基于k-近邻互信息的前向式变量选择方法及在水质参数软测量中的应用

软测量技术通过构造易测量的辅助变量与难测量的主导变量间的数学模型,实现对难测变量的实时预测.为有效分析辅助变量间的相关性和冗余性并实现变量精选,本文提出了一种基于k-近邻互信息的前向式变量选择方法.该方法以变量前向累加互信息值最大化为准则选择相关变量,同时计算每次累加变量与已选择变量子集间的互信息值来判断所累加变量是否为冗余变量,通过设定冗余互信息阈值,实现冗余变量的剔除,得到最优辅助输入变量子集.基于数值案例仿真结果验证了本文所提变量选择方法的可行性与有效性,在准确选取辅助变量的同时降低了算法复杂度.最后,该方法成功应用于污水处理过程中出水生化需氧量(biochemical oxygen demand,BOD)预测模型的输入变量选择上,利用精选出的辅助变量有效提高了模型预测精度.     

基于k-近邻互信息的前向式变量选择方法及在水质参数软测量中的应用

软测量技术通过构造易测量的辅助变量与难测量的主导变量间的数学模型,实现对难测变量的实时预测.为有效分析辅助变量间的相关性和冗余性并实现变量精选,本文提出了一种基于k-近邻互信息的前向式变量选择方法.该方法以变量前向累加互信息值最大化为准则选择相关变量,同时计算每次累加变量与已选择变量子集间的互信息值来判断所累加变量是否为冗余变量,通过设定冗余互信息阈值,实现冗余变量的剔除,得到最优辅助输入变量子集.基于数值案例仿真结果验证了本文所提变量选择方法的可行性与有效性,在准确选取辅助变量的同时降低了算法复杂度.最后,该方法成功应用于污水处理过程中出水生化需氧量(biochemical oxygen demand,BOD)预测模型的输入变量选择上,利用精选出的辅助变量有效提高了模型预测精度.     

不良贷款有无回收判别:一类可选变量的支持向量机方法

针对不良贷款有无回收判别问题中属性变量数目多、示性变量比例高的特点,提出了一类可选择变量的支持向量机方法进行判别预测.该方法一是将逐步回归的支持向量机思想应用在模型变量的选择上,二是将线性逐步回归的结果作为模型选择变量的初始状态,解决了传统支持向量机只能使用固定变量的问题. 实证结果显示,该方法不仅提高了样本外预测的正确率, 而且具有很好的稳健性.     

通过GIC准则同时诊断数据变换与异常点

针对回归分析中异常数据和变量变换相互影响的问题,从变量选择角度,结合模型选择的广义信息准则(GIC)与构造变量方法,提出了一类数据变换与异常点的同时诊断方法。该方法同时考虑由是否存在异常点以及是否需要变换所组成的四种备选模型,在某些情况下,既可以减轻异常点对数据变换的强影响,又避免了变换数据对于异常点的掩盖效应. 文章通过模拟与实例验证了该方法的有效性,并与文献中的$F$检验法、似然距离诊断法以及$F$方法进行了比较.     

平衡式变量叶片泵动力学仿真

平衡式变量叶片泵是一种基于专利技术Ⅲ的含有浮动块的新型容积式叶片泵，该泵应用在汽车转向助力泵等工况，是一种较有应用前景的新型叶片泵。同时建立了平衡式变量叶片泵的流量方程，对叶片泵的变量机构在Adams环境下建立仿真模型。选择不同的转向泵参数进行动力学仿真，对仿真结果进行详细分析和比较。所得到的浮动块体位移等参数能够较精确的反映变量机构运动规律，也验证了该模型的有效性，为样机的优化设计提供指导建议。     

基于多层稀疏先验的回归样条变量选择算法

在计算机试验中,复杂现象的仿真拥有数目庞大的输入变量。因此,筛选出对输出有重大影响的输入变量显得至关重要。针对计算机试验的变量选择问题,提出一种基于贝叶斯多层稀疏先验的回归样条变量选择算法。新算法能够同时进行非重要输入变量的自动删除和重要输入变量系数的自适应估计。不同于计算机试验中已有的变量选择算法,新算法不需要调节控制稀疏性的超参数。通过快速算法进行数值求解,试验结果表明：新算法不仅能够更精确地实现变量选取,而且能够大大地降低计算复杂度。     

