非线性函数模型的最小二乘问题

本文针对非线性函数模型的平差问题,提出了非线性最小二乘平差的一种解算方法,该法与过去方法的不同在于:先将非线性函数模型按最小二乘法导出其基础方程,再对非线性的基础方程进行迭代化计算求解。     

基于连分式插值理论的非线性回归问题

变量之间的关系不是线性相关关系时,不可以用线性回归方程描述它们之间的相关关系,需要进行非线性回归分析.然而非线性回归方程一般很难求,因此,把非线性回归化为线性回归应该说是解决问题的好方法.利用连分式插值函数方法逼近非线性函数可实现回归函数的拟合,通过实例说明该方法的有效性,比传统的最小二乘法效果更好.     

样条函数最小二乘配点法解薄板几何非线性问题

本文用五次B样条函数作为试函数,利用最小二乘配点法解算薄板几何非线性问题,并与己知结果进行对照.在解算由内部配点法所形成的非线性方程组时,采用Levenberg Marguardt法(最小二乘阻尼法),并采用了一种较为合理确定初值的方法.     

随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。     

不确定市场下的炼厂生产非线性规划模型与调度优化

针对市场需求等不确定因素的影响,考虑到炼厂生产调度过程中能耗和库存的约束要求等实际情况,应用供应链管理思想,建立炼厂生产与库存非线性规划优化模型;为使目标函数即炼厂的利润最大或是成本最小,对决策变量为各装置产品的产量进行优化排产;考虑到这类复杂系统的优化模型中,存在约束条件相互制约而导致无解的情况,采用最小二乘法求解,得到最符合各个约束条件的妥协解.     

一种基于随机粒子群的变差函数优化方法

变差函数是克里格法中反映区域化变量空间变化特征的有效数学模型,其在克里格插值算法中是重要的环节,由其确定的拟合模型参数直接影响插值精度。由于变差函数采用非线性模型,导致拟合误差曲面存在很多局部极值点。因此传统的最小二乘法不易达到满意的结果。基于这一问题,提出了基于随机粒子群优化(RPSO)算法的变差函数设计方法。实验结果验证了该方法的有效性。     

最小二乘支持向量机鲁棒回归算法研究

最小二乘支持向量机因模型学习过程中以二次损失函数为经验风险,造成学习结果对噪声特别敏感。鉴于实际问题中噪声不可避免、不可预测,且分布规律难寻,该文主要研究最小二乘支持向量机的鲁棒性增强算法,以提高其抵抗噪声与异常值的能力。通过分析得知,样本的局部异常因子与噪声大小间具有很大的相关性,因此提出了用于非线性回归问题的局部异常因子概念;并将其应用于最小二乘支持向量机模型学习时最优损失函数的确定中,提出了基于样本局部异常因子的直接加权最小二乘支持向量机鲁棒回归算法。为验证所提出算法的性能,该文最后以2个典型非线性对象为例,将其与原最小二乘支持向量机、文献中已有的基于预估噪声分布的加权最小二乘支持向量机进行了对比。对比结果表明,所提出的直接加权最小二乘支持向量机算法具有更好的鲁棒性。     

基于多变量相空间重构的地下水动态神经网络预测模型

从多元变量时间序列出发,以相空间重构理论为基础,结合偏最小二乘回归与神经网络方法,提出了基于多变量相空间重构地下水动态预测的神经网络模型.通过分别确定各个时间序列的时间延迟和嵌入维数的方法对地下水动态的多变量时间序列进行相空间重构,采用偏最小二乘回归法提取对系统解释最强的成分作为网络输入,利用神经网络模型进行各成分之间的非线性拟合.将基于多变量相空间重构地下水动态预测的神经网络模型应用于黑龙洞泉域地下水位预测,并通过分析与比较验证了该方法的有效性.     

利用改进最小二乘法优化的Kriging综合模型

为解决地形起伏较大区域GPS高程拟合技术中模型单一、精度不高的问题,采用理论分析与实验验证的方法,将移动曲面法与Kriging法相结合组成综合模型,分析变异函数的影响因素,研究了利用改进最小二乘法确定变异函数的Kriging综合模型.研究结果表明:改进最小二乘方法拟合得到的变异函数曲线可靠性高,更符合实测数据规律,基于改进最小二乘法的综合模型能够获得高精度的高程拟合值.     

确定隐函数中参数的最小二乘法

将最小二乘法推广到了隐函数情形，简化了一些实际问题的处理。文中给出了插值和非线性回归两种情况下的最小二乘法原理，并讨论了具体的算例。     

弹性薄板荷载反问题分析

由弹性薄板的Navier解构造出遗传算法中的目标函数,实现对作用在平面薄板上的集中荷载位置识别.通过具体算例,将非线性最小二乘法和遗传算法的结果,分别进行了比较.在多荷载位置的识别过程中,又遇到了目标函数的多极值性问题,非线性最小二乘法很容易陷入局部最优解中,其结果显得不稳定和不可靠;而遗传算法可以稳定和可靠的收敛到精确解,并有一定的抗干扰能力.     

大型风力发电机输出功率建模方法

输入风速的变化特点直接影响着风力发电机输出功率建模.采用非线性最小二乘法和差分进化算法计算参数,结合具备较高精度的启发式算法寻优构建,运用Logistic函数进行大型风力发电机输出功率建模研究,并对比分析不同方法对应风力发电机输出功率模型的建模精度.结果表明：非线性最小二乘法更适合所提模型参数计算,传统输出功率模型高精度源于模型中人为定义的额定功率值,Logistic函数输出功率模型无需人为定义额定功率值,在相同条件下该输出功率特性模型建模精度较优.     

