基于自联想核回归算法的数据驱动电机控制

在电机控制领域,基于模型驱动的控制方法已经广为研究,随着计算机运算能力的提升,给大量数据计算带来了可能性。为进一步提升电机控制性能,研究了一种基于自联想核回归法算法的控制补偿策略,基于运行过程中的大量数据来校正补偿电机控制过程,以提升电机控制性能,平抑运行过程中的波动。通过理论以及仿真分析,该方法能较好完成电机运行控制,加上补偿后的控制策略能减小电流波动以及转矩脉动,有一定的控制补偿效果。此控制算法同样适用于其他电机控制策略的优化过程,有一定的参考价值。

自适应加权根多项式回归颜色校正算法研究

针对多项式回归颜色校正方法中的不足,提出一种自适应加权的根多项式回归算法。多项式回归颜色校正过程中需要手动标定色卡色块位置,操作不便且易产生人为误差,本文自主设计了一种带QR码上3个定位标识符的色卡,可实现色卡色块的自动定位;针对多项式回归法的高阶项会放大噪声且对噪声不具有健壮性的问题,本文算法将自适应地调整权重矩阵以减小样本奇异值对拟合性能的影响,再由色差值计算另一个增益系数矩阵,从而提高校正性能。经实验验证,本文算法在CIELab色差值、PSNR两项指标上相较于传统多项式回归方法都有较大提升。其中,传统多项式回归方法平均CIELab色差值高达6.5,且该数值受环境影响较大,而本文算法对不同环境下的图像校正后色差可稳定在3.2以下。

基于多源预报残差的卡尔曼滤波校正技术

为充分利用实测水位流量序列所蕴含的信息,挖掘实测水位流量数据对洪水预报结果的实时在线校正作用以提高洪水预报精度,提出了一种基于多源预报残差的卡尔曼滤波校正技术,该技术采用基于水文要素观测值的涨落差法和残差自回归模型构建多源误差信息源,利用卡尔曼滤波技术进行多源误差序列融合来对洪水预报结果进行实时校正。浙江钱塘江流域实测资料验证结果表明:基于多源预报残差的卡尔曼滤波校正技术能够显著降低预报模型的流量模拟误差,平均相对误差减小超过10%。

基于预测校正算法的Spike and Slab Lasso逻辑回归模型

尽管Spike and Slab方法广泛应用于贝叶斯变量选择,但其惩罚似然估计的潜力在很大程度上被忽视了。通过在贝叶斯模态中引入惩罚化似然观点,本文提出了新的Spike and Slab Lasso逻辑回归模型,将两个拉普拉斯密度的混合先验置于单个坐标上,可以自适应地收缩系数,即弱收缩重要预测量,强收缩不相关预测量,从而可以得到准确的估计和预测。同时,我们使用了预测–校正算法来求解Spike and Slab Lasso逻辑回归模型,并将该算法扩展到不可分离惩罚的情况。该算法利用凸优化的预测校正算法,沿着整个正则化路径有效的计算解,方便了模型选择,避免了正则化参数值不同时的独立优化。最后,模拟学习和实证结果表明本文所提模型比Lasso逻辑回归模型具有更优的性能。

基于岭回归的近岸海域叶绿素a浓度反演模型

本文利用SeaDAS软件的三种标准业务化叶绿素a浓度反演算法OC2、OC3和OC4进行了黄海和东海的叶绿素a浓度反演,并利用2003年的黄海和东海实测叶绿素a浓度数据进行验证,发现OC3和OC4算法反演结果明显偏大,OC2算法反演结果略微偏大。针对上述三种算法的不足,本文提出了一种基于岭回归的叶绿素a浓度反演模型,并利用2003年的MODIS遥感数据进行了黄海和东海的叶绿素a浓度反演,经与实测数据对比及F检验(F=25.893,p=0.000<0.05),模型预测值与实测表层叶绿素a浓度值之间的平均绝对百分比误差(MAPE)为21.8%,均方根误差(RMSE)为0.325mg/m^(3)和决定系数(R^(2))为0.847。该模型可有效地克服OC2、OC3和OC4算法存在的共线性问题,准确性和拟合度优势明显。因此,基于岭回归的叶绿素a浓度反演模型能够有效地反演近海的叶绿素a浓度。

