基于在线更新的线性混合效应模型的参数估计

本文考虑在线更新数据集下线性混合效应模型的参数估计问题,提出了对应的在线更新估计方法,并证明了所得估计量的相合性.通过数值模拟发现,在不同的参数设置下,该方法的表现良好.将该方法与全局估计进行对比发现,虽然该方法在估计误差方面的表现不如全局估计,但是该方法能适用于在线更新数据集的情形,且大大降低了估计量的估计时间,以及估计时对计算机存储性能与计算性能的要求.

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

基于病菌孢子捕捉和real-time PCR技术的田间空气中小麦白粉病菌孢子动态监测及病情估计模型研究

利用Burkard定容式孢子捕捉器结合real-time PCR定量技术,分别对种植高抗、中感和高感白粉病小麦品种的田间空气中白粉病菌分生孢子浓度进行监测,结果表明,real-time PCR定量与传统的显微观察计数两种方法测得的孢子浓度呈显著正相关(P≤0.01),且两种病菌孢子计数方法在同一抗性品种上监测到的孢子浓度动态相近。此外,两种方法测得的孢子浓度与各气象因子的相关性分析结果一致,空气中的白粉病菌孢子浓度主要与空气相对湿度显著正相关。在此基础上,利用两种方法测定的田间空气中白粉病菌孢子浓度分别建立了基于累积孢子浓度的田间病情估计模型。分析发现,基于两种孢子浓度测定方法建立的病情估计模型间无显著性差异,表明real-time PCR定量技术测定的孢子浓度在构建白粉病病情估计模型上具有一定可行性。该结果为real-time PCR定量技术与病菌孢子捕捉技术相结合用于小麦白粉病的监测和预测提供理论依据。

基于核密度估计的经验路径模型在西北太平洋虚拟台风构建中的应用

合理评估台风对沿海区域的影响程度与风险对于科学抵御台风灾害而言十分重要,而我国具有详细的台风观测记录至今也仅有60多年的历史,这使得在推算具有一定重现期的极值风速及相应的极值波高和潮位等特征参数时存在局限性,同时台风观测样本量的不足也限制了如深度学习等数据驱动型模型在台风灾害预报中的应用。因此,有必要基于实际台风行进规律构建虚拟台风以克服历史数据量不足的问题。故本文采用基于核密度估计的经验路径模型,在西北太平洋海域构建了18 671场虚拟台风,将虚拟台风的起始与终止位置、发生频数、行进速度和行进方向等参数与实际发生的台风进行统计意义上的对比分析。结果表明,基于本文方法构建的虚拟台风总体上符合西北太平洋历史台风的行进规律。通过这些虚拟台风的构建,可为中国沿海极值波浪和风暴增水研究提供数据量足够且性能可靠的虚拟台风样本数据库。

维数发散乘积回归模型的M估计

针对乘积回归模型,本文提出了非凹惩罚最小乘积相对误差的M估计(简称为惩罚MLPRE),该方法可有效处理高维样本量及参数维数随样本量增大而增大的稀疏乘积回归模型.基于一些正则条件,本文得到惩罚M-LPRE参数估计的相合性和渐近正态性等理论性质,通过数值模拟和实例分析,验证了惩罚M-LPRE准则的有效性.

病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。

基于等效电路模型的云端动力电池寿命估计

由于目前动力电池管理系统(battery management system,BMS)存在存储小、算力低等问题,仅依靠BMS估计出的容量误差会随电池荷电状态(state of charge,SOC)累计误差增大而逐渐增大。为实现动力电池寿命准确估计,提出了基于等效电路模型(equivalent circuit model,ECM)的动力电池容量估计方法。模型基于开路电压(open circuit voltage,OCV)和SOC的关系,直接建立1阶RC模型和容量联系;通过粒子群优化算法(particle swarm optimization,PSO)寻优最小仿真端电压与实际端电压的均方根误差(root-mean-square error,RMSE),此时辨识结果为初步估计容量,结合多项式回归(polynomial curve fitting,PCF)控制卡尔曼滤波(kalman filter,KF)对辨识结果进行了优化。最后对云端实车与传统方法测得的容量进行对比验证,二者的RMSE小于3%且最大绝对误差小于2 Ah。与现有方法相比,该方法能够不单依赖BMS数据准确估计容量。同时,对于实车等复杂场景的应用做出了优化,可以实现实车场景下的容量精确估计。

基于等效电路与数据驱动模型的锂离子动力电池SOC估计技术

该文以二阶等效电路模型作为电池工作特性描述模型,分别利用无迹卡尔曼滤波算法、基于Sage-Husa自适应滤波思想的SR-AUKF算法估算锂电池的SOC值,对不同初始值条件下、不同噪声方差下2种算法的SOC估计及绝对误差曲线进行对比分析。而后在数据驱动模型下,在单独利用门控循环单元神经网络算法估算SOC后,再将之与无迹卡尔曼滤波算法组合应用,对不同工况及温度条件下2种算法的SOC估计结果及绝对误差进行比对,得到等效电路模型、数据驱动模型下锂离子动力电池SOC估计的最佳算法。

基于Jaynes-Cummings模型的量子参数估计与初态优化

参数估计理论是根据实验测量数据推断物理模型中未知参数的重要理论工具.Jaynes-Cumming模型是量子光学中广泛使用的模型,描述了二能级原子和单模量子光场之间的相互作用.利用参数估计理论系统地研究了该模型中光-原子耦合强度g的估计精度,并找到了可达到最高估计精度的初态.该结果可以提高基于Jaynes-Cumming模型的量子精密测量的精度,该研究方法也可用于其他基于混合量子系统的量子度量学研究.

