The Application of Multiquadric Function Fitting to Borehole Strain Time Series Data Processing

Based on the existing continuous borehole strain observation,the multiquadric function fitting method was used to deal with time series data. The impact of difference kernel function parameters was discussed to obtain a valuable fitting result,from which the physical connotation of the original data and its possible applications were analyzed.Meanwhile,a brief comparison was made between the results of multiquadric function fitting and polynomial fitting.

融合相似性度量加权核偏最小二乘的烷烃气体定量分析方法

烃类气体含量的有效监测是油气勘探开采过程中安全保障的重要环节。红外光谱法作为一种安全高效的检测方法,受到现场工程师的关注,但主要采用离线模型进行测量,无法较好应对现场复杂的工况及变化多样的非线性影响因素,导致离线模型不更新而难以维持较高的预测精度。为此,提出了一种融合相似性度量加权核偏最小二乘的即时学习建模策略。首先设计了一种多相似性度量准则融合的样本相似性判别依据,有效筛选历史样本用于在线建模,其次在局部PLS模型中引入非线性核函数,实现非线性特征的有效提取,弥补线性偏最小二乘模型的非线性处理能力。在构建的多组分混合气体红外光谱数据上的实验结果验证了该方法的有效性,拟合优度R2达到0.994 1,RMSE和MRE相比PLS模型分别提升了43.6%和85.8%,可有效用于烃类气体红外光谱定量分析模型的在线更新与高精度预测。

基于WGKSOM-DRCA自适应即时学习的转炉炼钢终点碳温软测量方法

转炉炼钢终点碳温的准确预测是实现转炉终点控制的关键。针对转炉生产过程数据存在波动性大和非线性特点引起传统即时学习度量的算法学习集质量低,进而削弱模型预测性能的问题,提出了一种基于加权高斯核自组织映射动态相关成分分析(WGKSOM-DRCA)自适应即时学习软测量建模方法用于转炉炼钢终点碳温预测。首先,采用引入标签信息的WGK度量准则构造WGKSOM聚类算法引导聚类方向,提高算法的聚类质量并降低类簇数据波动性对于建模的影响;其次,利用高斯后验概率计算待测样本的隶属度并通过引入动态因子构建DRCA度量策略,从而实现自适应的样本选择,进一步提升待测样本对应的局部算法学习集质量并用于局部模型训练,最终输出终点碳温的预测结果。实验表明,所提算法在转炉炼钢终点碳温预测上相对于其他算法有更好的表现,在±0.02%的预测误差范围,碳含量的预测精度为92%,在±10℃的误差范围,温度的预测精度为93.5%。

磁性源瞬变电磁法零偏移距全期视电阻率计算及其校正方法研究

计算视电阻率是瞬变电磁数据处理与解释工作的主要内容之一。通常由均匀或层状模型计算得到的视电阻率不足以详细表征地下介质分布,具有较强的体积效应和多解性且计算量大。基于此,针对全期视电阻率的优化问题,研究了半球壳层校正方法,实现了快速计算弱多解性的视电阻率,校正结果显示电性分界面更加明显。为实现数据快速处理并得到视电阻率唯一解,首先分析了感应电动势和电阻率之间的单调关系,对比地质情况从而选取感应电动势的单调区间,然后重新构造核函数以适用于二分法,最后计算连续且完整采样时间的视电阻率。为减弱视电阻率的体积效应,建立由均匀半球壳层组成的视电阻率校正模型且介质层数与时道数量一致,然后基于扩散深度表达式推导出视电阻率校正公式,用以校正全期视电阻率最优化算法计算的视电阻率。理论模型和实测数据的处理结果均表明,全期视电阻率最优化算法相对于晚期视电阻率计算方法,能够将有效时道拓展至全时间段,从而可以更加有效地识别浅层介质的垂向分布规律,而且半球壳层校正方法能够有效约束低阻介质体积效应对深度的影响,提高视电阻率的垂向分辨率。

基于时间域半空间Green函数建立的边界积分方程及其在动态破裂模拟中的应用

研究地震断层的自发破裂传播可以为通过震源过程了解地球介质应力状态提供理论基础,有助于理解震源破裂的机理和规律,在震源动力学研究中具有重要的地位.边界积分方程方法是研究地震断层破裂传播问题的常用方法之一,在处理复杂断层系统方面具有优势.本文从半无限空间Green函数的时间域积分形式解出发,推导出离散化的边界积分方程积分核,并将其分别应用到平面断层和弯折断层两种断层模型的动力学破裂过程的模拟中.模拟结果表明,当破裂传播到自由表面处时,会产生反射震相,反射震相与直达震相的耦合效应会导致自由表面处的破裂传播速率明显加快,同时这种耦合效应也可以促进破裂在断层弯折部位的传播.对于断层有一定埋深的情况,自由表面对破裂过程的影响较小,因而自由表面的效应仅在断层直接与地表相交或者断层上沿距离地表很近时需要纳入考虑范围.本文将自由表面的影响加入到断层的自发破裂传播研究中,有助于更真实地了解复杂断层系统中的动力学破裂过程.

