基于相关系数-熵-二维云模型的装配式建筑施工风险测度

装配式建筑施工过程要在多维空间中进行,叠加风险高,事故发生率高于传统现浇建筑施工,因此科学、准确地测度装配式建筑施工风险具有重要的现实意义。根据装配式建筑施工的特点,从人员、机械、环境、技术、管理5个维度建立了装配式建筑施工风险测度指标体系,并构建了相关系数-熵-二维云风险测度模型。实例应用结果表明:该测度模型较全面、客观、准确地反映了装配式建筑施工风险要素,能够有效实现装配式建筑施工过程风险的定量化测度,可为装配式建筑施工安全管理提供有力参考和依据。

基于多峰优化Kriging模型与距离相关系数的高速列车动力学参数多输出灵敏度分析

高速列车动力学参数较多,有多个动力学性能的评价指标。综合考虑这些动力学指标进行参数灵敏度分析,对高速列车动力学参数的恰当匹配具有重要意义。现有的单输出灵敏度分析技术难以准确度量参数对车辆动力学综合性能的影响。为避免这一缺陷,本文引入了一种新的基于距离相关系数的多输出灵敏度分析技术。该方法通过求解单个输入与多个输出变量之间的距离相关系数,实现多输出全局灵敏度分析的目的。为提高灵敏度分析的效率,建立了多个动力学指标与输入参数的Kriging模型;为提高近似模型的精度,引入了一种新颖的多峰优化算法对Kriging模型的超参数进行全局寻优。与传统单目标智能优化算法不同,该优化算法通过引入种群差异指标,将单目标优化问题转化为双目标优化问题,从而增加了子代种群的多样性,避免了传统优化算法易于陷入局部最优解的问题。基于所提方法,以和谐号动车组动车为例,研究了多个动力学指标的多输出全局灵敏度。结果表明:由于增强了种群多样性,所提的超参数优化方法对Kriging模型精度和稳定性提升效果明显;基于距离相关系数的灵敏度分析方法能够更加合理地识别出对车辆动力学综合性能影响较大的参数,排除几乎没有影响的参数。

磐安地震序列的震源参数和谱振幅相关系数研究

基于浙江测震台网记录到的2017年2—9月磐安地区发生的地震序列资料,采用Brune震源模型理论和波谱分析方法,得到磐安震群序列的应力降、视应力等震源参数。利用台站的零频幅值,计算谱振幅相关系数。采用聚类分组,并结合Cut and Paste(CAP)反演方法得到ML4.0主地震事件的震源机制解,系统分析小地震的震源机制的一致性程度。结果显示:震源区应力降值在0.00~0.80 MPa之间,整体构造应力较低;谱振幅相关系数较低,在0.86~0.95之间,震源机制整体相似程度不高;应力积累没有形成一个优势方向,可能指示磐安序列为低摩擦应力的断层作用。研究结果表明:磐安地震序列为普通的小震序列,其震源机制类型与构造应力场基本一致;谱振幅相关分析法可为小震序列的震后快速判定提供重要依据。

基于经验似然方法对分位数相关系数的区间估计

分位数相关系数是一种度量两个随机变量之间线性相关关系的非对称相关系数,在统计,金融,化学等领域的特征选择问题中都扮演着重要的作用.同时,经验似然作为一种非参数方法,被广泛应用于各类模型的统计推断问题.对于任意两个随机变量,从分位数相关系数的定义出发,建立估计方程,引入代入经验似然方法(PEL)和其修正版本(APEL),分别得到渐近规则化的卡方分布和标准卡方分布,从而得到分位数相关系数的区间估计.数值模拟部分从覆盖概率,置信区间长度和基于区间得分的平均损失三方面比较了两种基于经验似然的方法同其他已有方法的效果.实证分析部分将提出的方法应用于一项来自福布斯排行榜的数据集.