CLDAS地表温度产品在青藏高原多年冻土区的适用性评估与校正

青藏高原多年冻土区现有的地表温度数据主要包括点位观测的地表和浅表层地温数据,以及遥感反演、模式模拟和再分析等手段获取和制备的空间数据。中国气象局陆面数据同化系统(CLDAS)数据产品在全国大部分地区的表现较好,但受实测数据稀缺的限制以及对多年冻土特殊下垫面考量不足的影响,该数据在青藏高原多年冻土区的适用性有待进一步评估和修正。文中基于多年冻土区2008—2018年7个站点的逐日连续地表温度定点观测数据,对CLDAS地表温度数据进行评估,分析在不同时期以及不同下垫面类型下,CLDAS地表温度的适用性情况。结果表明:CLDAS在7个站点的地表温度与实测值存在较大偏差(bias=2.09℃,MAE=3.64℃,RMSE=4.67℃,R^(2)=0.83),主要表现为对地表温度的高估。其中,CLDAS在融化期的适用性相对较好,在冻融交替期、冻结期的适用性较差;在高寒荒漠、高寒荒漠草原地区的适用性较好,在高寒沼泽草甸地区的适用性较差。据此,在考虑归一化植被指数(NDVI)、归一化积雪指数(NDSI)、积雪深度、高程、坡度、坡向、土壤质地对地表温度的影响基础上,构建了多元逐步回归校正模型。校正模型考虑了研究区下垫面情况的差异,提高了CLDAS的模拟精度。结果显示,区分冻结期、融化期、交替期构建模型校正的结果优于不考虑冻融期构建的校正模型。区分冻融期分别构建多元逐步回归模型进行校正后,CLDAS地表温度的精度得到了明显提升(bias=-0.11℃,MAE=2.42℃,RMSE=3.23℃,R2=0.89)。

基于原始回归算法的高压电力计量数据智能校正方法

高压电力计量数据在采集、传输以及处理过程中可能会产生误差,若这些误差得不到校正,则会影响到电力系统的稳定性和可靠性,因此研究基于原始回归算法的高压电力计量数据智能校正方法。将估算功率因数与负载率作为异常指标,通过异常指标突出高压电力计量数据等异常信息;采用原始回归算法确定高压电力计量数据的偏差,以回归系数梯度下降法减小数据偏差,实现高压电力计量数据的智能校正。实验结果表明,分别在异常数据干扰以及噪声干扰的环境下获取测试样本,新方法能够在出现干扰因素后快速实现高压电力计量数据的智能校正,且校正结果具有较高的准确性,可以为实际工程应用提供有力支持。

一种带控制端的二次校正滤波器

提出了一种带控制端的二次校正滤波器,可在系统稳定和不稳定情况下实现自校正滤波.对于稳定系统,将其转化为自回归滑动平均(ARMA)模型进行自校正滤波;对于由于参数问题导致的不稳定系统,关键参数可分解为限定范围的游离参数1和固定或缓慢变化的游离参数2之和,即将系统转化为游离参数1作用下的稳定系统和可通过控制端进行二次校正的系统的组合.通过设定控制准则,将状态值和控制端联系起来,利用相关函数法估计控制端的控制系数,并将控制端二次校正值反馈至稳态滤波器(或预报器)中,实现一定范围内较稳定的自校正滤波.通过一个仿真例子验证了该方法的有效性.

土地覆盖类别面积混淆矩阵校正与回归遥感估算方法对比

混淆矩阵校正和回归估算是2类常用的,以遥感数据作为辅助的区域面积总量估算方法,但它们的相对效果及适用条件并不明确。该文根据遥感影像分类误差的分布规律模拟生成不同总体分类精度的图像,并在此数据的基础上,采用统一的抽样方案,以简单抽样反推方法为对比基准,探讨在不同的总体分类精度和不同的样本量下区域面积总量遥感估算方法的精度及稳定性。试验得到以下结论:1)相比于简单抽样反推方法,混淆矩阵校正和回归估算具有更好的准确性和稳定性;2)在各总体分类精度和样本量下,简单回归估计、比估计均具有良好的准确性和稳定性,相比于混淆矩阵校正,回归类方法略具优势;3)当遥感数据分类精度较低(≤60%)时,混淆矩阵逆校正的准确性和稳定性与简单抽样反推方法无明显区别,因此在此种情况下应尽量避免使用混淆矩阵逆校正方法。

