基于加权最小绝对值状态估计的有源配电网拓扑辨识方法

在配电系统状态估计中,一方面众多网络设备难以完全监控导致量测数据不足,另一方面,频繁的拓扑切换亟须开发高效的算法。因此,提出了一种配电网拓扑辨识的加权最小绝对值状态估计方法。首先,对传统基于线性规划的加权最小绝对值状态估计方法进行改进,以提高计算效率;其次,在重新制定的加权最小绝对值状态估计方法中加入补充变量和约束,以适应拓扑辨识问题,形成了一个基于混合整数线性规划的加权最小绝对值状态估计方法;最后,4个算例系统的仿真结果验证了所提方法在不同数量的实时测量、高伪测量误差、被坏数据破坏的测量以及未知支路状态场景下的优异性能。

最小绝对收缩和选择算子回归筛选急性缺血性脑卒中溶栓患者症状性脑内出血预测因素分析

目的探讨基于最小绝对收缩和选择算子(LASSO)回归筛选急性缺血性脑卒中溶栓患者症状性脑内出血(sICH)发生的预测因素。方法选取2019年6月至2022年6月于鄂州市中心医院收治的428例急性缺血性脑卒中患者作为研究对象,静脉溶栓后24 h采用CT观察脑内出血情况,根据有无sICH分为sICH组36例和无sICH组392例。记录两组人口社会学资料、溶栓前实验室检查资料、影像学相关资料,采用LASSO回归分析筛选变量初步筛选重要预测因素,将非零回归系数的变量纳入多因素Logistic回归分析,确定影响急性缺血性脑卒中溶栓后发生sICH的独立预测因素。结果36例(8.41%)患者在溶栓后24 h内出现sICH归为sICH组,其余392例(91.59%)未出现sICH归为无sICH组。两组患者发病至溶栓时间、糖尿病、心房颤动、入院时美国国立卫生研究院卒中量表(NIHSS)评分、入院时血糖、C反应蛋白、CT显示大动脉高密度征象比较差异有统计学意义(t/χ^(2)=2.163、3.911、4.092、3.087、3.156、3.937、8.553,均P<0.05);LASSO回归算法共筛选出入院NIHSS评分、入院时血糖、C反应蛋白、大动脉高密度征象4个具有非零系数的显著相关指标;进一步多因素Logistic回归分析显示:入院NIHSS评分、入院时血糖、C反应蛋白、大动脉高密度征象为急性缺血性脑卒中溶栓后sICH的危险因素[OR(95%CI)=1.123(1.029~1.226)、1.391(1.086~1.781)、1.901(1.362~2.652)、3.112(1.364~7.104),均P<0.05];ROC曲线显示,基于LASSO-Logistic构建的模型预测急性缺血性脑卒中溶栓后sICH发生的AUC为0.802(95%CI=0.722~0.882),特异度为61.20%,敏感度为88.90%。结论基于LASSO回归筛选出的入院NIHSS评分、入院时血糖水平、C反应蛋白、大动脉高密度征象为急性缺血性脑卒中溶栓后sICH的预测因素。

基于惩罚最小绝对偏差的部分线性空间自回归模型的稳健变量选择

结合B样条逼近以及工具变量调整技术,并利用惩罚最小绝对偏差方法,对部分线性空间自回归模型提出了一种稳健变量选择方法.理论上证明了所提出的变量选择方法可以相合地识别出模型中的重要协变量和不重要协变量,并给出了所得正则估计的收敛速度.所提出的变量选择过程对模型中的参数分量和非参数分量的估计可以一步同时完成,避免了非参数分量的估计对参数分量变量选择的影响,因此具有较好的稳健性和有效性.