决定系数与相关系数辅助的LASSO回归

现有LASSO回归方法尚未解决回归关系式中冗余特征和无关特征的去除问题,提出一个决定系数与相关系数辅助的LASSO回归方法。设给定响应变量Y和备选解释变量集X,首先设计结合决定系数的LASSO回归正则化路径求解方法,找出X中的主解释变量;然后,设计结合决定系数、相关系数和正则化路径的方法,在固定主解释变量条件下求解LASSO回归的正则化路径过程中,去除X中的无关变量和冗余变量。模拟数据集和真实数据集的实验结果表明,新方法解决了LASSO回归中冗余特征和无关特征的去除问题,在冗余变量和无关变量的去除效果上胜过对比方法。

基于改进相关系数和IGOWLA算子的三角模糊数组合预测模型

随着经济系统复杂程度日益提高,用三角模糊数能更好地反映不确定信息.为保证预测结果的内部整体性,提出将三角模糊数序列的3个界点值转化为等价信息的面积中心、中界值、重心并构建新的序列.随后以预测精度为诱导因子,构建诱导广义有序加权对数平均(IGOWLA)算子,在此基础上选取改进后的Pearson相关系数作为最优准则,构建多目标组合预测模型,并引入偏好系数将模型进一步转化为单目标规划模型,通过实例分析证明了组合预测模型的有效性.结果表明:该组合预测模型可以在保证内部整体性的基础上有效地提高预测精度.

基于皮尔森相关系数的自适应SLIC超像素分割算法

针对简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)算法对不同图像自适应性差的问题,提出了一种基于皮尔森相关系数的自适应SLIC超像素图像分割算法。首先,通过量化非间隔进行图像预处理,并计算颜色熵作为图像复杂度,从而确定所需分割的超像素个数。其次,利用皮尔森相关系数作为相似性度量函数。最后,通过纹理特征对类内异常点进行滤除,确保种子点更新的准确性。实验结果表明,在超像素个数相同的情况下,基于皮尔森相关系数的自适应SLIC超像素图像分割算法相比主流超像素分割算法,可以获得更高的边缘命中率以及更低的欠分割率,性能优于LSC(Linear Spectral Clustering)、SLIC和SLIC0(Simple Linear Iterative Clustering Zero)算法。

基于专业相关系数的维修人员配置优化模型

装备维修专业人员是战时装备维修保障活动的主体,但目前关于战时维修人员优化配置的研究与实际情况还存在差距。以高功率微波武器装备为例,首先以各维修专业需求工时为标准,预测维修机构战时面临的维修任务量;其次,在考虑有效维修时间的基础上,分析估计维修机构的维修能力;再次,在各专业能完成战时相应维修任务的条件下,预计各维修专业人员需求;最后,利用专业相关系数对各维修专业人员进行优化配置,并通过已知维修任务对各维修专业工时需求实例,验证了维修专业人员优化配置模型的有效性。

基于组内相关系数的轮胎性能主观评价的研究

基于重复评价结果的组内相关系数(简称ICC),研究车辆评价员(简称评价员)对轮胎性能主观评价能力的评估。结果表明:通过ICC统计量可以得到评价员及其之间的评价结果一致性的可信度水平,能够定量反映评价员的主观评价能力;对评价员的评价结果一致性评估采用双向绝对一致性自身度量更为有效。本研究可为评价员的评估和筛选提供参考。

基于相关系数法的煤自燃危险性关联分析及预测

为缩短煤自燃倾向性的鉴定时间,首先利用工业分析仪及程序升温试验装置,测得各煤样煤质指标值及不同温度下煤自燃指标气体含量,并通过CO体积分数确定各煤样低温氧化临界温度点;然后再通过Arrhenius公式拟合得出温度与耗氧速率间的方程,并求解出各煤样临界温度前后不同阶段的表观活化能,通过Pearson相关系数法进行煤质指标值与煤样临界温度前后表观活化能之间的关联分析,并计算其相关系数;最后选取相关系数最大的煤质指标值,建立用于计算煤样表观活化能的多元线性回归模型,分析并预测煤自燃危险性。结果表明:煤质指标中不同成分与临界温度前后表观活化能间的相关系数有较大差异,其中挥发分与临界温度前后表观活化能的负相关系数最大,分别为-0.893和-0.977,燃料比与临界温度前后表观活化能的正相关系数最大,分别为0.956和0.968。所建立的多元线性回归模型,其拟合度可达0.9125和0.9330。

基于相关系数法的涠西南凹陷潜山地层提速技术

北部湾盆地涠西南凹陷深部潜山地层高强度灰岩对钻井参数敏感性高、机械钻速慢,制约了深部潜山油气田的经济勘探开发。由于钻井参数数据量大、种类多,需要综合分析潜山地层难钻原因,设计提速方案。为此基于现场大数据,采用相关系数法,分析影响潜山地层难钻的主控因素,推荐合理钻井参数,并结合钻头优化设计和提速工具选用形成针对性的提速方案。该提速技术在潜山层位应用后相比于邻井机械钻速提高41%,取得了良好效果。

