基于SAIC方法的纵向数据模型平均

传统的SAIC模型平均所需运行时间随数据维数而呈现出阶乘级的增长,其预测精度也随之下降.本文基于传统SAIC模型平均法进行了改进,提出一类基于SAIC加权法的纵向数据模型平均法,使运算效率大幅提升,并且使预测效果拥有良好的稳定性.模拟实验结果表明,与传统方法相比,在预测残差平方和层面,本文提出的新模型在稳定性、精准性和运行速度方面均优于传统方法.

改进BIC的GNSS站坐标时序有色噪声特性分析

为了有效解决传统的极大似然估计方法存在的未知数多导致结果不准确的问题,提出一种改进BIC的GNSS站坐标时序有色噪声特性分析方法:选取全球范围内100个基准站2008—2022年坐标时序及仿真的100组坐标时序,采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、改进的贝叶斯信息准则(BIC_tp)对不同有色噪声模型进行噪声特性分析,获取基准站坐标序列的最优噪声模型及速度参数;探讨BIC_tp对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型呈现出多样性特征,在北(N)和东(E)方向主要表现为闪烁噪声+白噪声(FNWN)模型,天顶(U)方向主要表现为幂律噪声+白噪声(PLWN)模型;相比于AIC和BIC噪声模型估计准则,BIC_tp方法对有色噪声模型估计具有较高的准确性,尤其是闪烁噪声+随机游走噪声(RW)+白噪声(FNRWWN)模型对全球卫星导航系统(GNSS)站速度不确定度的影响在N与E方向远大于U方向;正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GNSS坐标时间序列数据具有重要意义。

模型选择信息量准则AIC及其在方差分析中的应用

【目的】探讨模型选择信息量准则AIC在方差分析模型选择中的必要性和意义。【方法】简要介绍了模型选择信息量准则AIC的概念,推导了AIC在方差分析模型选择的公式,并运用AIC对水稻品种比较试验数据进行了最佳ANOVA模型选择分析。【结果】对5个水稻品种比较试验进行方差分析模型的选择是必要的;AIC准则在方差分析模型选择中是一种简单有效的方法。【结论】AIC可用于方差分析模型的选择,以改进方差分析结论的可靠性。

基于AIC准则的锂离子电池变阶RC等效电路模型研究

提出一种变阶RC等效电路模型,并基于赤池信息量准则(AIC)辨识不同SOC处RC模型的最优阶数,兼顾了模型的准确度和实用性。通过脉冲充放电、恒流充放电以及自定义UDDS循环工况实验验证了该模型的有效性。变阶RC模型通过略增加模型的复杂度,能更加准确地描述锂离子电池两端陡、中间平的非线性电压特性,相对误差在1%以内,具有较高的实用价值。

AIC与BIC在亲体-补充量模型选择中的应用及比较

由于渔业资源评估中补充量的剧烈变动、亲体量的测量误差以及时间序列的偏差常常使亲体 补充量(SR)关系模型的确定存在很大偏差问题。本文以7种SR(Stock Recruitment)模型的模拟数据作为观测数据,研究了AIC(AkaikeInfor mationCriterion)与BIC(BayesianInformationCriterion)在SR模型选择中的应用。作为例证,文中采用AIC和BIC对8组实际的SR数据进行了SR模型的选择,并对其结果进行了比较。参数的估计方法为最大似然法(Maximumlikelihoodmethod)。结果表明,AIC和BIC在SR模型选择中是有效的。但是,对于嵌套模型,BIC可能比AIC更有效。

