基于MC-XGBoost模型的航空发动机振动特性预测

为探索航空发动机高压转子组件的装配参数对整机振动响应的影响,通过不平衡响应振动方程描述了装配阶段几何偏差和不平衡偏差与振型的机理关系,提出一种基于最大相关性(maximum correlation,MC)系数与极端梯度提升(XGBoost)的改进模型,MC-XGBoost预测模型。通过MC系数筛选影响振动性能的关键参数,即最相关的几何/不平衡装配参数;代入XGBoost模型进行振动特性预测。利用试验数据对预测模型进行验证,结果表明所提出的MC-XGBoost预测模型相比于RF、GBDT算法模型,具有更高的预测精度,能够为航空发动机面向装配质量的振动特性评估提供一种有效的评价方法。

基于MCKD和VMD的滚动轴承微弱故障特征提取

针对滚动轴承早期故障特征非常微弱,易受随机噪声和其他信号干扰而难以提取等现象,提出了用最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)和变分模态分解(Variational Mode Decomposition,VMD)相结合的方法提取滚动轴承故障特征。首先用MCKD进行信号增强,然后利用VMD得到一系列模态,应用互相关系数和峭度准则筛选包含故障信息较为丰富的模态进行重构降噪,最后对重构信号进行包络解调提取故障特征。通过仿真分析和轴承故障模拟实验验证了该方法的有效性,可以精确地分离轴承故障振动信号的不同频率成分。

基于最大信息系数的关联性特征选择算法:MICCFS

针对基于关联性特征选择算法(CFS)对于回归任务只能识别变量线性关系和分类任务使用对称不确定性度量的不足,提出一种基于最大信息系数(MIC)的CFS特征选择算法:MICCFS.将回归任务中衡量变量间的线性相关系数和分类任务中的对称不确定性度量改进为MIC度量方式.运用最佳优先搜索算法搜索特征子集,以UCI机器学习数据库中11个回归数据集和10个分类数据集为实验对象,采用支持向量机、k近邻算法、朴素贝叶斯模型、决策树四种分类器,比较了MICCFS和CFS以及常用特征选择方法SVMRFE、Lasso、MIM、Relief F、Chi-Square的效果,结果表明MICCFS具有一定优势.

基于短行程特征聚类的移动源排放清单构建方法

文章基于主成分分析(principal component analysis,PCA)和K-means聚类的短行程法,构建福州市轻型车的行驶工况。首先对原始数据进行预处理、划分运动学片段并计算其特征参数,运用PCA对划分后片段进行参数降维,再对其进行K-means聚类分析,形成典型片段库;然后分别根据最小参数偏差法和最大相关系数法挑选片段组成行驶工况,对比后输出最终工况,并对最终行驶工况进行有效性验证;最后利用VT-Micro(Virginia Tech microscopic)模型并结合合成工况,计算单车排放因子,构建2020年福州市机动车排放清单。研究结果可为移动源排放清单构建研究提供参考。

基于变量选择的燃煤机组SCR脱硝系统SSA-KELM建模

针对燃煤机组选择性催化还原(Selective catalytic reduction,SCR)脱硝系统出口NOx浓度存在测量滞后以及吹扫时数据失真等问题,提出基于特征提取和麻雀搜索算法(Sparrow search algorithm,SSA)优化核极限学习机(Kernel based extreme learning machine,KELM)超参数的燃煤机组SCR脱硝系统建模方法。利用最大信息系数确定各输入变量的延迟时间,表征变量间的相关性。在此基础上采用相关性的特征选择算法将加入迟延参数的重构输入变量进行变量选择;通过SSA优化算法确定KELM初始输入层权值及偏差的超参数。所建立的SSA-KELM预测模型的均方误差和相关系数分别为1.1212 mg/m3、0.9616,与粒子群算法、灰狼算法寻优后的预测模型所得结果相比预测精度较高,模型能够为脱硝系统出口NOx的现场优化控制提供技术支持。

基于变量分组降维的辛烷值损失预测模型

针对精炼汽油辛烷值损失的问题,基于灰色关联度分析方法与最大信息系数方法,给出变量分组降维的特征选择方法,以有效选择出具有独立性代表的特征;与随机森林算法相结合,提出一种辛烷值损失量预测模型。由于操作变量之间具有高度非线性和相互强耦联的关系,采用变量分组降维,即考虑操作变量、性质变量与产品硫含量、辛烷值损失的关系来筛选特征。利用灰色关联度筛选出对辛烷值损失和产品硫含量的关联程度较强的特征,排序后由最大信息系数筛选出28个独立变量。收集研究生数学建模竞赛试题数据,采用随机森林算法进行仿真预测计算。计算结果表明,基于变量分组的特征选择和辛烷值损失预测模型得到的均方误差为0.0086,拟合值R 2为92.5%。