混合热网络模型的构建及其结温估计方法

随着绝缘栅双极晶体管在电力电子系统中的广泛应用,对影响其可靠性的结温的准确获取变得至关重要。然而,模块主要的失效形式之一即焊料层的老化,会对结温产生很大的影响。为精确估计结温,结合2种传统热网络模型Cauer和Foster的优点,研究了2种热网络模型的接口方法,完成两部分模型的结合,将芯片焊料层的老化考虑在内提出了一种混合热网络模型。最后,通过有限元仿真和实验测试与混合热网络模型的计算结果对比,验证了混合热网络模型能够实现准确的结温估计,为模块运行状态的监测提供了依据。

非概率抽样估计中先验信息的利用——基于贝叶斯模型估计视角

非概率样本的估计问题是近年来的研究热点,本文以调查中先验信息的利用作为切入点,在配额抽样下设置贝叶斯形式的超总体模型,使用样本信息与先验信息对总体目标变量进行加权估计,从而解决非概率样本的估计问题。通过对北京市医疗资源调查的实证研究,表明先验信息的准确性和权重的合理分配决定着贝叶斯估计的效果,在合理的模型设置下贝叶斯估计在大量重复抽样下具有更好的稳定性。

基于改进神经网络的船舶航行速度估计数学模型

船舶航行速度直接影响船舶航行安全与路径规划效果,为此建立基于改进神经网络的船舶航行速度估计数学模型,提升船舶航行速度估计效果。利用位置编码机制,编码处理风速与波高等船舶航向速度相关数据;在编解码卷积神经网络内,引入自注意力机制,得到改进编解码卷积神经网络;利用编码后的船舶航速训练数据,训练改进神经网络,建立船舶航行速度估计数学模型;在该模型内,输入编码后的船舶航速测试数据,通过自注意力机制,提取船舶航速数据特征,并结合自注意力蒸馏剔除冗余特征;通过全连接层处理船舶航速数据特征,输出船舶航行速度估计结果。实验证明,该模型可有效提取船舶航速数据特征;该模型可精准估计船舶航行速度;在不同浪向下,该模型船舶航行速度估计的决定系数均较高,即估计精度较高。

0-k膨胀计数回归模型的参数估计与统计检验

0-k膨胀计数回归模型的参数估计与统计检验一直是数据分析的热点问题.借助隐变量重新设定0-k膨胀回归模型,并采用EM算法和Fisher信息矩阵给出参数的点估计和区间估计;基于Wald统计量和LR统计量对0-k膨胀分布是否会退化的现象进行统计检验;以0-k膨胀泊松回归模型为例进行实际应用.研究结果显示,采用EM算法进行参数估计时收敛速度较快且估计结果稳健,不同的0-k膨胀泊松分布对原始数据的拟合效果不同,若将k设定为非膨胀数值可能会导致拟合结果出现偏差.

基于多层次模型的小域估计方法研究——考虑抽样误差与测量误差的比率估计

小域估计的核心在于如何对样本量极少甚至为0的域作出较为可靠的子总体特征估计。小域内样本量有限,即在估计时可利用的信息有限,最大程度挖掘样本信息并借助其他域样本推断本小域特征,是提高小域估计精度的关键。传统基于设计的推断效果受样本量制约,不适用于样本量有限的小域估计问题,此时,需要采用基于模型的方法进行估计。文章针对比率估计,基于多层次模型刻画有限总体和小域之间的层次结构,分别通过第一层模型和第二层模型刻画域间异质性和域间相关性,借助其他域的样本单元实现对指定小域的估计,并在此基础上考察抽样机制和测量误差的影响。针对所提出的模型,给出具体的参数估计与误差估计方法,通过模拟验证具体效果,并将其应用于实际数据集。

