带有自相关结构误差的多元函数型回归模型的变量选择

多元函数型回归模型是经典多元线性模型的有益扩展.本文研究带有自相关结构误差的多元函数型回归模型的变量选择.我们基于Group SCAD(smoothly clipped absolute deviation)惩罚研究了模型中函数型协变量的变量选择和误差项的自相关阶数的确定问题.此外,我们在一定的正则性条件下证明了估计量的选择相合性和渐近正态性,并通过数值模拟说明提出方法在有限样本下具有良好性质.

基于向量误差修正模型的电池簇不一致检测方法及智能运维方案

针对储能电站实际运行数据中存在电池数据不完整、数据片段化导致检测不准确的问题,提出基于向量误差修正模型的电池簇不一致检测方法。该方法根据随机电压片段数据构建电池簇与电池单体的向量误差修正模型,计算脉冲响应函数,分析电池单体对电池簇的动态作用机制,判断电池簇不一致程度,再通过方差分解分析确定异常电池单体及后续运维。最后,根据储能电站实际运行数据进行分析,验证了电池簇不一致检测方法及运维方案的可行性和有效性,并在100kW/200kW·h储能平台进行实际工程测试。

二元逻辑回归模型中的修正Liu估计

在二元逻辑回归模型中,基于修正岭型估计和Liu估计的思想,提出了一类新的有偏估计作为极大似然估计的替代估计,以期克服多重共线性的影响。在均方误差矩阵意义下,探讨得到了修正Liu估计优于Liu估计、修正岭型估计、极大似然估计等的条件,通过数值模拟和实证分析对部分理论结果在均方误差准则下进行了验证。结果表明,在一定条件下,当模型存在多重共线性时,修正Liu估计优于Liu估计、修正岭型估计以及极大似然估计。

Cu-Sn合金的高温修正非线性回归本构模型

采用Gleeble-3800热模拟机进行了Cu-Sn合金在变形温度823~973 K、应变速率0.001~10 s^(-1)、真应变0.3、0.6和0.9下的高温压缩实验。基于实验结果,构建了Cu-Sn合金的修正非线性回归本构模型,并利用平均绝对相对误差eAAER证实模型的准确性。结果表明,随变形温度的升高和应变速率的降低,Cu-Sn合金的流变应力降低;应变速率为0.01~10 s^(-1)时流变应力呈现出峰值特征,峰值应力随着变形温度的降低和应变速率的增大而增大;应变速率为10 s^(-1)的试样在变形后期由于开裂而导致流变应力急剧下降;建立的修正非线性回归本构模型的eAAER为9.98%,表明模型能够准确地预测Cu-Sn合金的流变应力,具备较好的适用性。

二元逻辑回归模型中的一阶近似刀切修正岭型估计

在二元逻辑回归模型中,基于一阶近似修正岭型估计方法和刀切法提出了一类新估计,即一阶近似刀切修正岭型估计,探讨得到了新估计在均方误差等准则下优于一阶近似修正岭型估计、一阶近似极大似然估计的充分条件,同时通过数值模拟和实证分析对部分理论结果进行了说明,结果显示,当满足理论结果中的条件时,一阶近似刀切修正岭型估计在相关准则下优于一阶近似修正岭型估计、一阶近似极大似然估计。

基于改进JRD及误差修正的轴承剩余寿命预测方法

目前,风电机组齿轮箱性能发生初始退化时难以识别,现有退化指标易出现剧烈波动、单调性较差,且无法准确预测齿轮箱关键部件如轴承的剩余使用寿命(RUL),针对该问题,提出了一种基于改进杰森-瑞丽散度(JRD)及误差修正的双指数模型轴承RUL预测方法。首先,提取了振动信号样本的多域特征指标,利用高斯混合模型(GMM)与指数型权重JRD,得到了样本的后验概率分布向量,再经归一化处理得到置信值(CV);然后,对轴承从初始健康状态退化至当前检查时刻的CV值进行了相空间重构,提取了CV序列的动力学特征,并将其作为相关向量机(RVM)的训练集,获得了支撑整个退化轨迹的相关向量;最后,利用双指数模型拟合了相关向量,外推趋势至失效门限以计算RUL,并引入了差分整合移动平均自回归模型(ARIMA),对拟合相关向量产生的拟合误差进行了预测,以修正预测的结果。实验结果表明:改进后的退化指标单调性指标提高14.3%;且在不同工况、不同时刻下,经误差修正后的轴承的RUL预测结果较未修正之前有明显提高。研究结果表明:该预测方法可为风电机组齿轮箱重要部件的预测性维护提供参考。

