RC框架结构基本自振周期个体间不确定性量化

钢筋混凝土(RC)框架结构是城市区域地震风险评估重要对象,其基本自振周期存在明显个体间变异性,如相同高度周期不同。通常采用的确定性结构高度-周期经验公式主要面向新结构设计,未能考虑既有RC建筑物周期的个体间变异性,影响区域地震风险评估的准确性,因此需要合理量化。该研究通过大量文献检索,收集了不同地区的641栋RC框架结构实测长轴、短轴方向基本周期以及高度、结构形式等信息,开展了严格的数据库清洗,并采用物理准则-数据驱动相结合的方式,建立了高度相依基本周期随机函数模型描述个体间变异性。与经典统计回归基本周期随机模型相比,新模型可以更好地反映结构间基本周期的物理机制差异以及观测数据的联合概率特性,便于在区域地震风险评估中应用。

在线优化可变基的非线性预测函数控制

针对基本预测函数控制只能用于线性系统控制的这一不足,给出基于实用随机NARMAX模型的非线性预测函数控制,采用可克服算法病态的非线性递推最小二乘法进行参数估计,利用在工作点处的动态切平面逼近方法,将实用随机NARMAX模型用线性时变CARMAX模型逼近,使非线性预测函数控制转化为线性模型下的预测函数控制,用线性优化算法求解控制输入,避免了复杂的非线性优化问题,并采用直接极小化指标函数优化算法对可变基函数的加权系数进行在线优化,提出在线优化参数的非线性预测函数控制。仿真研究表明,因算法具有优化可变基函数加权系数和预测函数控制功能,系统具有优良的控制响应。

基于惩罚最小绝对偏差的部分线性空间自回归模型的稳健变量选择

结合B样条逼近以及工具变量调整技术,并利用惩罚最小绝对偏差方法,对部分线性空间自回归模型提出了一种稳健变量选择方法.理论上证明了所提出的变量选择方法可以相合地识别出模型中的重要协变量和不重要协变量,并给出了所得正则估计的收敛速度.所提出的变量选择过程对模型中的参数分量和非参数分量的估计可以一步同时完成,避免了非参数分量的估计对参数分量变量选择的影响,因此具有较好的稳健性和有效性.

在线优化参数的多变量非线性预测函数控制

针对实用随机多变量NARMAX模型的控制问题,利用多变量非线性递推最小二乘法进行参数估计,使用在动态工作点处的动态切平面逼近该模型,转化为时变多变量CARMAX模型,由其构成递推预测模型进行预测,基于多变量CARMAX模型的预测函数控制,运用非线性递推最小二乘法优化控制输入输出的加权系数,给出在线优化加权系数的多变量非线性预测函数控制算法。结果表明,系统的控制响应具有优良的性能,无超调和稳偏,调节时间约5个采样周期。

基于合作博弈和云模型的变压器状态评估方法

变压器状态评估需要考虑评估指标的模糊性和随机性,因此提出了一种基于合作博弈法和云模型的变压器状态评估方法。该方法首先建立变压器状态评估指标体系,采用合作博弈法获取指标组合权重,利用变权公式对其权重进行修正;采用云模型得到定量指标对变压器各状态等级的隶属度,最后采用分层评估方法得到评估结果。实例分析表明了该方法的正确性及可行性,其评估结果更接近变压器的真实状态。

变论域自适应模糊滑模多变量控制算法及其在单元机组协调控制中的应用

为有效地处理多变量复杂系统,提出了一种新型多变量模糊控制器的设计方法。通过分析滑模控制机理,综合变论域模糊自适应控制的思想,提炼出简化通用的规则库,规则数只是输入变量的线性函数,可在线调节输入变量论域和规则后件隶属度函数,使所构成的控制系统具有很强的鲁棒性、较好的自适应能力和较高的控制精度。最后用于对300MW 单元机组协调控制系统进行了仿真实验,结果表明即使在机组工况点发生大的变化或受到较大干扰时,被控系统仍具有快速的负荷适应性、良好抗扰动能力和很强的鲁棒性。

