实验室的实验数据对照结果表明 :条件矩模型能够很好地预报出湍流扩散燃烧的速度场、温度场和主要组分 (CH4、CO2 )浓度场 ,对NO的浓度场的预报结果与实验值的发展趋势相一致 。

条件脆弱模型在评价癫痫复发事件数据中的应用及实现

目的探讨条件脆弱模型在癫痫复发事件数据中的应用及软件实现。方法利用癫痫复发数据构建条件脆弱模型,采用惩罚偏似然函数进行参数估计、并与共享脆弱模型和Cox比例风险回归模型进行对比分析。结果条件脆弱模型分析复发数据既考虑复发时间的非独立性也考虑了异质性问题,可以用来评价癫痫复发临床疗效,结果解释合理,软件容易实现。结论条件脆弱模型可以较好分析复发数据,值得推广应用。

基于条件随机场模型的“评价特征-评价词”对抽取研究

自媒体环境下对海量评价信息进行情感分析与监控已越发重要,它不仅可推动观点挖掘的深入研究,而且可帮助企业探索用户需求以产生巨大的商业价值。本文在条件随机场模型(CRFs)的基础上,结合句法特性,通过实验选取合适的句法特性组合,寻找评价特征提取的路径;其次,构建了手机领域的评论语料库。然后,利用句法分析器把评论短句分解成相应的句法树,分析评价特征词和评价词之间存在的依存关系以及观点信息的完整性结构,利用算法将〈评价特征,评价词〉对从评论语料中抽取出来。提出了基于依存语法的〈评价特征,评价词〉对抽取方法,利用Arbor.js对〈评价特征,评价词〉对进行了可视化展示。从实验结果看,本方法能提高评价特征提取的准确性,并能正确地获取观点信息,为极性判断和完整的观点挖掘做了铺垫。

基于实际收益率分布的均值-方差-条件风险价值多目标投资优化模型

为改善均值-方差模型不能充分反映金融资产实际收益率分布的不足,在不对金融资产收益率分布做任何假设的基础上,引入条件风险价值度量金融资产重大损失风险,建立均值-方差-条件风险价值多目标投资优化模型,提出计算模型有效前沿的理论基础和算法步骤。基于上证50指数成分股的实际数据计算了该模型的有效前沿。计算结果表明:所提出的算法具有满足投资实践所要求的可操作性;投资组合实际收益率不服从正态分布,均值-条件风险价值模型有效集并不是均值-方差模型有效集的子集;相对均值-方差模型和均值-条件风险价值模型,均值-方差-条件风险价值模型能够更好地反映金融资产的实际收益率分布,提高投资者管理投资风险的能力。

基于层叠跳跃链条件随机场模型的因果关系标注

针对因果关系事件中对象、属性及其相互作用关系抽取工作的不足和因果关系中的长距离依赖问题,定义了创新问题的因果关系表达方式,提出了基于层叠跳跃链条件随机场的因果关系标注方法.首先通过低层线性链条件随机场模型对预处理过的候选集进行因果关系边界标注,其次对标注结果进行降噪和扩充,将其作为新的特征传递给高层跳跃链条件随机场模型用于识别因果角色,最后对高层结果进行指代消解和降噪.对多种类别的真实语料进行了实验,结果表明应用本方法可取得较好的标注效果.