基于支持向量回归的工业机器人空间误差预测

鉴于高端智能制造领域对高精度应用场景下的工业机器人绝对定位精度的更高要求。本文主要研究基于支持向量回归(Support Vector Regression,SVR)模型的机器人空间误差预测方法。针对Staubli TX60型串联工业机器人进行了运动学建模和误差分析。搭建了基于Leica AT960激光跟踪仪的机器人测量实验平台,并进行了大量空间位姿点的测量,通过真实数据集训练优化SVR模型。基于SVR方法对机器人实际位姿误差进行预测与补偿,避免了复杂的误差建模过程。机器人平均位置误差和平均姿态误差分别由补偿前的(0.7061 mm,0.1742°)降低至(0.0556 mm,0.0246°),位置误差降低了92.12%,姿态误差降低了85.88%。最后,通过与BP,Elman神经网络以及传统LM几何参数标定方法进行对比,验证了基于SVR模型进行空间误差预测对机器人位置和姿态误差降低效果的有效性和均衡性。

空间自回归模型下不完整大数据缺失值插补算法

针对不完整大数据因其自身结构具有不规则性,导致在进行缺失值插补时计算量大、插补精度低的问题,提出空间自回归模型下不完整大数据缺失值插补算法。利用迁移学习算法在动态权重下过滤出原始数据中冗余数据,区分异常和正常数据,提取残缺数据,采用最小二乘回归对残缺数据实施修补。将缺失值插补分为3种类型,分别为一阶空间自回归模型插补、空间自回归模型插补和多重插补法。根据实际情况将修补后数据插补到合适的位置,实现不完整大数据缺失值插补。实验结果表明,所提方法具有良好的缺失值插补能力。

约束条件下测量误差模型的统计推断

考虑具有测量误差的线性模型在参数分量具有精确的线性约束条件下的统计推理,提出了偏差校正的拉格朗日乘子检验统计量,得到了受约束的纠偏最小二乘估计量,并在一定的正则性条件下,证明了所得估计量渐近服从正态分布.最后通过数值模拟研究了所提方法的有限样本性质.

基于支持向量回归模型的机器人误差补偿算法

较低的定位精度已然成为了工业机器人在高精度作业领域推广应用的重要阻碍之一。对机器人定位误差的补偿是解决此类问题的首要途径。本文通过研究支持向量回归模型,提出了基于支持向量回归模型的机器人误差补偿方法。同时,在模型训练过程中,采用粒子群算法对每一轮迭代中的参数进行适应度评估,从而优化了模型参数。最后根据本文所提出的预测方法进行了相关实验。实验结果表明,根据该方法所进行的机器人定位误差补偿,能够有效降低机器人定位误差,且该方法还具有快速性、便捷性等优势。

中国技术贸易与经济增长关系研究——基于协整与误差修正模型的分析

第二次世界大战后,国际技术贸易开始形成规模并迅速扩大,已经成为推动各国乃至世界经济发展的助推器。本文从中国技术贸易与经济发展的现状出发,运用协整与误差修正模型对1985—2020年中国技术贸易与经济增长的长期均衡与短期调整关系进行了实证分析。研究认为,技术贸易收支比对GDP增速在短期和长期均有负向影响,但长期影响比短期影响大;技术贸易收支比对GDP增速之间具有短期反向调整机制,但调整力度较小。为顺应全球技术贸易发展趋势,中国应致力于构建国际科技合作新机制,积极参与国际技术贸易规则标准建设,同时加强技术贸易安全管理。

