基于Gray-Markov的电力设备物流量多目标组合估计

电力设备物流量较多且所涉及到的环节较为复杂,导致物流量多目标组合估计误差增加,所以设计基于Gray-Markov的电力设备物流量多目标组合估计方法。利用数据录入模块、数据分析处理模块搭建数据采集平台,实现电力设备物流量数据采集。改进卷积神经网络,构建深度空洞卷积去噪模型,对采集到的数据实施去噪处理。结合BP神经网络与Gray-Markov实现电力设备物流量多目标组合估计。测试结果表明,该方法的绝对误差平均值最低仅为1 025.21,平均相对误差百分比一直低于1.8%,估计误差比较小,精度较高。

基于HL-MAD组合估计量的常规控制图稳健改进

常规控制图的控制中心及控制限是不稳健的,易受离群值影响而导致监控失效。采用HL-MAD组合估计量对控制中心、控制限进行稳健改进,构建出稳健控制图。数值模拟与金融实证分析均表明,相比于传统控制图,稳健控制图能更好地对受控过程的异常现象进行识别及克服“漏报警”现象,且在大样本、高污染率下效果更优。另外,通过估计量的相对效比较研究发现:在控制图的稳健估计量选择问题上,组合估计量比单个估计量具有显著的优良性。

双/多基地雷达的组合估计及定位精度分析

通常采用马尔可夫估计对双 /多基地雷达系统中的冗余数据进行组合估计 ,但其可行性如何至今仍未得到研究 ,本文以双基地雷达为背景给出并证明的一个定理解决了这个问题 .理论分析表明 ,对于要按马尔可夫估计进行组合估计的任意两个测量子集 ,只要它们中有重复测量量 ,就不能进行组合估计 .本文还对可以进行组合估计的双 /多基地雷达进行了仿真 ,仿真结果表明 ,组合估计可改善双 /多基地雷达探测区域内各点的定位精度 ,特别是大大改善基线区。

岭-压缩组合估计在线阵推扫式影像外定向中的应用

针对线阵推扫式影像外定向中存在的法方程病态问题,提出了采用岭压缩组合估计进行解算,能提高定向精度,并分析了该算法的优点和应用方法。实验证明,该算法性能优异,精度很高。

岭—压缩组合估计及其在测量平差中的应用

在分析岭估计、Stein均匀压缩估计特点的基础上 ,把两者结合起来 ,提出了测量平差 Gauss- Markov模型中未知参数的一个新的有偏估计 ,称为岭—压缩组合估计 (简称 CRS估计 )。它能够克服岭估计、Stein均匀压缩估计中存在的缺陷。详细讨论了岭—压缩组合估计在均方误差意义下和 Pitm an准则下及其数值稳定性方面的优良性质 ,研究了岭—压缩组合估计与岭估计、Stein均匀压缩估计在均方误差意义下进行比较的有关问题 ,讨论了岭—压缩组合估计中偏参数的选取。理论分析和计算结果都表明 。

岭-主成分组合估计及其在测量平差中的应用

在分析岭估计缺陷的基础上,运用主成分估计方法,提出了测量平差Gauss-Markov模型参数的一个新的有偏估计,称为岭-主成分组合估计,在均方误差意义下讨论了岭-主成分组合估计的优良性质及其岭-主成分组合估计与岭估计、主成分估计的比较问题,讨论了岭-主成分组合估计中偏参数的选取问题,得到了许多重要结论。理论分析和计算结果都表明,岭-主成分组合估计是一类很有潜力的有偏估计。

MSE准则下岭-主成分组合估计与LS估计的比较与选择

研究了测量平差Gauss-Markov模型中岭-主成分组合估计与LS估计的比较与选择问题。首先在均方误差(MSE)准则下对岭-主成分组合估计与LS估计进行了比较,得到了岭-主成分组合估计优于LS估计的椭球条件;然后运用MonteCarlo方法对这些条件进行了假设检验;最后通过数值实验说明,在一定显著性水平下当原假设被接受时,可采用岭-主成分组合估计对LS估计做出比较有效的改进,当原假设被拒绝时,应该仍采用LS估计。

多水平样本轮换调查及其组合估计方法

文章以两水平样本轮换为例,研究了连续性抽样调查中多水平样本轮换的问题。在多水平样本轮换模式下,不仅能够搜集固定的轮换样本在连续各期的信息,而且能够每一期更换新的轮换样本。文章还运用组合估计的思想,利用现期及过去各期的调查信息,分别构造出了每月总体情况、月度之间以及年度之间变化情况的组合估计量,并推导出了各类组合估计量的方差。

