对数正态多层贝叶斯混合模型的参数估计

用传统的正态多层贝叶斯混合模型在对具有均值异质性和方差异质性的偏态分布数据进行统计推断时效果不佳.针对这一问题,本文对数正态多层先验分布的构造与贝叶斯定理相结合,并引入到混合模型中,从而建立了对数正态多层贝叶斯混合模型.在混合模型的混合个数(k)已知的情况下,利用Gibbs抽样算法对各未知参数进行贝叶斯估计,并对使用Gibbs算法所生成的迭代链进行收敛性诊断.随机模拟结果显示,在相对误差、均方误差(MSE)准则下,贝叶斯估计的效果较似然估计更优.最后,通过实证分析证明了所建立的模型是切实可行的.

基于混合模型的特种车辆转向泵马达性能评估

为了实现转向泵马达运行性能的实时评估,首先构建了转向泵马达物理模型,该模型考虑了转向泵马达运行机理,通过求解泵马达外特性方程、液压回路平衡方程、内部流量计算方程等,实现内部不可测参数的初步评估与计算,进而获得各类参数对转向泵马达性能的影响机制.同时采用LSTM深度学习方法构建了转向泵马达数据驱动模型,学习并预测不同工况下转向泵马达容积效率的变化规律,并将其输入至物理模型形成转向泵马达性能评估混合模型,提高不同工况条件下转向泵马达性能评估的准确性及适用性.实例分析表明,该混合模型可实现复杂工况下转向泵马达高低压侧压力、流量、转速及转矩等参数的计算与评估,模型误差低于10%.

基于高维混合模型的离心泵叶轮子午面优化设计

为提高离心泵在设计工况下的运行效率和扬程,提出一种基于高维混合模型的离心泵叶轮优化设计方法.选取一台比转数为157的单级离心泵作为研究对象,通过CFturbo软件对优化变量进行参数化,然后结合数值模拟获得高维混合模型的训练集.在此基础上采用获取的训练集通过MATLAB机器学习得出效率、扬程与优化参数之间关于支持向量回归的高维模型,并采用遗传算法寻优.在设计工况下,所拟合的高维混合模型预测的效率和扬程值比原模型分别高1.5%和3.2 m,数值模拟验证优化方案的效率和扬程分别比原模型高0.9%和2.1 m.算例研究表明,将高维混合模型应用于离心泵叶轮的优化设计中可以实现快速寻优并提高离心泵水力性能.

基于层次分解、主成分分析和高斯混合模型的火成岩岩性识别——以惠州26洼古潜山为例

火成岩油气成藏规律复杂,受到火山运动、强构造运动以及风化剥蚀等叠加影响,火成岩的化学成分和结构构造复杂多样,非均质性极强,采用常规岩性识别方法难以一次性将所有岩性准确识别。借鉴层次分解思路,以惠州26洼古潜山为例,提出了一种火成岩岩性测井识别分类方法:综合考虑火成岩地质分类原则和测井响应特征来确定岩性识别层级,基于这种层次性的分类原则,在每一层次定量优选岩性识别敏感参数,建立研究区岩性识别优选层级;在明确岩性识别优选层级的基础上,逐级逐次使用主成分分析(PCA)和高斯混合模型(GMM)对岩性进行判别并确定其计算函数,建立分级优选岩性识别模型,最终达到整体岩性区分的目的。研究结果表明,研究区辉绿岩和闪长岩识别正确率分别为87.31%和84.32%,未分级未优选辉绿岩和闪长岩识别正确率为60.45%和54.88%,分级未优选其岩性识别正确率为69.61%和67.04%,有效提高了研究区的复杂岩性识别精度。该方法的提出对提高火成岩岩性识别精度提供了一种思路,也为研究区古潜山火成岩岩性精确识别提供了参考依据。

成年中期抑郁情绪的变化轨迹:基于增长混合模型

选取中国家庭追踪调查(CFPS)中的10654名成年中期被试,采用增长混合模型,探讨抑郁情绪变化轨迹的异质性及其相关因素。结果发现:成年中期抑郁情绪变化轨迹存在低抑郁-稳定组(87%)、中抑郁-下降组(8%)与低抑郁-陡升组(5%)三种类别,相对于低抑郁-稳定组,中抑郁-下降组和低抑郁-陡升组中女性、农村居民与受教育水平较低者所占比例更大。成年中期抑郁情绪的变化轨迹呈现异质性,并且女性、农村居民与受教育水平较低者存在更高的抑郁情绪发展风险。