基于DREAM算法的DSGE模型参数估计精度研究

文章将人工智能算法中的DREAM算法首次应用到动态随机一般均衡模型的参数估计中,并以动态随机一般均衡模型LS(2005)为例对该算法的估计精度进行了系统分析,研究结果表明:根据待估参数随机抽样序列的箱线图来看,由DREAM算法产生的待估参数随机抽样序列的箱体长度均比RWMH和IMH算法产生的箱体长度要长,说明由DREAM算法产生的参数估计序列的分散程度比RWMH和IMH算法要大,表明了DREAM算法遍历参数空间范围更为广泛,算法逃逸局部最优值的能力更强。另外,从箱线图中的中位数数值来看,除了5个参数以外,由DREAM算法产生的参数估计序列的中位数相比RWMH和IMH算法,与真实数据生成过程更为接近,说明由DREAM算法产生的参数估计值大部分都集中在参数的真值附近。由于DREAM算法依据IQR统计方法除去无用链,故由DREAM算法产生的参数估计序列的异常值也明显降低,而RWMH算法产生的参数估计序列的异常值尤其多。从待估参数的90%最大后验密度可信区间来看,DREAM算法产生的待估参数90%最大后验密度可信区间除了3个参数以外,其余全部包含了真值,而传统的RWMH和IMH算法分别只有7个和1个区间包含了真值,表明DREAM算法的估计不确定性远小于传统的RWMH和IMH算法。最后,根据待估参数的无效因子来看,DREAM算法产生的待估参数序列与传统的RWMH和IMH算法相比,其相关性更弱,即无效因子数值更小,这一点进一步验证了DREAM算法遍历整个参数空间的能力更强。

基于散射模型的球头锥目标几何结构参数估计

针对传统几何参数估计方法对成像质量要求较高,对低信噪比、稀疏孔径的散射回波数据估计精度低的问题,选择球头锥目标为研究对象,提出了一种使用几何参数散射模型和正交匹配追踪(orthogonal matching pursuit,OMP)算法相结合的方法,简化了计算过程,提升了参数估计精度。该方法首先根据先验信息确定代估参数的取值范围,并等间隔地在取值范围内设置参数网格,再根据对应的参数值计算散射模型,生成二维像,之后通过OMP算法拟合回波信号的成像结果,得到精确的几何参数估计值。所提方法实现了在原始回波数据质量较差的情况下,对球头锥类目标的几何参数精确估计与重构。

基于模型的动力电池SOC估计方法研究进展

随着电动汽车应用的快速发展,负责行驶安全的电池管理系统(BMS)的重要性日益凸显。高精度的电池荷电状态(SOC)估计方法是BMS有效运行的基础。对近年来有关电池模型、模型参数辨识和SOC估计方法三个领域的研究进行了较为系统的综述,总结了主要电池模型的特点及发展趋势,介绍了模型参数辨识的一般过程以及常见的辨识方法,对四类常见SOC估计方法做了介绍,分析了它们的特点和局限性,并探讨了SOC估算功能在BMS行业中的应用研究。针对当前研究中存在的不足,提出了未来的研究方向。

区间删失数据下Weibull 比例优势模型的参数估计

基于区间删失数据建模是当前复杂数据分析的热点之一。本研究在两类区间删失数据下建立Weibull比例优势模型,基于极大似然估计给出了模型参数,进一步讨论了估计量的渐近性质。数值模拟验证了模型参数的估计效果,并将提出的模型及方法应用到艾滋病临床试验数据和肺肿瘤试验数据中,给出了感兴趣事件的生存函数曲线,通过与生存函数的非参数极大似然估计比较,表明所提方法具有较好的拟合效果。

基于混合高斯模型的无相位线路阻抗参数估计方法

输电线路阻抗参数的准确估计是配电网可靠分析的基础。已有方法估计线路阻抗需要利用测量电压电流的相位信息,但当实测数据相位角缺失时,已有方法将失效。对此,提出了一种基于混合高斯模型的无相位线路阻抗参数估计方法,该方法仅需要线路两端的电压幅值、有功功率和无功功率的实测数据。首先由电力线路的潮流关系建立含误差的线路阻抗估计模型,然后考虑到测量环境存在噪声干扰,通过引入双隐变量,将含误差的线路阻抗估计模型转化为混合高斯模型,得到线路阻抗的概率分布,并利用最大后验估计得到线路阻抗参数估计值,最后通过仿真验证所提方法能有效估计线路阻抗的大小,为相位缺失场景下的线路阻抗估计提供一个新策略。

基于姿态估计和Transformer模型的遮挡行人重识别

行人重识别(re-identification,ReID)是利用人工智能解决边防检查、人员追踪等公共安全应用问题的技术,具有从跨设备采集的图像中识别某一特定行人的能力。但是在人员追踪等问题中,往往会出现行人刻意遮挡、复杂场景环境遮挡等因素,大大提高了行人重识别的难度。针对行人重识别遮挡问题,基于ResNet50网络,结合姿态估计和Transformer模型,提出了一种改进的行人重识别网络PT-Net,以提高遮挡条件下的行人重识别能力。该方法首先利用现有的姿态估计方法对输入图像进行关键点检测,并将关键点信息与行人特征图像结合起来生成一个基于姿态的行人特征表示;然后利用Transformer模型对基于姿态的行人特征表示编码,用来实现特征对齐和特征融合。基于国际公开的数据集Occluded-Duke开展实验验证。结果表明:PT-Net方法相对于基线模型,其均值平均精度(mAP)和相似度排序Rank-1指标分别提高了1.3、1.5个百分点,验证了该方法的有效性和优越性。