基于距离相关系数的局部实例加权朴素贝叶斯文本分类算法

朴素贝叶斯算法具有简单高效的特点,被广泛应用于文本分类。方法要求属性之间满足条件独立性假设,然而该假设在现实中很难满足。同时,随着大数据时代到来,文本数据呈现非线性结构的特点,经典朴素贝叶斯算法拟合效果不高。为解决以上问题,本文提出了一种基于距离相关系数的局部实例加权朴素贝叶斯分类算法。首先,计算属性和类别的距离相关系数,并将其作为属性权重嵌入到文档距离测度中,构建一种新的距离度量方法;其次,测算训练样本和测试样本的距离,进行实例选择和实例加权,构建局部实例加权贝叶斯文本分类器;最后,利用WEKA平台上的15个文本数据集对算法性能进行实验比较。结果表明新提出的算法在分类精度上均优于三种经典的朴素贝叶斯文本分类器。

基于GINI相关系数的超高维分类特征变量筛选

本文提出了一种基于GINI相关系数的超高维判别分析的GINI相关特征筛选方法。该方法在简单条件下建立了稳健筛选性能。首先,对重尾分布、潜在异常值情况下的数据具有稳健性。其次,它没有具体的数据模型限制,适用于参数及非参数模型。第三,由于所得统计量的有界性,在理论推导上比较简单。第四,筛选指标结构简单,计算成本低。通过蒙特卡罗模拟和实际数据实例验证了该方法的有效性。

基于Spearman相关系数的接地电阻与土壤体积含水量相关性分析

【目的】防雷接地是防雷工程设计、施工和验收中的主要工作。通过了解土壤体积含水量对接地电阻的影响,能有效减少其对防雷接地设计的影响。【方法】对重庆市南川区金佛山国家综合气象观测专项试验外场2021年的接地电阻值和不同深度(地下0.1m、0.2 m、0.3 m、0.4 m、0.5 m、1.0 m)的土壤体积含水量数据进行特征分析,并对接地电阻、土壤体积含水量日均值进行正态性检验,利用Spearman相关系数进行相关性分析。【结果】深度为0.1~1.0 m时,接地电阻与不同深度的土壤体积含水量之间均呈现负相关关系,与深度为0.5 m的土壤体积含水量之间相关度最强,与接地极的埋深较为一致。【结论】对防雷接地设计有一定的参考价值。

基于子带处理与相关系数的风电机组功率异常波动检测

风电机组功率的周期性异常波动容易引起电网的低频振荡,威胁电网安全;而风电机组功率信号是一种非线性、非平稳信号,其异常波动频率存在不确定性,为异常波动特征的提取与检测带来困难。为此,文章提出一种基于子带处理与相关系数的风电机组功率异常波动检测方法。其首先将原始功率信号通过高通滤波器去除趋势项,然后采用子带处理滤波器组进行信号分解,得到一系列子带信号;将去除趋势项后的功率信号与各子带信号分别计算互相关系数,并根据互相关系数实现周期性异常波动所在子带的定位及子带筛选;基于筛选所得子带信号进行信号重构得到高信噪比重构信号;采用峰值检波与自相关分析相结合的检测方法,识别重构信号中特定幅值周期性异常波动发生时段,从而达到风电机组功率信号周期性异常波动检测的目的。现场数据测试结果表明,对于0.06 Hz、0.32 Hz等不同频率的功率周期性异常波动,该方法能够准确识别其所在子带及特征。

基于皮尔逊相关系数和信息熵的多传感器数据融合

近年来,多传感器数据融合的研究因其优异的性能而受到广泛关注.为了缓解高冲突数据对融合的影响,本文提出了一种基于皮尔逊系数和信息熵的多传感器数据融合方法.首先,引入皮尔逊系数来衡量证据碎片之间的冲突程度,得到证据的信度;同时,采用信息熵来度量证据的不确定性.然后,根据得到的信息熵对证据的可信度进行修正,进一步得到加权平均证据.最后,根据Dempster的组合规则对加权证据进行数据融合.数值算例结果表明,该方法具有较好的鲁棒性,更适合于实际场景.在目标检测和故障诊断中的应用结果表明,该方法的准确率分别高达98.09%和91.94%,证明了该方法的有效性和可行性.