基于最大熵概念的复杂随机变量统计模型

基于最大熵概念的随机变量统计模型,能得到最少偏见的随机变量的概率分布。建立了汽车发动机和离合器随机工作载荷的基于最大熵概念的概率密度函数统计模型。示例表明,基于最大熵概念上的随机变量统计模型是可行、有效的。

基于HABC-RBF神经网络的蒸汽驱预测方法

为解决蒸汽驱开发效果预测精度低和时间长的问题,提出了一种改进人工蜂群算法和RBF(Radial Basis Function)神经网络相融合的预测方法。该方法应用种群最优解修改雇佣蜂解和观察蜂解的搜索方程,借鉴差分进化算法思想,完成对种群最优解和个体搜索解随机扰动,采用混合编码优化RBF神经网络参数。以辽河油田齐40块为例进行了试算,结果表明,该方法对蒸汽驱开发效果预测具有较好的非线性拟合能力和较高的预测精度。

基于机器学习的井位及注采参数联合优化方法

针对水驱油藏传统优化方法过于依赖人为经验及顺序优化难以求得全局最优解等问题,提出一种基于机器学习的井位及注采参数联合优化方法.基于水驱油藏特征,利用随机森林算法筛选影响注水开发效果的主控因素,以井网形式、产量和注采比等作为输入参数,累计产油量为输出参数,通过流线数值模拟方法构建机器学习预测样本集,综合径向基函数神经网络预测水驱开发效果.基于粒子群算法建立优化数学模型,以最大化产油量作为目标对井网形式和注采参数进行联合优化求解.结果表明,与传统优化方法相比,联合优化方法能够自动同步优化井网形式、井位和注采比等参数,优化后开发效果提升约12%,为水驱油藏的智能高效开发奠定基础.

基于基函数分解的连续变速颤振边界预测方法

针对连续变速颤振试验实测信号的特点及在线处理需求,提出一种基于基函数展开的时变参数建模方法。通过对结构响应信号建模和稳定性判据的趋势分析,得到颤振边界随时间变化的预测曲线。依据颤振试验机理,采用白噪声激励多模态耦合系统的方式生成了相应的仿真信号,进而在不同信噪比下验证了方法的数值性能。最后通过气弹模型低速风洞试验进一步检验本文方法的工程实用性。

一种MEMS陀螺随机误差的灰色RBF神经网络建模方法

为了提高MEMS陀螺仪的精度,利用基于灰色累加累减操作能够减小MEMS陀螺仪随机性的特点,提出一种将灰色理论与径向基函数(RBF)神经网络相结合的MEMS陀螺随机误差建模补偿方案:采用Allan方差分析法对MEMS陀螺输出数据构成的样本空间进行处理并辨识信号中的随机误差项;通过灰色累加累减过程与RBF神经网络的嵌入式耦合,实现MEMS陀螺随机误差预测模型的建立。实验结果表明,与MEMS陀螺实测数据比对后可发现灰色RBF神经网络方法能够有效预测多种随机误差,可进一步提高MEMS陀螺仪输出的预测精度。

基于随机变量相似度的ICA方法

从随机变量(微分)熵的概念出发,定义了随机变量的相似度,讨论了用求相似度极点的方法实现观测数据线性组合非高斯性最大化,从而串行估计独立分量分析(ICA)模型中的独立分量的原理和算法。对非多项式矩定理进行了更为一般化的证明,以此定理为根据阐明了以一般的非二次型光滑偶函数的数学期望近似代替相似度的可行性。给出梯度算法中的符号因子计算公式,避免了现有的相应算法中符号因子计算公式与目标函数之间的矛盾。通过与极大似然ICA方法对比,表明所定义的相似度就是在预白化条件下单个源变量的极大似然函数。

