部分线性变系数空间自回归模型的惩罚轮廓拟最大似然方法

主要研究了部分线性变系数空间自回归模型的变量选择问题。结合拟最大似然方法、局部线性光滑方法以及一类非凸罚函数,提出了一个变量选择方法用于同时选择该模型的参数部分中重要解释变量和估计相应的非零参数。大量模拟研究表明,所提出的变量选择方法具有满意的有限样本性质,并且关于空间权矩阵的稀疏度、空间相关强度、系数函数的复杂度以及误差分布的非正态性非常稳健。特别地,当样本容量较大且罚函数选择合适时,即使解释变量的相关性较强或者模型中含有较多不重要解释变量,所提出的变量选择方法仍然具有比较满意的有限样本性质。通过分析波士顿房屋价格数据考察了所提出的变量选择方法的实际应用效果。

结合轻量卷积的非自回归语音合成方法

对如何有效捕捉音素之间的关联及如何合成韵律丰富的音频进行研究,提出一种结合轻量卷积的非自回归语音合成模型LCTTS。引入轻量卷积建立起音素之间的联系,解决发音出错问题。通过添加音高和能量预测器预测生成语音的韵律,解决音频韵律缺乏问题。训练模型获取梅尔频谱,结合预先训练好的声码器转化为音频。实验结果表明,提出的LCTTS模型优于先前提出的SpeedySpeech模型,在Emotional Speech Database数据集上平均意见得分获得2.8%的提升,梅尔倒谱失真测度下降0.15。

部分线性空间自回归模型的惩罚最小二乘方法

部分线性空间自回归模型因具有参数空间自回归模型的解释能力和非参数空间自回归模型的灵活性而成为一类备受关注的半参数空间自回归模型。主要研究部分线性空间自回归模型的变量选择问题,基于轮廓拟最大似然方法和一类非凸罚函数,提出了一类惩罚最小二乘方法同时选择该模型的参数部分中重要解释变量和估计相应的非零回归系数。在适当的正则条件下,推导了回归系数的惩罚估计的收敛速度,并证明了所提出的变量选择方法具有Oracle性质。模拟研究和实际数据分析均表明所提出的变量选择方法具有满意的有限样本性质。

基于多组实时数据回归分析的空调负荷预测方法研究

传统的空调负荷预测方法存在一定局限性或计算工作量大、周期较长等问题,本文提出一种利用多组实时数据进行回归分析预测空调负荷方法,在规划前期条件不确定时,通过多对组数据的相关分析,判断供能面积与冷负荷、热负荷的相关性,拟合回归方程,并应用于实际工程进行空调负荷预测,通过与传统空调负荷预测方法计算值进行比对,预测结果相对误差5%以内。该方法在一定范围条件下,可作为一种前期空调负荷估算的实用方法。

基于随机森林回归算法的水电工程移民安置效果评价方法

常规的水电工程移民安置效果评价方法主要使用定量结合技术生成评价指标体系,易受生活水平指数SPI动态变化影响,导致评价优属度偏低,因此,需要基于随机森林算法设计1种全新的水电工程移民安置效果评价方法。即利用随机森林回归算法确定了安置效果基础评价指标,建立了水电工程移民安置效果评价结构,从而实现了水电工程移民安置效果评价。实例分析结果表明,设计的水电工程安置随机森林回归算法效果评价方法的评价优属度较高,具有评价可靠性,有一定的应用价值,为优化水电工程移民项目建设作出了一定的贡献。

基于多元线性回归数学模型的通信敏感信息快速识别方法

常规的通信敏感信息识别方法以敏感词语识别为主,忽略了图片、文本、语音等通信敏感信息,影响最终的信息识别效果。因此,设计了基于多元线性回归数学模型的通信敏感信息快速识别方法。提取通信信息敏感性特征,对通信敏感信息的表现形式进行分析,相同表现形式的信息统一分类,避免信息之间的相互干扰问题。基于多元线性回归数学模型分级识别敏感文档,过滤掉意思表达不清晰或有歧义的信息,并将信息的敏感性进行合并,得到通信信息的敏感性度量,从而快速识别通信信息的敏感性分级。标注通信敏感信息识别序列,根据敏感信息的敏感性标注,赋予对应的标签作为识别序列,按照标注序列逐级识别信息,从而满足敏感信息识别的完整性需求。采用对比实验,验证了该方法的敏感信息识别精准度更高,能够应用于实际生活中。

基于夜间灯光数据和空间回归模型的人口格网化方法研究

为了提高地区常住人口回归结果的精度,表现地区及城市内部乡镇、街道以及更小尺度上人口分布特征,以里下河地区为研究区域,以NPP-VIIRS模拟的2020年DMSP-OLS夜间灯光数据为基础,结合土地利用/覆被数据、乡镇和街道常住人口统计数据,采用空间回归模型对各市县常住人口进行建模,并进行精度校验和结果修正,最终得到一种精度较高的人口格网化方法。结果表明:1)里下河地区夜间灯光强度累计值与人口统计数据间相关性为0.8747(P<0.01),相关系数高;选择相关系数最高的二次项式函数作为最优模型,空间回归模型模拟效果较好;2)基于精度检验后各空间单元残差值大小不同,采用分段函数对人口格网化结果进行校正,所绘人口分布图能更加详细、准确地刻画人口的真实分布情况;3)在人口数量和密度都较小的乡镇和农村,将NPP-VIIRS数据模拟为DMSP-OLS夜间灯光数据比直接采用NPP-VIIRS数据做人口空间回归误差更小。