基于混合特征双重衍生和误差修正的风电功率超短期预测

随着风电渗透率的不断提高,对风电功率进行精准、可靠的预测是提升风电消纳水平的有效措施。针对功率预测时风电数据种类不足和特征数量稀缺的问题,提出基于混合特征双重衍生和误差修正的风电功率超短期预测模型。首先,在原始功率特征中施加混沌噪声,构造出多条混沌扰动特征,改善原始功率特征分布过于单一的状况。其次,提出基于免疫算法的特征衍生算法,挖掘风电功率数据的潜在信息,增加优质特征数量,进而构建误差预测模型,通过预测风电功率预测误差修正风电功率预测结果,进一步提升预测准确率。最后,基于比利时风电场实际运行数据进行算例分析。所提模型预测效果较好,且相较其他传统预测模型精确度更高,验证了所提模型的有效性。

基于遗传-模拟退火算法修正高斯烟羽模型参数

高斯烟羽模型由于受到地形地貌与气象条件等因素的影响,难以准确反映大气的实际扩散过程。为解决上述问题,首先在经验参数作为先验值的基础上,通过遗传算法对实际观测数据进行参数反演修正,根据观测结果调整模型参数,提高模型的准确性;然后,为进一步优化参数修正结果,引入模拟退火算法,通过随机搜索和逐步降温的策略来跳出遗传算法可能陷入的局部最优解,进一步改善模型的性能。为了评估修正效果,建立一个基于权重的模型值与观测值之间差异的适应度函数,通过比较修正前后的误差率来判断参数修正对高斯烟羽模型的影响程度。仿真实验的结果表明,所提出的遗传-模拟退火算法模型能够有效地修正高斯烟羽模型中的扩散参数,修正后的模型在预测污染物浓度方面的误差率下降了89.40%。所提模型可为环境保护和污染防治提供重要的理论支撑和决策依据,具有较大的应用潜力。

结合机器学习的SA湍流模型闭合系数修正

将修正Morris分类筛选法与极端梯度提升(extreme gradient boosting,XGBoost)相结合,在计算流体动力学(computational fluid dynamics,CFD)数据驱动下,用于SA(Spalart-Allmaras)湍流模型闭合系数的修正.利用分类筛选法有效缩小闭合系数研究范围,同时依据XGBoost方法在小规模数据集下取得精度较高的拟合模型,有效提升系数修正效率.在三维DLR-F6-WB构型下进行了数值实验,实验结果显示利用本方法能够在三维复杂模型上基于小样本数据进行系数修正,修正后的升阻力系数计算精度得到了显著提升.

系统微分响应误差修正方法在VIC模型中的应用与研究

在应用水文模型进行水文预报的过程中,由于流域水文模型结构存在诸多的简化和假设,这些简化和假设会给水文预报结果带来误差,因此需要误差修正技术来提高水文模型在实时预报中的精度。系统微分响应方法利用系统响应函数通过对水文模型的输入、状态变量、参数的修正来修正预报结果,该方法理论基础扎实,具有结构简单、不损失预见期的优点,已在多个流域水文模型中得到了广泛的应用,效果较好。VIC模型是一种大尺度分布式水文模型,该模型通过将流域划分成多个大小相同的网格,在网格内模拟产汇流结果。以闽江建阳流域为研究区域,构建流域VIC模型进行径流模拟,将系统微分响应误差修正方法应用于VIC模型中,通过对模型输入中的降雨量进行修正来修正预报结果,并与传统自回归模型误差修正方法(AR模型)进行对比分析。结果表明:系统微分响应方法在VIC模型中的修正效果较好,纳什效率系数从修正前的0.752提高到0.895,径流相对误差从修正前的7.89%降低到5.71%,而AR模型修正结果的纳什效率系数为0.807,径流相对误差为6.77%,这两种修正方法结果表明系统微分响应方法优于AR模型误差修正方法。结果表明系统微分响应修正方法在VIC模型中具有较好的适用性,能显著提高流域日径流模拟精度,可应用于未来的水文预报。