基于高斯混合模型的采煤工作面冲击危险性评价

【目的】深入了解声发射或微震能量分布所蕴含的概率学信息,对于工作面回采过程中的冲击危险性评价具有重要意义。【方法】以陕西大佛寺煤矿4号煤层40111工作面作为工程背景,运用物理相似模拟实验、理论分析、现场监测等相关方法进行分析,研究了声发射监测数据在回采过程中的演化规律,阐明了声发射能量概率分布呈现波动性的物理意义,提出了基于高斯混合模型(Gaussianminture model,GMM)及置信区间的冲击危险性评价指标模型,并由现场微震数据进行验证。【结果和结论】结果表明:回采过程中上覆岩层周期性垮落并伴随声发射能量的集中释放。总能量的概率密度函数呈现多自由度的非对称分布,通过对比残差平方和等多项拟合效果指标,确定高斯混合模型为最佳拟合模型。基于EM(expectation maximization)算法的GMM聚类分析,将声发射事件总能量分布划分为两类:高频低能型和低频高能型,其中低频高能型与冲击事件的突发性和高能量破坏特征一致。依据概率-能量梯度变化特征,对工作面开采过程中冲击危险性进行了评估。研究成果为采煤工作面冲击危险性评价提供了概率学上的创新思路,具有在冲击地压监测预警及后续防治中的潜在应用价值。

基于非凸熵最小化与高斯混合模型聚类的电容层析成像图像重建

基于压缩感知原理提出了一种构建非凸熵(NE)函数作为正则化项的方法,在有效缓解电容层析成像(ECT)病态性逆问题的同时可保证解的稀疏性,并采用快速迭代阈值收缩算法(FISTA)求解以加快收敛速度。对所得解通过高斯混合模型(GMM)进行阈值寻优,采用期望最大化算法(E-M)更新模型参数,从而构建NE-GMM算法。仿真及实验结果均表明:与LBP、Landweber、迭代硬阈值(IHT)、ADMM-L1及NE算法进行了对比,该算法所得重建图像质量最优,对中心分布及多物体分布的保真度进一步提高,仿真实验重建图像的平均相对误差和相关系数分别为0.4611及0.8827,优于其他5种算法。

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评论在训练数据上相对正常评论数不足的边信号强度;然后,考虑到信源的多样性,综合文档、词汇和评论以及非文本特征构造邻接矩阵;最后,通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126086条实际中文评论数据开展实证研究,实验结果表明,F-Text GCN识别虚假评论的F1值达到82.92%,与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%,相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%;研究了高仿虚假评论的预测错误率,在支持向量机(SVM)作用后难识别的评论样本上尝试二次识别,F-Text GCN整体预测准确率可达94.71%,相较于Text GCN和SVM,在识别准确率上分别提升了2.91%和14.54%。研究发现,虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇,这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。

稳定同位素混合模型揭示的长江下游新石器时代人群摄食策略

长江下游地区是稻作农业的主要起源地之一。然而,水稻对长江下游新石器时代人群饮食的贡献程度仍不清晰。稳定同位素混合模型能够量化揭示长江下游地区史前人群的摄食策略。系统收集长江下游地区已发表的人骨、动物骨和植物稳定碳氮同位素数据,基于稳定同位素混合模型,对长江下游地区新石器时代人群的摄食策略进行研究。结果发现:距今7.0—5.3 ka长江下游地区人群可能摄食多种动植物资源,该时期水稻对人类饮食的贡献与其他植物资源基本相当。距今5.3—4.3 ka,水稻已超过其他动植物资源,成为美人地遗址人群的主要食物资源。研究揭示了长江下游新石器时代文明化进程与稻作农业发展具有同步性,狩猎采集经济则为该区域文明化进程起到基础支撑作用。