基于离散PSO的软测量辅助变量选择算法

工业对象的复杂化带来了可测变量的增多,这些变量集合中大量冗余的信息会降低软测量建模的精度。针对这个问题,提出了基于离散PSO的软测量辅助变量选择算法。算法将传统PSO连续的优化过程通过对粒子位置的隶属度计算,将其离散成0或1。0、1分别表示某变量未被选中和被选中,每个粒子就代表一种变量选取情况。将PLS回归用于适应度函数的计算,有利于克服多元回归中多重共线问题。最后,将该算法用在了丙烯精馏塔塔顶丙烯浓度的软测量实验中,实验结果表明该方法有效,并提高了模型的预测精度。     

基于贝叶斯框架下LS-SVM的时间序列预测模型

将贝叶斯证据框架应用于最小二乘支持向量机模型参数的选择,建立起时间序列的非线性预测模型.在推断的第一层,选择模型的参数,在推断的第二层,选择模型超参数,第三层,选择模型的核参数,并选择相关输入变量.该模型应用于加州电力市场现货价格的预测,取得了较好的效果.     

基于客票数据的城际铁路出行方式选择行为研究

随着高铁快速发展,旅客城际铁路出行具有更多类型客运列车可供选择.基于铁路客票数据,以成渝交通廊道为例,应用离散选择模型研究城际铁路出行中以高铁和普速列车作为选择对象的出行方式选择行为.根据客票出行大数据构建人口统计学特征、购票渠道、社会阶层与地位、出发日期与时段、发车频率、距离等特征变量并融合百度指数数据,以一种新视角建立出行方式选择定量分析模型.结果显示人口统计学特征、购票渠道、社会阶层与地位、发车频率、出发日期与时段、出行目的、距离等变量显著影响旅客选择行为,能够对旅客城际铁路出行方式选择进行有效预测.研究设计为出行方式选择行为分析提供新思路,丰富了数据驱动下的交通出行选择研究.     

基于Jeffreys非信息超先验的贝叶斯变量选择算法

在计算机试验中,复杂现象的仿真拥有数目庞大的输入变量,因此,筛选出对输出影响重要的输入变量是至关重要的。我们通过Jeffreys非信息超先验,提出了一种新的贝叶斯变量选择算法。不同于计算机试验中存在的变量选择算法,我们的方法不需要调节控制稀疏性的超参数。新的变量选择方法通过EM（expectation-maximization）算法求解,试验结果表明,我们的方法不仅取得了理想的效果,而且大大地减少了计算的负担。     

我国工业技术发展战略选择的模拟分析

首先通过分析技术引进、自主研究开发与其它经济活动的相关关系，建立一个计量经济联立方程模型，在此基础上以工业研究开发投入和技术引进投入为工具变量，以国内生产总值、工业增加值、工业总产值和固定资产投次等主要经济变量为目标变量，模拟在工具变量不同投入比的情况下2000年至2010年各目标变量的增长趋势，并进性比较分析。最后以上述模拟分析结果为依据，对我国工业适宜的技术发展战略选择做出理性判断。     

基于多个潜变量PLS算法的一种迭代方法

在两个潜变量的偏最小二乘法(PLS)基础上,研究了如何将PLS算法从两个潜变量扩展到多个潜变量的一套完整方法(包括具体的形式规范和迭代步骤);以及在多个潜变量PLS算法上的符号检验.并在MATLAB上实现了完整的多个潜变量PLS算法,验证了该迭代方法的有效性.     

基于脉冲响应的区域经济政策实施效果评价

本文以上海市为实证对象,通过构建政策变量对经济效果变量的脉冲响应函数模型,揭示了国家重大区域规划政策对上海市经济发展的影响.通过构建政策变量对经济效果变量的脉冲响应函数模型,揭示了同一政策在不同宏观经济背景下的作用效果,弥补了现有研究忽略宏观背景对政策效果影响的不足.通过分解脉冲响应函数模型的残差,刻画政策变量的残差变化一个单位标准差后,政策变量与效果变量的共同波动对效果变量的影响.实证表明:在经济紧缩期,扩大中央固定资产投资对上海后10年的总体影响显著好于经济繁荣期.因此,择机选择政策变量的投入力度对区域经济发展尤为重要.     