基于机器学习的抗乳腺癌候选药物筛选模型优化

雌激素受体α亚型(Estrogen receptors alpha,ERα)被认为是治疗乳腺癌的重要靶标,对于治疗乳腺癌非常关键。为准确找出能抑制ERα活性的化合物,以504个分子描述符作为研究变量,采用Spearman相关系数、最大互信息系数和随机森林特征选择三种方法,分别筛选出排名前30的分子描述符,综合三种方法的结果,使用基于秩的变量选择算法选出前20个对生物活性最具显著影响的分子描述符,并分别建立岭回归和随机森林非线性回归模型对其进行比较。结果表明,随机森林模型方法的预测效果更好,可用于化合物对ERα生物活性值的预测。

一种估计最大信息系数阈值最优取值的方法

为了简化最大信息系数计算的复杂度,达到计算准确性与计算复杂度的最优平衡,通过基因与疾病相关性实验研究了最大信息系数阈值的合适取值区间及最优取值。结果表明:利用变量间强相关数据和不相关数据出现的频数,及其在不同阈值下的变化趋势,可以估计出阈值的合适取值区间;通过统计阈值取值区间上界集合的最小值,可以估计阈值的最优取值;对于不同变量,阈值的最优取值也不相同,并且随着采样数的增大,阈值的最优取值有减小的趋势。

基于小波系数相关性和局部拉普拉斯模型降噪方法

提出了一种基于小波系数尺度间相关性和局部拉普拉斯模型降噪方法。首先利用小波系数相邻尺度间的相关性对各尺度上系数进行分类,将小波系数分为有效系数和无效系数两类;然后将两类小波系数分别采用相应规则进行处理:对无效小波系数直接进行置零;而对有效系数邻域内的小波系数统计分布进行局部拉普拉斯建模。在此先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出信号的小波系数;最后利用真实信号小波系数的估计值来重构信号,便得到降噪信号。分析结果表明,与传统的软、硬阈值去噪方法相比,该方法可以更有效地消除信号中的噪声,提高信号信噪比。

中国大陆科学钻探主孔流体异常与其附近2次M_L3.9级地震的关系

2001年11月30日和12月25日中国大陆科学钻探主孔(CCSD)附近发生了2次ML3.9级地震。从日均值图上看,地震前后中国大陆科学钻探主孔流体测值曲线存在明显的异常现象。通过流体组分的最大相关系数分析知道,除Ar和CO2组分两者相关性较差(最大相关系数平均值为0.632,均方差为0.223)之外,其他组分间的相关性较好,最大相关系数在地震前后均出现明显的异常波动。从日均值和最大相关系数异常来看,大陆科学钻探主孔中的地下流体异常与该区的地震活动可能存在一定关系。

基于高维数据的加权朴素贝叶斯算法研究

针对具有复杂结构的高维数据分类问题,文章提出一种基于特征选择和约简的加权朴素贝叶斯算法(WNBC-FSR)。该算法基于距离相关和最大信息系数的方法,从相关性和冗余性两个角度对高维数据进行特征筛选;采用属性和类别变量间的最大信息系数对属性进行加权,构建并训练加权朴素贝叶斯算法。实验结果表明:在几种算法的比较中,无论是从AUC还是F1值来看,WNBC-FSR算法的分类效果均是最优的。

中国草地NDVI时空动态对多尺度干旱的响应

草地对干旱的响应较其他植被类型更为敏感,且不同草地类型在不同气候区干旱的响应具有较大差异,因此分气候区探究不同草地类型对干旱的响应机制对草地资源保护具有重大意义。基于植被Normalized Difference Vegetation Index(NDVI)、草地覆被及标准化蒸散指数(SPEI)数据,分析1982—2015年中国不同气候区不同草地类型植被NDVI的时空动态及其与SPEI的关系,并确定NDVI与SPEI指标最大相关系数所对应的干旱时间尺度,结合气象数据探究气温、降水及水平衡因素对草地干旱响应的影响状况。结果表明:中国草地NDVI呈现出极显著增加趋势(0.004/a)。草地NDVI呈显著增加的比例为15.62%,集中在华北平原地区、四川、云南、广西及西藏的东南部地区。草地SPEI值呈不显著增加趋势(0.05/10 a),其中显著变干的区域集中在内蒙古中部和宁夏地区。草地NDVI与SPEI指数呈显著正相关的区域集中在内蒙古、青海省南部及新疆北部地带。内蒙古、新疆、青海省北部及西藏南部地区的草地NDVI对干旱响应的时间尺度较短,而青海东南部及西藏中部草地NDVI对干旱响应的时间尺度较长。高山亚高山草甸和草甸区域植被NDVI与SPEI的相关性最强,且对干旱的响应时间尺度较长,而荒漠草地对干旱的响应时间尺度较短;与湿润区域相比,干旱区域草地NDVI与SPEI的相关性更强,且对干旱响应的时间尺度更短。降水是草地响应干旱的最主要因素,水平衡次之,而气温的影响较小。