一种降低港口物流空载成本的组合估计模型

通过定性分析港口物流空载发生的现象及原因,结合蚁群计算法建立一种港口物流车辆配置与货物运输需求之间的最优路径模型,根据各路径上信息元素轨迹决定空载车辆动向,不断更新路径上物流信息数量降低车辆空载率,降低港口物流空载成本,以辽宁省港口物流空载现象进行仿真实验。结果表明基于蚁群计算法构建的组合模型通过最优化选择路径降低港口物流空载货车的成本,进而为我国港口物流空载行业的成本计算及成本控制提供了相应的解决方法与相关建议。

IOWA组合估计算法在外弹道数据处理中的应用

为了获取高精度弹道,针对各单台设备的定位数据,引入诱导有序加权算术平均算子,建立基于该算子的组合估计算法,并引入不同误差指标进行比对分析。计算表明,该方法确定的弹道明显优于各单项估计弹道,也好于加权算术平均算法计算的弹道。利用基于诱导有序加权算术平均算子的组合估计方法开拓了外弹道数据处理途径,有效提高了数据处理的精度。

扩散模型中扩散系数的非参数组合估计（英文）

为了提高扩散系数估计的准确度,我们利用动态组合时间域与状态域信息提出一个新的组合估计量.我们发现所提组合估计量能有效估计扩散模型的扩散系数,正如在本文中模拟所示.在一定的条件下,建立了估计量的渐进正态性,并证明了时间域估计量与状态域估计量是渐进独立的.大量的模拟展示了所提组合估计量优于单域估计量,也优于本文所提估计量.

捕获——再捕获抽样中的组合估计量

本文介绍了捕获——再捕获抽样的思想方法 ,提出了一个新的捕获——再捕获抽样的估计量 :组合估计量 。

基于粗糙集理论的物流客户流失量组合估计模型研究——以杭州下沙物流园区鼎盛物流公司为例

基于物流客户关系管理理论分析当前物流企业客户频繁流失的动因,物流企业客户非周期购买物流服务导致较难准确判断客户流失情况,针对物流客户流失的不稳定性和高流失性的问题,研究应用遗传计算法对物流客户流失的非线性关系进行计算统计,选用粗糙集(RS)方法建立一种物流客户流失的组合估计模型。仿真研究显示,物流客户流失数据存在模糊性的一面,该组合估计的研究方法避免了粗糙集单一算法的片面性问题,可以增加物流客户流失组合估计模型计算的准确性,同时为解决物流客户流失问题提供理论依据。研究提出了控制物流客户流失的策略和方法,为以后的物流客户流失问题的相关研究提供了参考依据。

人口普查遗漏的组合式估计方法

以人口普查标准时点上的人口总体(全国、全国以下各行政区)为研究对象,研究如何利用对总体登记的普查人口名单和覆盖调查人口名单构造的组合式遗漏估计量估计人口普查遗漏人口数。目前各国政府统计部门在人口普查遗漏估计中主要使用单重遗漏估计量,但该方法未包括同时遗漏于这两份调查人口名单的双重遗漏人口,低估了总体普查遗漏人口数。组合式遗漏估计量除了包括单重遗漏人口外,还包括了双重遗漏人口,避免了单重遗漏估计量的缺陷。采取抽样估计和数理模型相结合的方法研究单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量,理论和数据分析结果表明:组合式遗漏估计量在抽样估计精度和遗漏人口数估计上优于单重遗漏估计量,尤其是在分析双重遗漏人口特征和改进未来人口普查登记工作等方面;在使用刀切法近似计算总体的组合式遗漏估计量的抽样方差时,不能忽视等概率人口层之间的协方差,否则可能低估或高估其抽样方差;单重遗漏估计量和组合式遗漏估计量属于有偏估计量,要使用均方误差比较其估计精度。本文创新之处在于,利用原始数据全面演示了单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量及其抽样方差估计量等的详细计算过程,同时讨论了其统计性质,尤其是利用设置的数据模拟了有偏性,有助于中国人口普查遗漏估计方案的科学制定及估计精度的提高。