混沌遗传算法及其应用

本文利用混沌运动的遍历性，提出了一种求解优化问题的混沌遗传算法（Chaos Genetic Algorithm, 简称CGA），该算法的基本思想是把混沌变量加载于遗传算法的变量群体中，利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度。研究结果表明，该方法效果显著，明显提高了优化计算效率。     

灰色模型GM(1,n)的变量选择及拟合度分析

根据灰色关联度，探讨了ＧＭ（１， ｎ ）拟合度与变量选择的关系．应用实例，说明了变量选择在灰色建模过程中的必要性．     

时滞多变量离散灰色模型及其应用

针对多变量灰色模型存在驱动因素机制不明确和缺乏驱动项引入规则的问题.通过引入时滞项控制驱动因素,构造一种新的多变量离散灰色模型,并探讨模型参数求解方法.根据灰色扩维识别方法,探索驱动项选择和时滞参数测算方法,并给出模型建模预测步骤;最后,采用该模型解决我国农村水环境与农村区域发展的滞后效应测算、建模和预测问题,实例结果表明该模型不仅精度较高,而且模型含义更明确.     

联合均值与方差模型的变量选择

在许多应用方面, 特别在经济领域和工业产品的质量改进试验中, 非常有必要对方差建模. 推广经典的正态回归模型, 对联合均值与方差模型提出一种同时对均值模型和方差模型的变量选择方法. 提出的惩罚极大似然估计具有相合性和oracle性质. 随机模拟和实例研究结果表明该模型和方法是有用和有效的.     

基于范数的基本输入变量重要度排序的计算策略

针对Borgonovo基本输入变量重要度中概率密度函数积分不易求解的缺陷,基于重要度定义将范数的概念引入灵敏度分析中的重要度排序分析领域,提出一种新的基本输入变量重要度排序的计算策略,并为该计算策略选择了若干等价范数,从而避免求解积分的困难.该方法将所求积分用其等价范数进行替代,同时采用适用性更加广泛的一种正则化基本输入变量重要度的计算方法.从理论上讲,该计算策略能够为重要度排序计算提供多种等价范数形式.从所提计算策略与Borgonovo方法、Liu方法的比较可以看出:所提方法是三种方法中最简单有效的.最后,给出两个算例来说明所提方法的可行性.     

基于LCLV模型的通勤方式选择行为

基于Integrated Choice and Latent Variable (ICLV)模型,结合2013年绍兴市居民出行调查数据,研究通勤者的方式选择行为,包括小汽车、公交车、摩托车和电动车等4种当地居民在日常生活中较常用的交通方式。模型不仅分析了可观测的个人及家庭的社会经济属性对通勤方式的影响,而且通过潜变量模型构建通勤者个人对各类出行方式的态度等不可见因素,并将其纳入选择模型。结果表明,潜在的心理因素同样对方式选择行为有重要影响,并能够揭示选择行为的内在原因。该研究可为交通需求管理策略制定者以及交通规划者提供指导意见,从而促进交通系统的可持续发展。     

基于ICLV模型的通勤方式选择行为

基于ICLV(Integrated Choice and Latent Variable)模型,结合2013年绍兴市居民出行调查数据,研究通勤者的方式选择行为,包括小汽车、公交车、摩托车和电动车等4种当地居民在日常生活中较常用的交通方式。模型不仅分析了可观测的个人及家庭的社会经济属性对通勤方式的影响,而且通过潜变量模型构建通勤者个人对各类出行方式的态度等不可见因素,并将其纳入选择模型。结果表明,潜在的心理因素同样对方式选择行为有重要影响,并能够揭示选择行为的内在原因。该研究可为交通需求管理策略制定者以及交通规划者提供指导意见,从而促进交通系统的可持续发展。