滑坡在役防治工程缺陷分类和健康评价方法

为快速评估常见在役滑坡防治工程的运行状态并采取科学有效的维护手段,笔者在三峡库区、汶川震区和川东地区实地调查了160余处抗滑挡墙、抗滑桩和格构锚固工程,获取了上述三类滑坡防治工程表征损伤的第一手资料,总结分析了其变形破坏模式及特征,定义了滑坡防治工程缺陷的概念,定性地提出了缺陷程度分级标准。在统计分析滑坡防治工程损伤特征基础上,选取了墙身滑移距离、墙身沉陷位移、墙身倾斜程度、墙身裂缝密度、桩体倾斜程度、桩体剪切程度、桩体裂缝密度、格梁最大裂缝宽度、单根格构梁裂缝率和受损格构变形区比例等10个控制指标作为其缺陷分类指标,结合多元线性回归法,对单体工程结构进行综合量化评分评定,进而建立了半定量的滑坡防治工程健康评价方法。

一种解决三区间数回归的混合PM方法

为了解决现有PM方法应用于三区间数回归模型时难以保证数学一致性及回归区间和观测区间之间存在的相交性问题,文章构建一种用于回归区间上下界的PM方法和用于回归最有可能值点非参数化方法的混合回归模型,通过添加“回归区间上界≥回归最有可能值≥回归区间下界”这一约束条件来确保区间数据的数学一致性,并通过限制“回归区间上界≥观测区间下界且观测区间上界≥回归区间下界”来确保区间相交性。基于K-T方程组讨论回归系数的解析表达式。蒙特卡洛模拟结果表明:与CCRM+模型相比,混合回归模型具有更好的回归效果,PCO平均提高了121%,N0平均降低了89%。在观测数据波动更大的多元回归中,混合回归模型也具有更好的回归效果。

基于多元线性回归模型的分布式能源系统短期负荷预测方法

常规的分布式能源系统短期负荷预测方法以平稳时间序列预测为主,负荷预测值与实际值存在一定的误差,影响分布式能源系统的稳定运行。因此,设计了一种基于多元线性回归模型的分布式能源系统短期负荷预测方法。通过提取分布式能源系统的短期负荷拟合特征,对日负荷特性进行分析,以确定短期负荷波动规律,从而指导负荷预测工作。利用多元线性回归模型可以预测能源短期负荷区间,并划分出实际负荷区间的边界,从而反映实际负荷落在负荷预测区间的位置,降低负荷预测误差。通过对比实验证实,该方法的预测精准度较高,能够应用于实际生活。

基于回归分析方法的船舶阻力估算

阻力预测是船舶设计的重要环节。本文采用多种阻力预测方法对KCS船舶、KVLCC2船舶、Wigley船型以及NPL圆舭艇的阻力进行估算,验证多种阻力预测方法的计算精度和可靠性,探究各种阻力预测方法的适用范围。结果表明,基于回归分析方法计算常规排水型船舶阻力和基于细长体方法计算瘦长船型和方尾船阻力的方案可行。船型特征是选择阻力预测方法的首要因素。细长体理论计算的自由面波形结果基本令人满意。本文对船舶阻力估算方法的研究起到一定的借鉴和参考作用,同时也提供了一系列阻力计算的验证算例。

基于分位数回归的升船机变形监控模型构建方法

为深入分析升船机变形影响因素,提出了一种基于分位数回归的升船机变形监控模型构建方法。该方法根据升船机的结构特点,将温度、前期上游水位均值等因素引入候选影响因子集,采用自适应弹性网络分位数回归对影响因子进行筛选,建立各分位数下的回归模型,并根据拟合的良好性和检验的有效性原则选出最优的升船机变形监控模型。实例验证结果表明:相对于常规的逐步回归模型,本文方法构建的最优模型的预测精度波动性小,具有较强的稳定性,同时具有良好的长期预测能力。

体育科学研究范式的本体回归、认知定位与方法革新

运用文献资料法、逻辑分析法,对体育科学研究进行追问与反思,旨在为推动体育科学研究的进一步发展贡献力量。笔者从本体回归、认知定位、方法革新三个方面阐释了体育科学跨越升级的实然考量;并最终强调要依靠体育学界“绝大多数”的力量,回归基本功底,树立“研究概念”的基本意识、坚持“理论导向”的思维认知、破除“唯方法主义”操作局限,共同助力体育科学研究范式革新。