利用聚类算法提高微地震初至拾取的稳定性

高效且准确地拾取有效信号的初至是微地震监测技术的关键。目前常用的微地震初至拾取算法是能量比算法,该算法应用简单且拾取效率高。但是能量比算法存在的主要问题是算法的抗噪性较差,拾取误差较大。为此,将聚类算法应用于微地震信号初至拾取,改进现有拾取算法。首先通过能量比算法对微地震初至进行一次拾取;然后通过聚类算法对一次拾取结果进行优化,提取其中的小误差初至;再对提取出的小误差初至的分布进行拟合,根据分布规律校正误差较大的初至;最后以优化后的初至为中心开时窗并利用AIC(Akaike Infor⁃mation Criteria)算法对微地震信号进行精细拾取。该算法结合了能量比算法和AIC算法的优点。实际数据测试结果表明,与传统算法相比该算法具有较高的拾取精度和抗噪性,而且可以有效识别多震相初至。此外,该算法的运算效率很高,适用于现场实时处理。

基于AIC准则的回归方法在建筑物变形分析中的应用

鉴于引起建筑物变形的地质、水文、气候、附近开挖等原因的不确定性和各种因素影响度的不确定性,本文提出将基于AIC准则的回归理论应用到变形分析中,实现了多项式回归系数和幂次方的自适应处理,并实现了建筑物变形分析中变形因子和回归函数的自动确定。在MATLAB下编写了算法,并提出了优化方案。实践证明,这一理论很适合于变形分析。

基于AIC准则和时窗能量比的电缆局部放电在线检测与定位

在利用多高频电流传感器进行电缆局部放电在线检测与定位时,针对局放信号初至时刻拾取精度不高影响定位精度的问题,提出一种基于AIC(Akaike’s Information Criterion)准则和时窗能量比的局放故障在线检测与精确定位方法。首先利用时窗能量比检测出局部放电发生的时窗,然后求取确定时窗的局部AIC特征曲线,并基于AIC准则精确拾取局放信号初至时刻。最后,运用到达时间法对局放源进行定位。仿真结果表明,该方法定位精度高,抗噪声干扰能力强,在-2 d B的噪声环境下可实现99.85%的定位准确率,具备工程实用价值。

极大似然估计与AIC准则联合建模

将极大似然估计与ＡＩＣ准则有机结合进行回归模型建模。这样不仅可省去一般回归模型建模时繁杂的模型检验工作，而且还可快速有效地同时估计模型参数和确定模型阶数。最后用实例验证本方法的实用性和正确性。

基于AIC信息准则法的摆式列车倾摆伺服系统建模研究

通过对摆式列车倾摆控制系统输入、输出数据的研究,建立一个来自实验数据的倾摆控制系统模型。基于AIC信息准则法极大似然参数估计建模的基本思想和理论,分析摆式列车倾摆伺服系统的结构、作动原理及控制输入参考信号的特点,通过仿真获取摆式列车倾摆控制系统的输入、输出数据,用极大似然函数法对同类模型的不同模型结构进行参数估计,并以得到的估计参数计算出相应的似然函数值及AIC信息距离值,选取AIC信息距离最小的模型为倾摆伺服系统的模型。实验仿真结果表明:基于AIC信息准则的极大似然参数估计方法能够对系统模型进行建模估计,该模型不仅是同类模型中与实际系统误差最小的而且是最佳的。

基于AIC准则的脉动风速时程模拟

阐述脉动风速时程模拟的方法和AIC准则。采用线性滤波器中的AR模型,结合AIC准则进行模型阶数选择,用MATLAB编程模拟脉动风速时程,并与目标功率谱进行比较,模拟效果较好,可以满足工程精度的要求。

混料试验设计变量选择AIC准则研究

在回归分析建模中,变量选择是重要的热点研究问题,在回归模型中应该保留对响应的影响最显著的变量.变量选择在分析实际经济问题中得到广泛的应用.文章以混料模型为基础,主要研究混料模型中的变量选择问题.