非线性模型对数回归的偏差校正及与加权回归的对比分析

本文结合大样本的立木生物量实测数据,对非线性模型对数回归的偏差校正问题进行了探讨,并与加权回归结果进行了对比分析。首先,分析了对数回归产生偏差的内在原因,并提出了一个新的校正因子,同时对另外3个偏差校正因子一并进行了检验,结果表明本文和Baskerville(1972)提出的校正因子,能保证与加权回归估计结果趋于一致;然后,对非线性加权回归中基于普通回归残差推导的权函数与通用权函数(W=1/f(x)2)的拟合效果进行了对比分析,结果表明二者基本相当,而通用权函数更具有广泛的适应性。建议对带有异方差的非线性模型,最好直接采用加权回归进行估计;当按照通用权函数进行估计其总相对误差超出一定范围时,应该根据普通回归估计的残差推导效果最佳的权函数后再进行加权回归。

正交信号校正应用于多元线性回归建模的研究

通过近红外光谱技术建立二元、三元调和食用油中花生油含量模型以及二甲亚砜水溶液浓度模型,比较了分别采用原始光谱和正交信号校正(OSC)处理后光谱进行MLR建模的结果,并对所建的正交信号校正后光谱MLR模型与原始光谱PLS模型进行预测结果比较。比较过程中使用交互验证参数(包括决定系数RC,标准偏差SEC,预测值和实际值线性拟合方程的斜率a和截距b)以及外部预测统计参数(包括RV,标准偏差SEP,预测值和实际值线性拟合方程的斜率a和截距b)来评价模型能力。研究结果表明:与原始光谱相比,使用OSC处理后的光谱进行MLR建模(采用相同波长),得到的模型交互验证结果以及外部预测结果均有变好的趋势。通过优选建模波长组合(无共线性影响),OSC与MLR联用建模可得到优于PLS模型的结果。

一种自适应分区回归的打印机色彩校正方法

为解决打印机色彩在CIE色彩空间内的非线性、不一致问题,提出一种新的校正方法,首先根据每个要输出的CIE色度值,在改进的校正样本集中选取与其在色彩空间中特性最为接近的样本组成校正样本子集,然后利用多重回归的方法进行校正,得到CMY值.实验结果表明本方法的校正精度比传统校正方法有了显著提高.

支持向量回归建立成品汽油通用近红外校正模型的研究

针对目前采用偏最小二乘法建立成品汽油分析模型存在的问题,采用近几年新兴的支持向量回归方法建立了多种汽油标号通用的校正模型,其预测能力优于对应的偏最小二乘法,对汽油研究法辛烷值、烯烃和芳烃的预测标准偏差分别为0.37、1.28%和1.38%,可应用于实际的汽油管道自动调合近红外光谱在线分析。

中药材三七提取液近红外光谱的支持向量机回归校正方法

提出近红外光谱的支持向量机回归校正建模方法 .以中药材三七渗漉提取液为实际分析对象 ,对其近红外光谱数据进行预处理和主成分分析后 ,用支持向量机回归算法建立人参皂苷 Rg1,Rb1,Rd以及三七总皂苷的近红外光谱校正模型 .以 Rg1,Rb1和 Rd的 HPLC测定值及三七总皂苷的比色法测定值为参照 ,将本文方法与偏最小二乘回归和径向基神经网络建模方法相比较 ,结果表明 ,本文所建模型的预测准确性优于后两者 ,可推广应用于中药提取过程的近红外光谱分析 .