气象卫星图像导航的地标匹配算法研究与优化

对气象卫星图像自动地标导航系统中的地标匹配算法进行了深入研究,采用基于最大相关系数的地标匹配算法来保证匹配精度,综合利用计算优化、搜索优化、并行优化等技术得到优化的地标匹配算法。实验结果表明,该算法能够有效降低算法复杂度,明显提高算法执行效率,同时保证地标匹配的准确性,满足自动地标导航系统的高可靠性和高时效性需求。

约束最大相关系数的高光谱影像目标探测研究

高光谱遥感影像具有高的空间分辨率和连续的光谱信息,在目标探测领域具有独特的优势。基于高光谱影像的目标探测技术是遥感理论与应用的重要领域之一。本文从统计学中的相关系数的概念出发,提出了基于约束最大相关系数的高光谱影像目标探测算法。利用高光谱影像的线性混合模型,在真实图像中添加目标光谱,获得不同含量的亚像素目标及大目标,利用实验室高光谱成像仪对大目标进行推扫成像获取真实大目标高光谱影像。对仿真图像与真实图像进行约束能量最小化算子和约束最大相关系数算子进行对比,实验结果表明,基于约束最大相关系数的高光谱影像目标探测算法在探测大目标中具有更稳健的探测性能。

考虑小波系数相关性的超声图像降噪算法

为了抑制超声图像中的斑点噪声,提出一种考虑小波系数尺度间相关性的超声图像降噪算法.该算法采用Rayleigh分布对超声图像斑点噪声的统计特性建模和Laplacian分布对小波系数的统计特性进行建模,进而利用贝叶斯最大后验的方法获得对无噪图像的估计.为了更好地保留图像细节,在阈值计算过程中,该算法通过考虑下一尺度对应的小波系数来构造一个尺度间相关因子.实验结果表明,所提出算法在有效减少斑点噪声的同时,更好地保持了图像边缘和细节.

基于最大信噪比盲源分离的脑电信号伪迹滤波算法

心电和眼电伪迹是脑电信号中最常见的干扰,本文提出一种基于最大信噪比盲源分离的伪迹滤波算法.该算法以分离矩阵为变元建立源信号的信噪比目标函数,寻找能使目标函数达到极大(或极小)值的分离矩阵,进而通过分离矩阵求得估计信号.算法的实施过程是,首先利用小波变换去除在原始脑电信号中的部分噪声,然后用基于最大信噪比盲源分离的伪迹滤波算法对消澡后仍含有心电和眼电的脑电信号进行盲信号分离,并引入相关系数验证盲信号分离输出与源信号的一致性.实验结果表明盲分离后各输出信号间的互相关系数较分离前大幅下降,从而证实了算法对于心电和眼电伪迹分离的有效性.

三参数威布尔分布参数估计方法比较

选择目前常用的5种三参数威布尔分布参数估计法(概率权重矩法、极大似然法、双线性回归法、相关系数优化法、灰色估计法)进行比较研究,采用不同样本的7组数据进行参数估计,得出了这5种方法各自相应的适用范围,相关结论对正确选用三参数威布尔分布参数求解方法有一定指导意义.

平均风极值分布极大似然求解及其应用

在回顾平均风概率分析的基础上 ,结合概率曲线相关系数法和极大似然参数估计法 ,提出了一种高效、强稳定性的统计分析方法 -逐步迭代估计法。由此建立的极值分布非线性方程的求解策略克服了求解极值Ⅱ、Ⅲ型分布参数时不收敛的问题。本文以Monte Carlo数值模拟和上海川沙气象站平均风概率描述为例 ,验证了此方法的适用性和可靠性。

基于灰类敏感度系数的评价指标客观权重极大熵配置模型

评价指标权重的确定是多属性决策问题中至关重要的环节。然而,既有研究利用评价指标值之间的差异性进行指标的客观赋权,往往忽略了评价指标对被评价对象全体及所在系统的重要性。本文基于事物自然本质属性差异,运用灰色关联聚类将评价对象划分到预设的类别;借鉴有无对比分析法的思想,定义了反映指标对全体被评价对象类别影响程度的灰类敏感度系数;根据极大熵准则,建立了基于灰类敏感度系数的客观权重极大熵配置模型,以确定多属性决策指标的权重。并通过与文献[21,26]中实际案例的对比分析,说明了本模型的有效性与更贴近现实性,为解决多属性决策指标客观赋权问题提出了一个新思路。

基于EMD-MDT的直流微电网线路故障检测

提出一种经验模态分解和决策树相结合的风光储直流微电网配电线路故障检测和分类方法。该方法通过经验模态分解对发送端测得的直流电流进行分解,得到多个本征模态函数,并采用最大加权相关系数方法计算选取灵敏度最高的2个本征模态函数,将9个统计方法应用于本征模态函数生成故障特征值,最终基于决策树,实现风光储直流微电网配电线路的精准检测和分类。算例分析表明,基于经验模态分解的风光储直流微电网配电线路故障检测方法可不受故障电阻、故障起始时刻和故障距离的影响,快速有效的对配电线故障进行检测和分类。