基于AIC-K-means的载荷分段混合分布估计

针对工程机械作业载荷分布估计的问题,基于AIC准则及K-means算法,提出了一种载荷分段混合分布估计方法。根据Luise分组方法,得到正态分布、对数正态分布及威布尔分布的卡方检验值。选取最小卡方检验值对应的分布函数作为分段混合分布各段的拟合函数,通过极大似然估计算法获得分段混合分布的表达式。结合挖掘机土石挖掘工况,将本文方法应用到主泵出口压力载荷数据中,并与现有方法进行对比分析,本文方法得到的结果通过了卡方检验。同时,用1000组仿真数据来验证方法的可行性,得到了参数估计的误差仅为0~18%。

峰度和AIC方法在区域地震事件和直达P波初动自动识别方面的应用

提出了一种基于直达P波信号的峰度和Kurtosis-AIC方法进行区域地震事件实时检测和直达P波初动精细识别的新方法,并应用于山东地震台网记录的地震波资料处理.结果表明:(1)应用峰度方法能够有效识别出地震事件,可有效减低地震事件的错误报警率和漏报率;(2)与人工识别震相到时的结果相比,根据Kurtosis-AIC震相自动识别方法得到的震相到时的平均绝对值误差为(0.09±0.08)s。

基于AIC准则的气动位置控制系统辨识

为了解决气动位置控制系统的精确定位,提出了一种基于AIC准则的气动位置控制系统辨识。通过对气动位置控制系统分析,建立了系统数学模型,并进行了线性化处理。基于AIC准则建立了白噪声和有色噪声两种模型,找到了满足两种模型最小的阶次,采用增广最小二乘法实现对有色噪声参数的无偏估计;通过自相关系数检验了系统残差序列的白色性,验证了气动位置控制系统辨识模型的可靠性。实验结果表明:当幅值分别为1000 A和1200 A时,两种系统的传递函数基本等价,说明在相同阶次的逆M序列且幅值在一定范围内,不同系统对模型参数的辨识影响较小。

基于DP算法的Poisson回归模型的变量选择

利用已有的DP算法,对Poisson回归模型的似然函数进行优化估计出模型的参数,分别写出Lasso、Adaptive Lasso、SCAD、MCP 4种惩罚似然函数,用DP算法进行求解,实现变量选择.为了实现算法的自动变量选择,在对惩罚参数的选择上,使用了AIC、BIC信息准则.为了验证DP算法的可行性,通过随机模拟的方式生成数据进行求解.在各项指标下,将DP算法与已有的相关算法进行对比.

基于AIC准则的最近邻聚类模型的优化算法

聚类分析方法的困难在于聚类模型的类中心和类别数的确定。首先给出了最近邻聚类规则,并根据该规则建立了确定聚类模型的分类方法;其次针对不同的聚类模型提出了优化判别准则———AIC准则,为解决所聚类的紧凑性与类别数增加的矛盾给出了理论分析。通过实例仿真,验证了本方法的实用性和正确性。

AIC准则在数据融合中的应用

提出了一种利用AIC准则来确定信息源信任度系数的方法,并以此衡量信息源的质量.实验结果表明,利用AIC准则确定的信任度系数可以得到较好的图像识别结果,同时也证明了将该方法应用在数据融合中的可行性.

高噪声环境下声发射损伤源定位技术研究

传统的TOA声发射源定位技术中,基于门槛的声波到达时间检测法在高噪声环境下会出现较大误差,从而导致损伤源定位率低、定位误差大。本文通过试验的方法研究了TOA定位技术与噪声水平之间的关系,分析了噪声影响声发射源定位的机理,采用AIC技术对高噪声环境下声波真实到达时间进行了校正,大幅提高了定位率和定位精度。该方法在铝合金试件真实疲劳试验损伤检测中进行了应用,成功在人工可见裂纹前定位出了损伤。

基于AIC优化RBF网络的机床主轴轴承磨损状态分析

利用赤迟信息准则(AIC)确定RBF神经网络的隐含层节点数和中心,建立基于该神经网络的机床磨损状态分析模型,并利用实验获取的振动信号来判断机床主轴轴承磨损状况。实验及仿真结果表明:基于AIC的RBF网络技术的分析方法在机床磨损状态分析中是有效可行的,对单一磨损状态的正确识别率达到了97.5%,对其他复杂机械的振动分析同样具有参考价值。