NEAR (p) 模型的参数估计

分别用条件最小二乘、 加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数. 并讨论了这些估计量的渐近性质. 通过数值模拟发现, 当参数真值较小时, 最大拟似然方法的估计效果较好； 当参数真值较大时, 加权条件最小二乘方法的估计效果较好.     

线性回归模型精化方法

为了解决由试验观测数据建立的回归拟合模型存在的模型误差,用基于回归残差的神经网络方法精化模型.采用给定方程获得模拟数据,通过数据结构散点图建立回归模型趋势项,利用经典最小二乘法估计趋势项参数,由趋势项参数计算回归残差,借助误差分级迭代的改进BP算法对趋势项进行精化,将两部分叠加获得精化模型.试验结果验证了基于回归残差的神经网络方法精化模型的有效性:神经网络方法精化后的模型能提高回归模型的拟合及预测精度5倍以上,优于最小二乘配置法和半参数法精化结果.神经网络方法精化模型既克服了单一神经网络模型的不可解释性,使模型具有物理意义,又具有较高的预测精度.     

MA(∞)误差下部分线性模型的经验似然统计推断

应用经验似然方法, 针对误差为不可观测无穷阶滑动平均过程的部分线性模型, 构造了回归参数的对数经验似然比检验统计量, 并证明了统计量在参数取真值时渐近地服从χ²分布, 构造了参数的置信区间. 模拟计算表明, 经验似然方法优于最小二乘方法.     

鞅差误差下异方差部分线性回归模型估计的矩相合性

本文研究了误差为鞅差序列下的异方差部分线性回归模型.基于非参数估计量,我们导出了最小二乘法和加权最小二乘法的参数估计量,并且在适当条件下得到了它们的矩相合性.同时,通过模拟研究了有限样本下估计量的性能.     

含有过程噪声的Hammerstein-Wiener模型辨识算法及其收敛性分析

针对含有过程噪声的Hammerstein-Wiener模型,提出一种偏差补偿递推最小二乘辨识方法.通过将偏差补偿引入到递推最小二乘算法中,在线辨识包含原系统参数乘积项的参数向量.并用鞅收敛定理证明偏差补偿递推最小二乘辨识算法的收敛性,分析表明在持续激励的条件下参数估计偏差一致收敛于零.仿真结果表明该方法优于递推最小二乘辨识方法.     

PA误差下的半参数回归模型估计的矩相合性

在误差为正相协(PA)序列情形下,利用最小二乘法和一般非参数统计方法,在适当的条件下,证明了半参数回归模型估计量具有矩相合性.     

线性回归模型的广义刀切最小二乘估计

在误差为相依的情况下,讨论了线性回归模型的刀切最小二乘估计与广义刀切最小二乘估计。在均方误差意义上,广义刀切最小二乘估计优于刀切最小二乘估计,并利用算例进行了验证。     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.     

数控滚齿机热变形误差分析与补偿新方法

为了对数控滚齿机的热变形误差进行补偿,提高齿轮加工精度,利用聚类回归分析方法,优化选择了热误差补偿过程中的温度测量点.采用最小二乘回归方法建立了热误差模型,实验结果验证,该模型精度高.提出了一种热误差差动螺旋补偿方法,该方法完全采用外部硬件补偿,能够独立地实现对热变形误差的实时补偿.与其他补偿方法对比,该方法不受限于数控系统的开放性,通用性较强.     

半参数回归模型中参数的Bayes估计

导出了半参数回归模型中参数的Bayesian最小风险线性无偏估计(BMRLUE),研究了其在均方误差矩阵(MSEM)准则、PRPC和PPC准则下相对于最小二乘加权估计(LSWE)的优良性.     

基于零极点配置理论的压力传感器动态特性补偿

针对爆炸冲击波压力传感器动态特性难以满足工程要求这一现实问题,运用基于白化滤波器的广义最小二乘法建立传感器的数学模型,并用零极点配置方法对传感器进行动态补偿。通过重复性试验得出:给附加极点配置合适的零点可以大大改善传感器的动态性能。最后通过补偿效果说明,与以往零极点补偿法只关注极点而忽略零点作用相比本补偿方法更具有理论和现实意义,且补偿效果令人满意。     

被动加载系统中的多余力矩复合补偿方法

分析了被动式加载系统中多余力矩的特点 ,针对前馈补偿方法中存在的高阶微分补偿控制器物理上难以实现以及模型失配问题 ,提出了基于小脑模型关节控制器 (cerebellarmodelarticulationcontroller,CMAC)的复合补偿方法 .仿真和试验结果表明 ,采用基于CMAC的复合补偿方法对于多余力的抑制具有明显效果 .     