基于Pearson相关系数与广义S变换的低压直流微电网的故障选线方法

针对低压直流微电网线路的故障选线方法的研究有限,提出一种基于Pearson相关系数与广义S变换的故障选线方法。首先,介绍了低压直流微电网的一般组成。在此基础上,研究了低压直流微电网的单极故障以及极间故障的故障特征,提出选线方法,对各线路正负极首末端电流差进行Pearson相关系数计算来确定故障线路。然后对所选故障线路正负线路首端的电流量进行广义S变换,计算出其能量和的比值判别故障极性或者极间故障。最后,在PSCAD/EMTDC中搭建出低压直流微电网模型以输出各线路电流数据,并利用Matlab对数据进行仿真。结果表明,所提选线方法直接有效,且耐受过渡电阻的能力较强。

融入距离方差和距离相关系数的偏最小二乘回归方法

偏最小二乘法(partial least square,PLS)在内部采用Pearson系数度量自变量和因变量之间的相关性时提取出的成分不能确保解释性最强,并且PLS在将提取的成分进行线性回归时也无法真实反映变量间的函数关系.针对这些问题,该文提出了融入距离方差和距离相关系数的偏最小二乘回归方法(DVDCCPLS).DVDCCPLS基于距离方差和距离相关系数提取距离成分,再将距离成分进行拟线性回归得到距离回归方程,通过模型求解方法将距离回归方程转换为原始数据的表达,最终得到结构简洁、精度较高的回归模型.该文分别采用麻杏石甘汤数据和UCI数据集测试DVDCCPLS的性能,并与其他5种经典的回归算法对比,结果表明:DVDCCPLS具有较好的回归效果和回归性能.

基于暂态电流相关系数的环状直流配电网保护方法

基于模块化多电平换流器(modular multilevel converter,MMC)的环状直流配电网因其供电可靠性优势而备受瞩目,MMC环状直流配电网的稳定运行与快速而又可靠的线路保护方法息息相关。为了保证环状直流配电网系统的安全运行,提出了基于故障暂态电流的Pearson相关系数保护方法。首先,提取环状直流配电网中线路首末两端电流的线模分量,利用其线模电流的差异完成区内、外故障的识别;根据单极接地和双极短路故障时的特征,利用线路正负极暂态电流相关系数数值差异进行单双极故障判定,并完成故障选极;最后,在PSCAD/EMTDC(power systems computer aided design/electromagnetic transients including DC)中搭建环状直流配电网模型进行验证,结果表明:所提方法在2 ms内可以快速可靠动作,可以保护线路全长,耐过渡电阻能力强,在40 dB噪声情况下,依旧可以识别故障,有一定的抗干扰能力,并且不严格要求同步通信。

基于距离相关系数和Catboost方法的森林蓄积量估测

【目的】探讨采用Landsat-8遥感影像数据,基于距离相关系数特征选择的Catboost模型在森林蓄积量估测中的潜力和适应性,为森林蓄积量的估测方法再增加一种可能性,也能为“双碳”目标的实现提供理论支撑。【方法】以浙江省龙泉市为研究区域,使用多源数据,包括Landsat-8卫星影像数据、森林资源二调数据和数字高程模型的数据,整个过程使用十字折交叉验证法对模型检验。首先使用基于距离相关系数的方法筛选特征因子,在不区分树种的情况下,分别利用K最近邻算法(KNN)、装袋算法(Bagging)、决策树梯度提升算法(LGBM)、梯度增强集成分类器算法(Catboost)4种方法建立蓄积量估测模型。之后再选取样本数据中数量比较大的杉木、针叶混交林、马尾松3种优势树种,分别使用Catboost方法进行蓄积量估测,再按权求和与未区分树种情况下的估测结果进行比较。【结果】Catboost方法表现优势明显,优于K最近邻算法(KNN)、装袋算法(Bagging)以及决策树梯度提升算法(LGBM),其模型的精确度达到了81.43%,建模估测的精确度达到了76.74%,并且与3种不同优势树种按权求和的结果对比,Catboost法的建模精确度差别不大,但是估测的精确度提高了1.01%。【结论】基于距离相关系数特征选择方法结合Catboost模型在森林蓄积量估测中效果表现更好,并且尽管区分树种和不区分树种的情况下模型的估测能力差距比较小,但是区分树种情况下还是略有提高,这为测量区域森林蓄积量提供了一种新的思路。