组合式三系统估计量在人口普查净误差估计中的应用

作为人口普查净误差估计领域前沿方法的三系统估计量在估计净误差方面对信息的重要程度没有加以区分。研究组合式三系统估计量旨在避免上述缺陷,提高人口普查净误差估计精度,进而为政府统计部门估计人口普查净误差提供参考。为实现目标,采用数理模型法和抽样调查法研究组合式三系统估计量及其相关问题。研究结果表明:组合式三系统估计量需要在等概率人口层建立,是一个复杂估计量,其抽样方差使用分层刀切法近似估计;组合式三系统估计量的估计精度较高;组合式三系统估计量可以为政府统计部门在估计人口普查净误差时提供更多选择。

双重抽样框下项目无回答插补估计方法研究

抽样调查工作中无回答情形不可避免,双重抽样框下亦如此,因此需要对双重抽样框下抽样调查项目无回答造成的估计量偏差进行纠偏校正。首先通过二重抽样获取辅助变量的信息,使用其构造比率估计量与比率型指数估计量的组合估计量对双重抽样框下抽样调查中项目无回答数据进行插补,得到对应各部分子总体的均值估计,再用Hartley估计量的形式对总体总值进行估计。通过计算估计量偏差、均方误差及最优权重系数,对比相同条件下完全回答时同类型组合估计量均方误差的相对精度损失与使用单一比率型指数估计量的相对精度损失,随机模拟结果显示损失率较低,插补方法有效。选择合适的辅助变量构造比率估计量和比率型指数估计量的组合估计量做插补值,更充分利用辅助变量和已回答研究变量信息,基于提出的组合估计量于抽样调查工作具有一定的应用价值。

基于轮换样本连续性调查的校准组合估计方法研究

校准估计是抽样调查中比较常用的一种利用辅助信息提高估计量精度的方法。回归组合估计量作为轮换样本连续性调查中使用的一种有效的估计量,是可以通过校准程序得到的。基于回归组合估计量和校准程序之间的关系,本文提出了轮换样本连续性抽样调查条件下的不同校准组合估计量及其方差估计。校准组合估计量的主要思想是在校准估计程序中将拼配样本和非拼配样本的辅助信息进行不同的组合利用。本文利用美国现时人口调查的微观数据进行数值模拟,来比较不同校准组合估计量的估计效率,模拟结果表明两步校准组合估计量和两步校准双组合估计量的表现相似,且估计精度都高于H-T估计量及回归组合估计量;而两步校准组合估计量由于其简便性更适合应用于实践中。最后以我国农村住户连续性抽样调查为例,设计一套符合我国实际的轮换样本连续性调查方案,并将提出的校准组合估计量运用于估计阶段,为中国政府统计调查提供一定的借鉴和参考.

基于回归组合技术的连续性抽样估计方法研究

在使用样本轮换的连续性抽样调查中,不仅可以利用前期调查的研究变量的信息,还可使用现期调查的辅助变量信息来建立回归模型进行回归估计,进而构造回归组合估计量,并在此基础上确定最优样本轮换率和最优权重系数,使得回归组合估计量的方差最小,从而更大程度地提高连续性抽样调查的估计精度。

二维平衡单水平轮换设计及其广义组合估计方法研究

针对国内外现行单水平轮换调查存在的一系列问题,本文提出二维平衡单水平轮换模式设计及其广义组合估计方法。在这套设计方法中,将轮换偏差和两类相关关系引入到广义组合估计量公式中,提高了估计量的准确性,同时在连续性的多目标调查下还应用最优化方法确定一套最优权重系数,使得抽样调查的整体精度达到最高,同时又能够调整权重,满足各类目标量精度高低的要求。这套系统化、理论化的设计方法将为我国今后更好地开展各类单水平轮换调查提供理论指导。

涡扇发动机高压涡轮前温度组合估计方法

考虑到目前暂无法实现机载条件下高压涡轮前温度直接、可靠的测量,提出一种用于涡扇发动机高压涡轮前温度估计的方法.基于涡扇发动机的能量守恒原理,建立高压涡轮前温度与气路参数的热力学关系,进而推导出高压涡轮前温度的6个估计模型.将各温度模型中不易测量的参数以整体的形式作为温度模型系数,并利用某涡扇发动机性能仿真模型建立温度模型系数与可测状态参数的多项式关系,最终确立高压涡轮前温度的组合估计模型.验证结果表明:组合估计方法在发动机健康及性能衰退状态下都具有较高的精度,其性能最好模型的方均根误差不超过1%.与已有线性拟合、神经网络等方法的对比也表明组合估计方法不论在精度还是性能稳定性方面都具有明显优势.