两独立样本的非参数检验的一些新进展及展望

当今数据爆发式地增长,不仅挑战着传统统计推断的理论和方法,而且拓广了统计推断的研究范畴.如何对各种类型的数据进行科学地差异性分析是统计推断研究的一个重要领域,作为差异性分析的主要工具——两样本检验一直是研究的重点和热点.但以往的大部分研究是围绕着欧氏数据展开的,而对于非欧氏数据的研究则是刚刚起步.本文尝试总结一些现有的非参数两样本检验的内在规律,由此构造新的两样本的非参数检验,可用于结构更为复杂的数据.此外,本文还讨论此研究方向所面临的挑战.

基于流形正则化域适应湿式球磨机负荷参数软测量

针对多工况条件下球磨机关键负荷参数测量面临的复杂性问题,提出基于流形正则化域适应(domain adaptation with manifold regularization,DAMR)湿式球磨机负荷参数软测量的方法。该方法首先采用集成流形约束、最大方差及最大均值差异寻找特征变换矩阵,然后,将源建模领域和未建模领域的特征信息投射到公共子空间,最后,在子空间建立模型得到球磨机关键负荷参数的预测值。实验结果表明该方法能以较高的精度实现未知工况下湿式球磨机关键负荷参数的预测,且该方法对于流程工业多工况软测量和过程监控研究有一定的参考价值。

集成最大均值差异正则约束的迁移子空间软测量

针对流程工业中湿式球磨机工况变化后,数据分布差异导致的原测量模型失准问题,引入集成最大均值差异、正则约束的迁移子空间(the transfer subspace with integrated maximum mean discrepancy and regular constraint MRTS)软测量建模方法。该方法首先在源领域和目标领域上训练2个耦合投影矩阵,将源域和目标域映射到2个低维子空间中,然后,集成最大方差、最大均值差异及正则项,通过优化求解得到这2个特征耦合的变化矩阵,最后在源领域所构建的子空间中建立回归模型。实验室磨机负荷参数的预测结果表明,该方法优于传统软测量建模方法,能够有效提高模型的预测精度,对实际流程工业具有一定的指导意义。

基于最大均值差异多源域迁移学习的湿式球磨机负荷参数软测量

针对湿式球磨机工况改变时,实时数据与建模数据分布不一致,不满足数据同分布的假设,传统软测量模型难以适应数据分布变化,造成模型性能恶化的问题,有针对性地引入迁移学习策略,并通过多源域集成机制提高模型的鲁棒性,实现多工况下湿式球磨机负荷参数测量.首先,对多工况数据进行预处理并提取频谱特征,经过联合分布适配对多工况数据进行边缘、条件分布适配;然后,使用最大均值差异对适配后的数据进行分布度量并为源域构建的回归器加权;最后,对目标域数据进行负荷预测.通过对比实验与交叉实验表明了模型的实用性和有效性.