基于最小二乘的地磁场测量误差补偿技术研究

地磁导航中获取地磁场的精确测量值是进行地磁匹配导航的前提和基础。论文针对实际地磁测量中磁力仪易受环境磁场干扰带来的影响补偿效果的问题，首先分析了软磁误差以及硬磁误差对磁场测量的影响效果，建立了地磁测量误差的参数化模型。采用ANSYS仿真软件，通过3对内径不同的亥姆霍兹线圈产生了3个方向的匀强磁场，从而实现了对地磁场的模拟。在此基础上，将磁力仪和干扰源建到仿真模型中，通过360度旋转磁力仪分别得到了有干扰和无干扰时的三维磁场值，然后采用最小二乘算法对模型参数进行了估计，最终实现了对磁场测量误差的补偿。仿真结果表明，该方法简单易行，简化了参数的求解过程，具有较高的误差补偿能力，地磁测量误差可以从20 000多纳特减少到几个纳特。     

偏最小二乘回归分析法在黄芩抑菌谱-效关系及数学模型研究中的应用

以黄芩药材指纹图谱及其对金黄色葡萄球菌抑菌率为基础数据，采用偏最小二乘回归分析法（PLS）进行数据的谱-效相关性分析，并建立数学模型。结果表明，黄芩中有5个成分对抑菌率的影响较大，建立模型的药效预测值偏差在10%以内，能够较好地预测药效。该方法及所建立的数学模型能成为预测黄芩抑制金黄色葡萄球菌的药效作用的一种有效的手段。     

偏最小二乘回归分析法在黄芩抑菌谱-效关系及数学模型研究中的应用

以黄芩药材指纹图谱及其对金黄色葡萄球菌抑菌率为基础数据,采用偏最小二乘回归分析法（PLS）进行数据的谱-效相关性分析,并建立数学模型。结果表明,黄芩中有5个成分对抑菌率的影响较大,建立模型的药效预测值偏差在10%以内,能够较好地预测药效。该方法及所建立的数学模型能成为预测黄芩抑制金黄色葡萄球菌的药效作用的一种有效的手段。     

数控刀具预调仪误差补偿技术的研究

误差补偿是一种提高机床与仪器工作精度的有效方法，本文根据数控刀具预义的结构特点，在刚体模型的基础上，建立了非刚性体数学模型并推导出误差补偿公式，最后，采用激光义测量轴向任意直线定位误差的方法对修正效果进行了验证。     

数控机床多变量关联热误差组合模型及其实验验证

针对主要基于受综合因素影响的机床本体温度所建立的热误差模型鲁棒性较差的问题.综合考虑机床本体温度、动力源转速、冷却液温度及环境温度提出了多变量关联热误差组合模型.将最小二乘支持向量机(LS-SVM)的方法运用到热误差建模中,并利用偏最小二乘(PLS)方法提取输入变量的主成分作为LS-SVM的输入,形成PLS-LSSVM组合热误差模型.此外根据数控加工过程及材料热变形原理,将相对起始温度的差温值作为温度输入,使热误差补偿更加准确.在某型号精密加工中心进行实验验证,结果表明:PLS-LSSVM模型比LS-SVM更稳定,比PLSR预测精度高;考虑差温多变量的PLS-LSSVM模型较单纯考虑机床本体测量温度值的PLS-LSSVM~*模型,热误差预测值的均方根误差(RMSE)平均减少了5.5μm.     

CPSO支持向量机红外瓦斯传感器动态补偿

利用混沌算法变异粒子群算法初始迭代公式,改变线性权重公式,构成混沌粒子群算法.添加混沌遍历性扰动因子,感知非相关变量,从而改进最小二乘支持向量的惩罚因子,并搭建红外瓦斯传感器动态补偿模型.对比没有进行模型优化的测试效果,结果表明,文中补偿模型实际拟合效果好,测量精度明显得到改善.     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。     

采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.