左删失数据的双惩罚贝叶斯Tobit分位回归方法

在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。

基于分类回归树方法的遥感信息快速提取研究

遥感信息具有一定的连续变化性,这将会在一定程度上使得遥感信息快速提取存在偏差,其提取的时间也随之增加,容错率下降,为此文中提出基于分类回归树的遥感信息快速提取方法。通过噪声调整的主成分分析法(NAPCA)提取遥感信息的特征,利用复小波变换法对图像进行去噪处理,同时结合邻域值函数完成小波系数收缩。通过分类回归树方法进行样本训练,连续不间断获取遥感信息,结合Bayes判别准则完成遥感信息快速提取。实验结果表明,所提方法能够有效提升容错率,降低遥感信息快速提取偏差和时间。

基于双路回归神经网络的遥感图像超分辨率重建方法

文中提出了一种于双路回归神经网络的遥感图像超分辨率重建方法,引入减少了计算量复杂性和加速网络融合的局部残差学习机制;通过跳级连接和通道注意力机制将融合引入网络以增加特征图的数量,并促进反卷积恢复图像细节的图层;双对称模的输出对增强特性表示和选择性地强调重要性特征的总结信息可使网络架构进行分类信息和减少计算成本。该方法克服了传统方法构建图像的解决方案未有显著改进、图像非常平滑、所需细节容易丢失等问题,进一步提高了改进后组织的有效性和优越性。

基于逻辑回归的电缆吸附卡风险评价方法

针对电缆测井现场无法预测电缆吸附卡的情况,基于逻辑回归建立一种电缆吸附卡风险评价方法,再使用Monte-Carlo进行模拟,得到电缆吸附卡风险概率。首先,根据现场施工经验,建立电缆吸附卡事故树,明确影响电缆吸附卡的原因,确定电缆吸附卡的主控因素;然后,构建基于逻辑回归的电缆吸附卡风险评价模型,带入训练集中井的主控因素对模型进行训练,提高模型的可靠度;最后,采用Monte-Carlo方法进行模拟,计算电缆吸附卡的风险概率,实现对电缆吸附卡的风险判断,以新疆某油田32口井为训练集对同区域的两口井进行了实例分析,评价结果与现场相符。结果表明:所建立的方法能够较好地利用大数据对电缆吸附卡风险进行定量评价,对于保障电缆测井作业安全和实现智能化具有一定理论指导意义,是一种新颖科学的评价方法。

基于回归方法和神经网络的电弧增材制造单道成形形貌预测

目的 针对电弧增材制造技术实际应用中工艺参数选取困难和成形结果难预测的问题,确定高效、准确的电弧增材制造单道成形形貌预测的数学方法,以快速、方便地选取丝材电弧增材制造工艺参数并指导成形质量控制。方法 在单道单层丝材电弧增材制造实验的基础上,采用多种回归方法和神经网络方法分别建立焊接电流、电压和焊枪移动速度等多个工艺参数与增材层宽度、增材层高度及熔池深度等成形形貌参数之间的数学关系模型。结果 电弧增材制造单道成形形貌与焊接电流、电压和焊枪移动速度显著相关,且各参数间存在非线性交互作用;采用多元线性回归法可较准确地预测单道增材层宽度,但对于增材层高度和熔深的预测效果较差;神经网络可良好地处理各工艺参数间复杂的非线性关系,其对增材层宽度、增材层高度和熔深的预测平均误差率分别为4.17%、6.60%和7.01%,显著优于多元线性回归法。结论 采用神经网络法可以准确预测电弧增材制造单道成形的形貌参数,进而指导增材制造工艺参数的选取和成形质量的控制。

多元响应线性回归模型的马氏Mallows模型平均方法改进

针对多元响应线性回归模型,提出了修改的马氏Mallows模型平均(MMMAc)方法。为了更充分地利用多元响应变量之间的相关性信息从而更好地提高预测精度,组合权重选择准则的构造同样考虑了马氏距离预测风险,并通过构造Wishart分布,推导出预测损失的无偏估计作为权重的选择准则,最终得到的MMMAc准则相比马氏Mallows模型平均(MMMA)准则增加了一个偏差矫正项,减小了对预测损失估计的偏差,因此通过最小化该准则得到的权重估计能更接近不可得的理论最优组合权重;最后,模拟对比实验验证了MMMAc方法的优势:MMMAc估计具有与MMMA估计同样的渐进最优性,因此两者的表现在大样本情形下没有太大差异,然而,由于修改后的权重选择准则为预测损失的无偏估计,因此在样本量不足的情形下,MMMAc方法的预测表现更佳。

基于广义回归神经网络的网络信息资源个性化推荐方法

传统网络信息资源个性化推荐方法无法存储长期信息,导致推荐精度低,召回率高。因此,研究基于广义回归神经网络的网络信息资源个性化推荐方法。首先,获取初始兴趣偏好特征数据,分配相应权重进行归一化处理;其次,确定训练样本的收敛范围,调整权值得到不同层神经元之间的连接权值和阈值,并输出匹配结果;最后,运用过滤推荐算法计算环境网络信息资源偏好和用户网络关系,得到训练样本相似度,生成近似数据集,根据偏好完成个性化推荐。实验结果表明,该方法的召回率最低,推荐准确程度高。