基于变量代换内点法的加权最小绝对值抗差状态估计

传统内点法加权最小绝对值(WLAV)抗差状态估计能够抑制坏数据影响,提高状态估计精度,但该方法模型复杂,计算效率低,限制了其工程应用价值。文中提出一种基于变量代换内点法的电力系统WLAV估计方法,该方法通过添加中间变量,将非线性量测方程分解为两步线性方程和两步非线性变换,并建立两步线性方程的WLAV估计数学模型。与传统内点法WLAV抗差状态估计相比,该方法无须形成海森矩阵,可有效提高迭代方程中系数矩阵的稀疏度,并减小矩阵的阶数,有效提高WLAV状态估计的计算速度。基于美国电气与电子工程师学会(IEEE)标准系统、波兰电网和国内某省网的仿真结果验证了所述方法的有效性,具有良好的工程应用前景。

基于小波和最小绝对误差的去噪抗扰动辨识方法

噪声和扰动是影响系统辨识的两个不利因素 ,而实际系统不可避免地受到噪声的污染和瞬时扰动的影响 .本文采用不同的小波函数和不同的阈值处理方法 ,对噪声污染的系统输出进行多次小波分解、去噪和重构 ,从而达到削减噪声的目的 .对于去噪后的数据 ,由于包含瞬时扰动 ,利用最小二乘辨识算法仍然不能获得满意的结果 .为此 ,在小波去噪的基础上 ,提出了一种最小绝对误差 (LA)辨识算法 .仿真研究表明 ,本文提出的方法能够同时克服噪声和瞬时扰动的不利影响 。

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.

基于主导与非主导参数的非线性加权最小绝对值参数估计

针对非主导参数估计易受量测噪声及不良数据影响的特点,提出了基于主导与非主导参数的加权最小绝对值抗差参数估计。对参数估计错误的原因进行了系统分析,并给出了参数主导性评估方法。利用非线性原—对偶内点法进行模型求解,与传统线性内点法相比,该方法在提高求解精度的同时减少了迭代次数。基于IEEE 30节点系统和2个实际省级电网的计算分析,将所提出的方法与传统加权最小二乘法参数估计进行比较,测试结果验证了所提出方法的有效性。

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。

最小绝对值和与最小二乘联合抗差估计

讨论了从改正数绝对值和最小条件出发的线性规划法在粗差估计中的应用，以及该法在粗差探测能力方面与多余观测数之间的联系．认为最小绝对值和与最小二乘法联合抗差估计是一种有效、可行、简单、实用的估计方法．

参数估计中最小绝对值误差估计器的实现

简要介绍了贝叶斯参数估计的基本原理,并在选择绝对型损失函数的基础上,给出了最小绝对值误差估计器(minimum mean absolute error,简称MMAE)的实现方法.选择1组电阻测量值作为样本,利用Parzen窗法计算出相应的概率密度函数,最后得出了该样本的MMAE估计器.

NA误差下线性模型最小绝对偏差估计的相合性

文章基于相依序列,研究了线性模型,在若干条件的假设下,建立了以NA序列为误差的线性模型未知参数的最小绝对偏差估计的渐近性质,如最小绝对偏差估计的强相合性。此结果是在较弱的条件下将文献[1]中独立误差情形下未知参数估计的相关结果推广到了NA误差下相应的结果。

求解绝对值距离Steiner最小树的改进元胞蚂蚁算法

绝对值距离Steiner最小树问题是在集成电路布线等领域应用广泛的属于NP难的经典组合优化问题,由于该问题的搜索空间与元胞自动机的结构相似,设计了求解绝对值距离Steiner最小树问题的改进的元胞蚂蚁算法。经大量数据实验表明,该算法要比最小生成树平均改进15%,优于多数已有的基于最小生成树的近似算法,验证了算法的实用性。

基于最小类内绝对差和最大差的图像阈值分割

阈值分割是图像处理中一种简单有效的图像分割方法,应用极为广泛。阈值选取是阈值分割的关键。最小类内方差法(Otsu法)因其分割精确,适用范围广而成为广泛采用的一种图像阈值分割方法,它实质上是最小二乘法(基于L_2范数)。与此不同,本文提出了基于最小类内绝对差(基于L_1范数)及最小类内最大差(基于L_∞范数)的图像阈值分割算法,并导出了这两种方法的二维算法形式。文中给出了实验结果,并进行了分析与比较。结果表明,这两种方法在某些类型图像下,阈值分割效果明显优于最小类内方差法,而其二维算法的分割效果普遍优于相应的一维算法。