基于SimCSE和BERT混合模型的短文本情感分类

为了解决BERT模型训练效果受到文本向量存在的各向异性问题,将对比学习(SimCSE)和BERT结合起来构建模型(SimCSE-BERT),分类器不但通过对比学习思想扩充了训练数据量,还可基于SimCSE模型获得“对齐”和“均匀性”俱佳的文本向量去优化基础BERT模型以提高分类效果。实验结果表明,与基础BERT模型相比,混合模型的准确率在外卖、携程酒店和淘宝数据集上分别提升0.562、0.584和0.734个百分点。该模型在短文本情感分类数据集上的分类效果有明显提升,并且具有良好的泛化能力。

基于混合模型的道岔综合监测系统研究

道岔作为关键的铁路信号设备,也是铁路线路三大薄弱环节之一,其工作质量直接影响列车的运行安全。传统的道岔检测方法过分依赖人工经验,检测效率低下,难以应对现有铁路运行中行车速度快、发车密度高等对道岔维护所带来的严峻挑战,并且现有道岔监测也存在监测项目不全面等问题。为满足工电融合需要,开发了一套基于混合模型的道岔综合监测系统,使用卷积神经网络自动进行特征提取,以获取道岔状态,充分发挥深度学习的自动特征提取优势;采用支持向量机和向量域的混合算法,对正常/故障数据进行分类和异常检测,从而提高故障检测的准确率。测试结果表明:与现有人工巡检方法相比,该系统能够为相关人员提供精准、实时的道岔故障预警,提高维护效率,有效减少人力成本且降低道岔病害的发生概率。

模态分解及混合模型在比特币价格预测中的应用

独特的生产、发行和交易机制等多种因素的影响下,比特币价格表现出极端的波动性,导致了预测任务的复杂性.为此提出了基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)的混合预测模型,将复杂的原始序列分解成多个简单固有模态函数(IMFs),并通过重构算法将IMFs集成为不同频率的分量.根据各分量的不同数据模式,选取不同机器学习模型分别进行预测,叠加各分量预测结果得到最终比特币价格预测结果.对比结果表明,该模型在各评价指标上均优于单一预测模型,混合模型可以优化预测结果,较好地减小预测误差.

基于潜变量增长混合模型的鼻咽癌同步放化疗患者心理一致感变化轨迹分析

目的探讨鼻咽癌(nasopharyngeal carcinoma,NPC)患者同步放化疗期间心理一致感的纵向发展轨迹,分析其影响因素。方法2022年11月至2023年6月,便利抽样选取广西某三级甲等综合医院同步放化疗患者225例作为研究对象,在放疗第1次、15次、30次时采用一般资料调查表、症状困扰量表、心理一致感量表-13对其进行调查,使用潜变量增长混合模型识别其心理一致感发展轨迹,采用Logistic回归分析其影响因素。结果NPC同步放化疗患者,其心理一致感存在3种轨迹,分别为持续低平组(20.00%)、持续下降组(28.00%)、持续上升组(52.00%)。Logistic回归分析显示,症状严重程度、年龄、学历、居住地、照护者和肿瘤分期是鼻咽癌患者心理一致感的独立影响因素(均P<0.05)。结论鼻咽癌同步放化疗患者心理一致感存在群体异质性,应基于患者心理一致感变化轨迹有针对性地进行评估和干预。

基于深度学习和高斯混合模型的异常识别算法

现有的异常识别方法无法兼顾与人有关的异常行为识别和与人无关的异常现象识别,且在目标有遮挡的情况下识别率较低。针对上述问题,提出基于深度学习的网络框架对正常帧的人体姿态的结构特征片段进行训练,片段化训练使得算法具有抗遮挡能力。此外,为了识别与人无关的异常情况(如汽车、自行车、遗留物等),提出使用改进的自适应K值的高斯混合模型对视频背景进行建模,从而对与人无关的异常情况进行提取。实验表明,算法在公开数据集Avenue和ShanghaiTech上的异常识别AUC分别提升了0.025和0.034。

基于高斯混合模型聚类的双馈风电场动态等值建模方法

针对风电场动态运行条件下等值建模精度偏低、聚类依据不足的难题,提出一种基于高斯混合模型聚类思想的风电场等值建模方法。首先,分析单台双馈感应式风力发电机在低电压穿越期间的动态响应特性,根据响应特性的集群特征构建聚类指标。然后,提出基于高斯混合模型动态初步聚类、优化聚类数目的两阶段等值建模方法,推导出赤池信息和贝叶斯信息准则下聚类数目的寻优算法。以典型中等规模风电场为例,在Matlab/Simulink平台进行不同故障穿越条件的仿真测试,结果表明所提风电场等值建模方法聚类有效、精度高。