基于提升核偏最小二乘回归的色彩校正

为进一步提高回归算法的色彩校正精度,提出一个基于核偏最小二乘回归的局部迭代算法。该算法首先将源色彩空间中校正样本的邻域样本经核函数映射到一个高维的线性特征空间,然后在提升的迭代过程中通过偏最小二乘回归消除映射数据的多重共线性,最终达到色彩校正的目的。实验证明算法引入的特征空间提供了额外的校正信息,提升方法增强了核偏最小二乘回归性能,算法在精度和鲁棒性上均优于传统的多重回归和基于分区的回归校正方法。

支持向量回归机预测误差校正方法

针对传统的ε-不敏感支持向量回归机(ε-insensitive support vector regression,ε-SVR)未充分考虑局部支持向量对回归预测结果的影响,不利于提高回归预测精度的问题,提出了一种ε-SVR预测误差校正方法。该方法以期望预测值与ε-SVR回归预测值及局部支持向量间的欧氏距离和最小为目标函数,以ε不敏感损失带(ε-tube)宽度为约束条件,通过利用高维特征空间中ε-tube边界上和边界外的局部支持向量对ε-SVR的回归预测值进行误差校正。利用人工产生的不同分布数据集和UCI数据集进行的仿真结果表明,与传统的ε-SVR相比,该文方法具有更高的预测精度和更强的泛化能力。

支持向量回归建立测定醇烯比的近红外光谱校正模型

在石化工业中,甲基叔丁基醚(MTBE)是20多年来发展最快的石化产品之一。在生产过程中,反应器混合进料的醇烯比(MRMI)都是一个至关重要的操作参数,但传统的色谱方法由于速度慢、硬件维护量大等原因,应用效果大都不理想。近红外光谱方法因其快速、测量方便、维护少等特点,特别适合这一参数的在线测量。但是,由于醇烯比与近红外光谱之间呈严重的非线性响应,基于线性校正的偏最小二乘方法将不能得到准确的测定结果。因此,文章采用近几年新兴的支持向量回归方法建立近红外光谱测定醇烯比的校正模型,结果表明,该方法的预测能力优于偏最小二乘和人工神经网络方法,可以推广应用于实际的醇烯比在线近红外测量中。

多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型

采用全谱建立近红外校正模型，计算工作量大且冗余信息多。通过特定方法筛选特征波长有可能得到更好的定量校正模型。逐步回归法在波长选取方面起到了重要的作用。多元散射校正技术（Multiple scatter correction，MSC）可以有效剔除由样品颗粒大小、装填密度、湿度等不同引起的散射影响，有效提高光谱的信噪比。以我国东北黑土为研究对象，采集了136个土壤样品3699cm^-1-12000cm^-1范围的近红外光谱，利用多元散射校正技术对近红外原始光谱数据进行预处理，评价MSC的去噪效果，并利用多元线性回归法建立了土壤有机碳含量与校正光谱优选波长点处吸光度之间的关系模型，评价多元逐步回归法优选波长的有效性。结果表明，多元散射校正技术有效降低了散射的影响，提高了相关光谱的信噪比，模型决定系数从0．598提高至0．681。基于手动挑选波长建立的模型决定系数高达0．956，预测样品集模型预测值与实测值之间的相关系数为0．823。手动挑选波长建立的SOC模型预测能力优于基于逐步回归方法建立的定量模型，利用逐步回归分析法优选波长还需要进一步研究。图7,参26。

基于多元回归方法的激光显示颜色校正

应用计算机系统处理多元回归方法,是当今处理非线性关系的常用方法,本文阐述了激光显示中,由于三基色与传统显示三基色的选取不同,造成在现有电视制式下激光显示的颜色偏差。由于系统误差和其他影响,很难找到现有CRT制式和激光显示可以实际应用的关系式。我们通过多元回归的方法建立了激光显示色域与现有CRT?显示色域之间的关系。同时我们提出的多元回归方法,对在诸如液晶显示、大屏幕LED显示等需要颜色矫正的领域,有积极的借鉴意义。

基于自适应局部非线性回归的颜色校正算法

颜色是图像的重要信息。许多颜色校正算法都采用精度较高的查找表法。为了更好地拟合颜色空间之间复杂的映射关系,在自适应局部线性回归颜色校正模型的基础上提出了基于自适应局部非线性回归的颜色校正模型,在小样本情况下,自适应地选择插值点的个数,利用局部非线性回归模型优化权值,建立三维的查找表,实现较好的颜色校正效果。实验证明基于自适应局部非线性回归的颜色校正模型的校正精度整体高于基于自适应局部线性回归的颜色校正模型的校正精度。