伽辽金最小二乘无网格法在几何非线性问题中的应用

目的在不需要划分单元的情况下求解几何非线性问题。方法伽辽金最小二乘无网格法(MGLS)采用移动最小二乘近似函数作为试函数,并用罚函数法施加本质边界条件,内部区域用最小二乘域,边界区域用伽辽金域,是一种与单元划分无关的无网格方法。在求解几何非线性问题时,采用了增量和修正的Newton-Raphson迭代分析的方法,并在整个分析过程中所有变量的表达格式都采用更新的拉格朗日格式。结果通过对受均布载荷作用的悬臂梁用MGLS法进行内力分析,由于考虑大变形的影响,结构呈现出比线性分析结果刚硬的性质,结果与解析解符合的很好。结论算例表明:MGLS法在求解几何非线性问题时具有可行性,而且计算精度也较好。     

基于最优最小二乘的红外目标单站定位算法

为消除红外目标单站定位算法估计有偏性,解决现有估计算法中有可能出现多个解向量的问题,提出了一种基于最优最小二乘的目标估计算法.对总体最小二乘定位算法进行了研究,针对扩展测量矩阵出现最小奇异值多重的问题,构造了一个由多重奇异特征向量组成的测度函数,将该函数进行偏微分得到最优的最小二乘解;通过理论分析,证明了最优最小二乘解向量是渐进无偏的;最后,将该算法与总体最小二乘法和修正辅助变量法进行仿真对比.仿真实验结果表明,该方法在不同测量环境噪声下所得到的位置、速度误差曲线能快速地逼近克拉美罗下限,且具有更高的估计精度和稳定性,说明了算法的有效性.     

基于MATLAB的离散数据最小二乘拟合

针对科学与工程计算中常见的实验数据拟合问题,基于MATLAB数学软件,利用最小二乘原理,确定变量之间的函数关系。通过几个案例分析,实验研究得出结论:基于MATLAB的最小二乘拟合方法简单、容易实现、工程应用广泛。     

Kirchhoff板弯曲问题的改进的复变量无单元Galerkin方法

基于改进的复变量移动最小二乘法,建立了Kirchhoff板弯曲问题的改进的复变量无单元Galerkin方法.相对于移动最小二乘法,改进的复变量移动最小二乘法采用一维基函数建立二维问题的逼近函数,提高了形函数计算效率.由改进的复变量移动最小二乘法建立Kirchhoff板的挠度逼近函数,根据Kirchhoff板弯曲问题的Galerkin弱形式建立离散方程,并应用罚函数法施加本质边界条件,推导了Kirchhoff板弯曲问题的改进的复变量无单元Galerkin法的公式.通过对4个典型算例进行计算和分析,说明了本文建立的Kirchhoff板弯曲问题的改进的复变量无单元Galerkin方法的有效性,并通过分析数值解的精度对本文方法中如何选取合适的基函数、权函数、影响域比例参数、节点分布和罚因子进行了讨论.数值算例说明了本文方法具有较好的收敛性和较高的计算精度.     

KPCA-KPLS方法在pH中和过程建模中的应用

针对化工过程中的具有严重非线性、不确定性、时变性的复杂pH中和过程系统建模问题,提出一种基于核主元分析(KPCA)与核偏最小二乘(KPLS)相结合的建模方法.在高维特征空间内,该方法通过KPCA有效地提取输入数据的非线性主元,利用KPLS方法将输入变量投影在潜在变量上,再用输入与输出变量之间的协方差信息提取潜在特征建立pH中和过程模型.为验证其有效性,将KPCA-KPLS方法应用到弱酸强碱中和过程、强酸强碱中和过程实例中,并与核偏最小二乘、核主元分析_支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)、SVM等方法进行比较.实验结果表明:KPCA-KPLS方法具有很高的动态建模精度.     

弹性大变形问题的复变量无单元Galerkin方法

基于复变量移动最小二乘法,建立了适合于大位移、大转动等弹性大变形问题的复变量无单元Galerkin方法.复变量移动最小二乘法的优点是采用一维基函数构造二维问题的试函数.将复变量移动最小二乘法应用于弹性大变形平面问题,结合大变形问题的Galerkin积分弱形式,采用罚函数法施加本质边界条件,建立了全Lagrange格式下的弹性大变形问题的复变量无单元Galerkin方法,推导了相应的计算公式,数值实现中采用了Newton-Raphson迭代法.最后通过数值算例证明了该方法的有效性.     

反映缺失的部分函数型回归模型的统计推断

为了解决反映变量随机缺失下部分函数型线性回归模型的统计推断，首先利用主成分分析法对模型中函数变量进行展开，在运用多元最小二乘法估计了模型中未知的参数和未知的系数函数，并证明了这两个估计具有渐近正态性。然后给出反映均值的回归借补估计，并证明了该估计量的大样本性质。     

解非线性的最小二乘法拟合曲线的数值延拓法

非线性函数的最小二乘法拟合曲线需要求解一个非线性方程组，根据解非线性方程组的全局收敛方法，利用数值延拓法研究了非线性函数的最小二乘法拟合曲线的计算方法，并给出其算法为全局收敛的充分条件。