基于SVR的混沌时间序列预测

支持向量机是一种基于统计学习理论的新颖的机器学习方法,由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点。这种方法已广泛用于解决分类和回归问题。论文介绍了支持向量回归算法的各种版本,同时将它们应用到混沌时间序列预测中,并且比较了它们的预测性能,为实际应用合理选择模型提供一定的依据。

SVR在混沌时间序列预测中的应用

支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题。将支持向量回归算法应用于混沌时间序列预测中,并同BP网络及RBF网络的预测结果进行了比较分析。仿真实验表明,支持向量回归方法具有很好的泛化能力和一定的噪声容忍能力。

联合时频分布及其属性的应用

针对地震信号是非平稳信号 ,本文讨论了非平稳信号理论中的联合时频分布方法及其时频属性。联合时频分布方法把整体频谱推广到局部频率 ,根据频率随着时间的变化情况 ,对信号进行有效的分析。由联合时频分布提取的地震属性 (平均频率、瞬时带宽、扭度、峰态 )可以突破传统的瞬时属性的局限 ,有效地指示地质层位的变化 ,可以作为较好的属性应用于地震资料解释中。

基于一种新的时频分布的机械故障诊断

在巧妙构思核函数的基础上 ,给出了一新的时频分布 TFD( Time- Frequency Distribution)及其离散算法 ,并应用于机构故障诊断。结合两个诊断实例 ,同时与 WVD( Winger- Ville Distribution)进行对比 ,发现该分布具有良好的时频聚集性 ,并且能够有效地抑制交叉项 ,表明该分布能够刻画出幅值谱和 WVD所不能反映的故障特征信号 ,能够较好地进行故障诊断。

基于一种新的时频分布的机械故障诊断

在巧妙构思核函数的基础上,给出了一种新的时频分布(TFC)及其离散算法,并将该TFD应用于机械故障诊断。结合两个诊断实例,同时与Winger-Ville分布(WVD)进行对比,发现该分布具有良好的时频聚集性,并且能够有效的抑制交叉项。事实证明,该分布能够刻画出传统Fourier变换和WVD所不能反映的故障特征信号,能够较好的进行故障诊断。

基于一种新的时频分布的机械故障诊断

通过设计核函数 ,给出了一新的时频分布 (TFD) ,并将该TFD应用于机械故障诊断。结合两个诊断实例 ,同时与Winger_Villedistribution (WVD)进行对比 ,发现该分布具有良好的时频聚集性 ,并且能够有效地抑制交叉项 ,事实证明 ,该分布能够刻画出幅值谱和WVD所不能反映的故障特征信号 ,能够较好地进行故障诊断。

多通道核相关滤波的实时跟踪方法

现有跟踪算法大都需要构建复杂的外观模型、抽取大量训练样本来实现精确的目标跟踪,会产生庞大的计算量,不利于实时跟踪。鉴于此,提出了一种多通道核相关滤波的实时跟踪方法。首先,利用核化岭回归方法对视频帧的目标信息进行训练,学习得到滤波模板;接着,用滤波模板对待检测帧的可能区域进行相关性度量;最后,将相关度最高的位置作为跟踪结果,并通过对多通道的独立输入进行加权求和,解决多通道输入问题。与现有跟踪方法的大量对比实验表明,在不同的挑战因素下,该方法在保证跟踪精度的同时,跟踪速度也存在明显优势。该方法通过相关滤波的方式可避免抽取大量样本,并利用频域的点乘代替时域的相关运算,大大降低了计算复杂度,使跟踪速度完全满足实时场景的跟踪需求。

基于遗传–组合核函数高斯过程回归算法的边坡非线性变形时序分析智能模型

与支持向量机相比,高斯过程有着容易实现、灵活的非参数推断及预测输出具有概率意义等优点。将高斯过程回归引入边坡非线性变形时序分析,采用单一核函数之和作为高斯过程回归的组合核函数以提高其泛化性能。目前通常采用共轭梯度法求取训练样本对数似然函数的极大值以自适应地获得最优超参数,但共轭梯度法存在优化效果初值依赖性强、迭代次数难以确定、易陷入局部最优解的缺陷。改用十进制遗传算法在训练过程中搜索最优超参数,形成遗传–组合核函数高斯过程回归算法,并编制了相应的计算程序。卧龙寺新滑坡变形时序分析结果表明,与遗传–单一核函数高斯过程回归算法和遗传–支持向量回归算法相比,所提出的遗传–组合核函数高斯过程回归算法显著提高预测精度,可以应用于边坡变形的时序分析,并为类似工程提供借鉴。