基于混合模型的脱硫废水旁路蒸发系统能耗特性

脱硫废水旁路蒸发系统抽取部分空预器入口热烟气会使锅炉效率降低、煤耗增加。为了实现对抽取热烟气造成能耗增加的精准预测,提出了一种机理模型与人工神经网络有机结合的混合模型预测方法。采集广东某660MW电厂的运行数据作为样本,以空气预热器进口的风温、空气的流量、抽取烟气量、抽取烟气温度、锅炉负荷以及给煤量6个参数作为输入,建立了用于预测经过空气预热器空气换热量的BP神经网络模型,对不同隐含层结构进行模拟计算,分析比较确定了网络的最优结构是6-9-1,最终模型的决定系数R^(2)是0.99478,预测模型的相对误差在1%附近波动,整体预测效果较好。在此基础上结合机理模型,针对机组负荷波动及抽取烟气量波动的典型工况进行了能耗预测,获得了旁路蒸发系统能耗的定性规律。

基于高斯混合模型的无向网络重构

从数据中推断网络的结构作为复杂网络中一个重要科学问题已得到广泛关注.现有的网络重构方法大多将网络重构问题转化为一系列线性方程组的求解问题,然后通过某种截断方法对每个方程组的解进行截断,从而确定每个节点的局部结构.然而现有的截断方法大多存在着精度不足的问题,且少有方法衡量每个方程组解的可截断性,即节点的可重构性.为了解决这些问题,本文提出了一种基于高斯混合模型的无向网络重构方法.该方法首先将节点间连接关系的推断问题转化为一个聚类问题,然后利用高斯混合模型进行求解,得到每个节点与其他节点的连接概率,并根据概率定义一个基于信息熵的可重构指标,从而在真实网络结构未知的情况下衡量每个节点的可重构性.将该方法用于无向网络中,可以利用无向网络的对称特征,将可重构性高的节点作为训练集指导可重构性低的节点进行结构推断,从而更好地重构出无向网络.最后,通过在合成数据和真实数据上与现有的截断方法进行比较,证明了该方法可以更有效地重构出网络结构.

基于稳定同位素贝叶斯混合模型的南四湖水量来源定量解析

为定量解析南四湖水源组成,厘清本地水与外调水的关系,精准保护湖泊水资源,本文建立了基于氢氧稳定同位素的贝叶斯混合模型,分析比较南水北调东线运行后调水期和非调水期不同水源对南四湖湖区的贡献比例及季节特征。结果表明:(1)流域降雨受到一定程度局地蒸发的影响,夏季受海洋蒸发水汽的影响;(2)南四湖地下水、大气降水、入湖河流和外调水等不同水源对湖区水体的贡献比例受南水北调东线工程运行影响较大,调水期分别为5.4%、8.7%、31.2%和54.7%,外调水贡献比例最高;非调水期分别为22.9%、53.0%、6.7%和17.4%,大气降水贡献比例最高,入湖河流贡献相对较少。(3)南水北调东线调水实施后,调水期的外调水量对湖区的贡献占绝对优势,表明调水对南四湖水量变化发挥了重要作用,调水活动逐渐取代自然因素成为流域水量变化的主要驱动因子。

基于混合模型的黏土心墙坝除险加固渗流稳定性分析

渗流是影响土石坝整体安全的重要因素,为了提升土石坝稳定性,采用有限元法对某水库除险加固后的渗流稳定性进行计算,在有限元计算结果基础上结合实测资料建立混合模型,并对大坝渗流状态进行分析。结果表明,除险加固措施可以有效降低土石坝浸润线、渗透坡降和渗流量,主坝的混凝土防渗心墙和出逸点等各部位渗透坡降均小于允许值,各工况坝坡的抗滑稳定安全系数均满足规范要求。此外,混合模型能够较好地反映大坝渗流的实际情况,可以用于监测预报大坝的工作状态。

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。