非线性最小残差绝对值和最小平差的遗传算法

遗传算法是一种基于自然选择和自然遗传学机理的全局优化搜索算法。文章在扼要介绍遗传算法的基础上,设计了非线性残差绝对值和最小的遗传算法,并将其运用于非线性残差绝对值和最小的平差模型中,并通过实例验证了该算法的有效性。

对称alpha稳定分布的最小绝对偏差参数估计

alpha稳定分布常用来描述具有尖峰厚尾特点的非高斯分布。由于概率密度函数没有显式的表达式,参数估计成为alpha稳定分布一个难点。文章在样本特征函数的基础上,探讨了用最小绝对偏差估计对称alpha稳定分布的参数,数值算例表明算法的可行性和有效性。

改进的最小类内绝对差阈值分割及快速算法

现有的最小类内绝对差阈值分割方法分割结果不够准确及计算效率过低,为此,本文提出了基于递推昆沌粒子群的改进最小类内绝对差阈值分割方法。首先引入了灰度级-梯度直方图以提高分割准确性,然后简化了阈值选取公式并推出了相应的递推算法,最后利用基于改进的Tent混沌粒子群算法寻找最优阈值,提出了以递推方式计算适应度,大大减少了重复计算。实验结果表明:与基于灰度级-平均灰度级最小绝对差穷举算法相比,本文方法剔除了边缘点和噪声点的影响,选取的阈值更为准确,同时,利用群体智能优化搜索过程,运算时间降低了两个数量级;与基于灰度级-梯度最大类间方差及Logistic混沌粒子群递推算法相比,本文方法基于改进的Tent混沌映射,遍历性更高,因此收敛性更好。

基于P范数的核最小对数绝对差自适应滤波算法

为了进一步提高在α稳定分布噪声背景下非线性自适应滤波算法的收敛速度,本文提出了一种新的基于p范数的核最小对数绝对差自适应滤波算法(kernel least logarithm absolute difference algorithm based on p-norm,P-KLLAD).该算法结合核最小对数绝对差算法和p范数,一方面利用最小对数绝对差准则保证了算法在α稳定分布噪声环境下良好的鲁棒性,另一方面在误差的绝对值上添加p范数,通过p范数和一个正常数a来控制算法的陡峭程度,从而提高该算法的收敛速度.在非线性系统辨识和Mackey-Glass混沌时间序列预测的仿真结果表明,本文算法在保证鲁棒性能的同时提高了收敛速度,并且在收敛速度和鲁棒性方面优于核最小均方误差算法、核分式低次幂算法、核最小对数绝对差算法和核最小平均p范数算法.

基于LWT和递归最小类内绝对差的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于提升小波变换(LWT)和递归最小类内绝对差的检测方法。一方面先利用提升小波对原始图像进行去噪,再利用Top-hat算子抑制背景;另一方面先利用Top-hat算子抑制原始图像的背景,经提升小波去噪后,再进一步使用Top-hat算子;上述两方面得到的图像求和即为预处理图像。然后采用递归最小类内绝对差阈值选取方法分割预处理图像。针对红外小目标图像进行了大量实验,并与基于形态滤波及基于小波和形态学的红外小目标检测方法进行了比较。结果表明本文方法提高了信噪比,检测率分别提高15%和10%。

一种基于最小绝对值估计的闪变电压的测量

对于电能质量分析来说,测量电压闪变是非常有必要的。本文提出了一种新的测量电力系统电压和闪变电压向量的新方法,即用最小绝对值状态估计算法进行测量。本文主要研究采样数据窗的大小、采样频率以及采样点数对电压幅值和相位估计的影响。

基于改进PCNN模型与四方向差值绝对最小滤波算法的图像去噪研究

为了更好地去除图像噪声,基于图像有效轮廓及边缘连续性,结合改进脉冲耦合神经网络模型(IPCNN),提出了四方向差值绝对最小滤波算法(FDMAD).仿真实验表明:对比传统基于迭代脉冲耦合神经网络中值滤波方法,本文算法具有更好的去噪效果和更快的计算速度.实验结果验证了算法的快速性和有效性,具有广泛的应用前景.