径向高斯核函数时频分布及在故障诊断中的应用

对一种可调核函数的时频分布——径向高斯核函数时频分布 (RGKD)进行了研究 ,并将径向高斯核函数时频分布引入机械故障诊断。这种时频分布根据被分析信号不同特性 ,采用优化方法自适应对模糊函数进行整形 ,尽可能保留集中在原点的信号模糊函数的自分量 ,抑制远离原点的交叉分量。与固定核函数的时频分布对比结果表明 ,径向高斯核函数时频分布极大地去除了交叉分量 ,提高了分辨率 ,并且对噪声不敏感 ,在分析实际低信噪比的信号时 ,仍能保持较高的分辨率 ,杂散分量很少 ,该方法具有对信号的广泛自适应性。试验证明径向高斯核函数时频分布在故障诊断中有较强的特征提取作用。

小波除噪、时频分布及气密性诊断

通过快速小波任意尺度的分解,为具体分析与实现原始信号的信噪分离与干扰成分的剔除提供了有效手段。同时根据核函数在模糊域中的过滤原则,提出了新的核函数,并给出了新的时频分布(TFD)。将其应用于气密性故障诊断,成功地刻画了气密性故障信号特征;通过与Wigner VilleDistribu tion的对比,发现新的时频分布能够较好地抑制交叉项并具有优良的时频聚集性,从而为气密性故障诊断提供了新的强有力的工具。

二次型时频分布在机械故障诊断中的应用

二次型时频分布可以从时域与频域特征相结合的途径揭示信号构成的本质.构造了新的核函数,其时域窄而频域宽,且频域的能量主要集中在低频段 用新核函数获得一种新的时频分布,对调频等各种复杂信号具有很强的揭示能力 实例表明该分布具有良好的时频聚集性,能够有效地从强大的谐频信号中清晰地分辨出较弱的周期性冲击信号,为机械故障诊断提供了有力的工具.

LS-SVM在混沌时间序列预测中的应用

支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题。文中将最小二乘支持向量机算法应用于混沌时间序列预测中,并同BP网络及RBF网络的预测结果进行了比较分析。仿真实验表明,该方法具有很好的泛化能力和一定的噪声容忍能力。

多分量振动信号时频分析与应用研究

定义了一种新的 L.Cohen类时频分布的动态组合核函数 ,并给出了设计方法。该核函数基于信号特征 ,在模糊面内核函数是动态和可变的 ,克服了固定形式的核函数只能分析单一信号的缺点 ,能同时分析由单频率信号、脉冲信号和多个线性调频信号组成的多分量信号。在机械设备故障诊断中 ,核函数的参数随机械运动参数的变化而变化 ,可同时提取旋转机械的谐波分量和脉冲信号 ,处理机器变速过程中的转速调频、零件冲击和固有频率等的多分量振动信号的识别。仿真和实例分析表明 :动态核函数能很好地去除交叉干扰项 ,提高分辨率 ,同时又证明了该方法的实用性和有效性。

基于轮廓系数的参数无关空中交通轨迹聚类方法

为消除专家经验的主观性、避免依赖轨迹特征并且减轻实验调参的负担,提出一种基于轮廓系数的参数无关聚类分析(PICBASIC)算法。首先,比较了现有基于欧氏距离的航迹配对方法,并且建立基于动态时间弯曲(DWT)距离和高斯核函数的轨迹相似度计算模型;其次,利用谱聚类对空中交通轨迹进行聚类划分;最后,提出一种基于轮廓系数的最佳簇数寻优方法,并且其具有对聚类结果量化评价功能。利用真实进场轨迹进行实验验证,PICBASIC判断将28L跑道的365条轨迹聚为5个簇,28R跑道的530条轨迹聚为6个簇时聚类质量最佳,平均轮廓系数分别为0.8099和0.8056。相同实验数据条件下,PICBASIC与MeanShift聚类的平均轮廓系数差异率分别为-1.23%和0.19%。实验结果表明:PICBASIC包容轨迹的速度和长度差异,全程无需人工指导或实验调参,而且能够筛除异常轨迹对聚类质量的不利影响。

非线性格兰杰因果关系在计算神经科学的应用

自从格兰杰1969年提出因果关系的概念之后,格兰杰因果关系的应用越来越广泛,但都是用来分析线性时间序列数据之间的内在联系。将线性格兰杰因果关系推广到非线性的情形,首先利用核函数的方法建立非线性时间序列模型,再按照线性格兰杰因果关系的基本思想定义非线性格兰杰因果关系,最后通过一个模拟的例子验证该方法的有效性。模拟数据的结果表明,该方法能有效地分析非线性数据之间的内在联系。