基于误差修正模型的日光温室温度预测模型

日光温室作为一个复杂的非线性耦合系统,室内温度受室内外众多环境因素的影响,且大多数因素的监测数据都是非平稳时间序列。因此,在利用这些监测数据进行多元线性回归分析时,所建立的预测模型可能会出现伪回归现象导致模型预测精度较低。为此,提出了基于时间序列协整理论建立温度误差修正模型的方法。利用土后墙日光温室2021年1月收集到室内外气象数据,分别建立了典型晴天和阴天条件下的日光温室白天(9:00-18:00)逐时温度误差修正预报模型,并通过模拟回代对模型进行验证。结果显示:阴天和晴天条件下,误差修正模型的预报值与实际值相比,均方根误差分别为0.4234℃和1.5937℃,均低于传统多元线性回归模型的0.5750℃和1.9522℃,有效地提高了预测精度。

基于误差补偿的多模态协同交通流预测模型

交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensation,MCEC).针对传统预测模型不能兼顾时间序列和协变量的问题,提出基于小波分析的特征拓展方法,该方法引入聚类算法得到节假日标签特征,将拥堵指数、交通事故图、天气信息作为拓展特征,对特征进行多尺度分解.在训练阶段,为达到充分学习各部分数据、最优匹配模型的效果,采用差分整合移动平均自回归模型(Autoreg Ressive Integrated Moving Average Model,ARIMA)、长短期记忆神经网络(Long Short-Term Memory network,LSTM)、限制动态时间规整技术(Dynamic Time Warping,DTW)以及自注意力机制(Self-Attention),设计了多模态协同模型训练.在误差补偿阶段,将得到的相应过程值输入基于支持向量机回归(Support Vector Regression,SVR)的误差补偿模块,对各分量的误差进行学习、补偿,并重构得到预测结果.使用公开的高速公路数据集对MCEC进行验证,在多个时间间隔下对比实验结果表明,MCEC在交通流量预测中的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到17.02%,比LSTM-SVR、ConvLSTM(Convolutional Long Short-Term Memory network)、ST-GCN(Spatial Temporal Graph Convolutional Networks)、MFFB(Multi-stream Feature Fusion Block)、Transformer等预测模型具有更高的预测精度,MCEC模型具有较好的有效性与合理性.

向量自回归模型与向量误差修正模型预测功能的比较——基于我国国内生产总值和居民消费支出变量的实证研究

建立国内生产总值与居民消费支出有关形式变量的向量自回归模型和误差修正模型,依据国内生产总值和居民消费支出的历史数据分别对模型进行估计,并利用估计好的2个模型对近2年的相应变量进行预测,将预测结果与实际数据相比较,从而得出2个模型的预测效果.通过比较显示:误差修正模型预测效果优于向量自回归模型.

基于成像声呐的鱼类长度测量误差与修正模型研究

成像声呐能在扫描波束范围内进行鱼类映像长度的测定,为提高成像声呐测定鱼类长度的精度,文章利用自适应分辨率成像声呐(Adaptive Resolution Imaging Sonar,ARIS)开展鱼类长度测定实验,依据ARIS扫描波束内鱼类的映像长度和实测长度,分析了ARIS测量鱼类长度的误差。结果表明,鱼类与声呐波束的夹角是导致鱼类长度测量误差的主要因素,夹角越大,鱼类映像长度测量误差越小。在4 m视野内ARIS探测距离对鱼类长度的测量误差无显著交互影响。鱼类映像长度与尾叉长误差更小,其误差均值为2.1 cm。鱼类映像长度与全长和尾叉长的线性关系良好,其线性修正模型拟合度R 2分别为0.9951和0.9905。研究表明,鱼类映像长度使用尾叉长的测量更为有效,同时鱼类与声呐波束的夹角对映像长度的误差分析和声呐映像长度修正模型,可为获取更准确的鱼类长度信息提供参考。

我国消费与收入关系的实证研究——基于动态分布回归与误差修正模型

通过建立模型，利用动态分布回归与误差修正模型，选用1996-2007年的年度数据，对我国消费与收入的关系进行实证研究。结果发现，长期来看人均收入每增加1个百分点，消费将增加0．8991个百分点；短期来看人均收入每增加1个百分点，消费将同增加0．2886个百分点，短期消费与收入关系的数值比长期关系的数值小。可以从调整税收政策和财政转移支付手段，树立居民的消费信心，改变消费观念及改善消费环境等四个方面入手提高消费水平。