一种考虑失效准则模糊性的时变可靠度分析方法

针对工程结构失效准则不确定性的时变可靠度问题,构造了一种考虑失效准则模糊性的时变可靠度分析方法,可处理模糊失效准则下抗力和荷载随时间变化的可靠性计算问题。该方法首先将模糊失效准则下的时变功能函数随机过程进行离散,然后应用模糊集基本理论,引入新的随机变量,得到不同时间段的等效功能函数,最终将模糊失效准则下的时变可靠性问题转化为常规的可靠性问题,通过一次二阶矩方法求解获得时变可靠度和失效概率。最后以某机械零件和齿轮传动为例,分别得出模糊失效准则下的时变可靠度曲线和失效概率曲线,验证了该方法的有效性。

基于MIV-改进RBF神经网络的大坝变形监测模型

针对常规径向基函数(RBF)神经网络模型无法选择显著预报因子和易陷入局部最优解的问题,建立一种融合平均影响值(MIV)、改进果蝇算法(FOA)和RBF神经网络的大坝变形监测模型.通过引入MIV对水压、温度、时效三类预报因子进行筛选,并利用改进FOA算法获得RBF神经网络模型中最佳的spread值,以提高模型的稳定性和预报精度.为验证模型的有效性,以某混凝土重力坝位移监测数据为例,分别建立多元线性回归模型、常规RBF模型、MIV-RBF模型和MIV-改进RBF模型.研究结果表明MIV-改进RBF神经网络大坝变形监测模型预测稳定、精度高,预报效果好.

k-正态分布及其应用（英文）

近本文研究了截断随机变量和k-正态分布.利用对数凹函数理论,获得了涉及截断随机变量和截断随机变量的函数的方差的不等式链,推广了涉及正态分布和分层教学模型的一些经典结论.同时在附录部分给出了仿真结果.

基于改进混合模型的一类固定床反应器推断控制

对一类非绝热式固定床反应器提出了一种基于改进混合模型的非线性自适应推断控制策略：给出一种基于结合先验知识和人工神经网络的改进混合模型的推断估计器设计方法；提出一种改进程序变增益ＰＩＤ算法设计控制器；设计了该固定床反应器基于改进混合模型的推断控制系统。仿真结果表明：该推断估计器具有良好的静态和动态特性，较高的估计精度和较好的实时性，所需训练样本少，易于理解和研究及外推性能良好等特点，该推断控制系统还具有良好的跟踪和抗干扰性能。

引入租赁的报童模型在加性需求下的一个基本结果

在引入租赁的报童模型及其利润函数的基础上,给出了加性需求下引入租赁的报童模型的平均利润函数和一个基本定理,并通过算例进行了验证。

机械工业宏观计量经济模型研究

基于时间序列分析的基本理论,采用线性回归和传递函数分析方法,研究了机械工业主要经济指标与宏观主要经济指标之间的相互影响关系. 在此基础上,分析比较了机械工业主要经济指标的多元线性回归模型和多输入单输出传递函数模型. 结果显示,传递函数模型比线性回归模型精度更高,更具有普遍性.

误差为AR(1)过程的半函数型偏线性回归模型参数估计的强收敛性

文章研究了基于半函数型偏线性回归模型Y=XTβ+m(T)+ε,(X,T)与误差ε相互独立,在一定假设条件下,当误差满足AR(1)过程时,建立了这种半函数型偏线性回归模型中未知参数β的估计量β^的强收敛性,推广了现有文献中的结果。

Variable Selection for Fixed Effects Varying Coefficient Models

We consider the problem of variable selection for the fixed effects varying coefficient models. A variable selection procedure is developed using basis function approximations and group nonconcave penalized functions, and the fixed effects are removed using the proper weight matrices. The proposed procedure simultaneously removes the fixed individual effects, selects the significant variables and estimates the nonzero coefficient functions. With appropriate selection of the tuning parameters, an asymptotic theory for the resulting estimates is established under suitable conditions. Simulation studies are carried out to assess the performance of our proposed method, and a real data set is analyzed for further illustration.