非线性广义相关系数及其R语言实现

为了克服以往的相关性指标所存在的线性相关性和信息损失的问题,以期为实际应用工作提供一种新的多变量间的非线性相关分析方法.本文采用四阶矩法,提出一种用于描述变量间或向量间的相关性程度的广义相关系数,且该广义相关系数计算简单,无信息损失,并能度量变量之间的非线性相关性.并用R语言编写该函数包,便于应用工作者使用,且丰富了R语言中的函数包.     

一种图像帧间运动检测算法

针对图像运动检测算法运算速度慢的问题,提出了一种基于块匹配算法日的分块检测算法,并采用SSE2指令优化编程对这一算法进行了验证。结果表明检测准确率与像素递归法相当,但SSE2指令运算时间约是C代码运算时间的1／3。     

具有复发效应的SEAIR模型及在新冠肺炎传染病中的应用

建立了一类具有复发效应和无症状感染的SEAIR模型,给出了模型的基本再生数R0,证明了当R0<1时无病平衡点全局渐近稳定,R0>1时无病平衡点不稳定且疾病是一致持久的.作为模型的应用,选取湖北已报道的新冠肺炎累计病例数,利用模型拟合数据,并对疾病发展趋势进行了数值模拟.最后对参数进行敏感性分析,研究了不同的复发率对新冠肺炎的影响.结果表明,复发率越高,新冠肺炎疫情会越来越严重;研究结果建议采取严格的隔离措施和佩戴口罩来降低疾病的传染率和二次复发.     

基于变量选择的异方差White检验

在多元线性回归模型的异方差检验中，当解释变量较多且两两之间相关系数较低时，会导致传统White检验构造的辅助回归函数参数增多、计算量增大、检验效果不明显。针对这一问题，基于异方差检验原理，建立残差平方与解释变量之间的回归模型，筛选出系数显著的解释变量，利用残差平方与筛选出的解释变量构建辅助回归模型进行异方差检验。数值模拟及实证分析表明该方法有良好的检验效果及简单的步骤。     

变压器典型局部放电信号辨识研究

为深入研究变压器典型局部放电的类型，提出了一种相关系数矩阵(correlation coefficient matrix dimension reduction, CCMDA)和深度学习相结合的特征识别方法。首先，对原始数据进行降维，保留关键特征；然后，引入深度学习框架，搭建ResNet34的残差结构，开展局部放电特征的识别。结果表明：相对于核主元分析(kernel principal component analysis, KPCA),相关系数矩阵降维效果更为显著；图片尺寸为64×64时，识别性能最好；学习率为0.001时，损失函数值最小。本文方法识别准确率高，明显优于卷积神经网络(convolutional neural networks, CNN)和支持向量机(support vector machine, SVM)。引入小波变换，可增强本文方法的鲁棒性。     

融入距离方差和距离相关系数的偏最小二乘回归方法

偏最小二乘法(partial least square, PLS)在内部采用Pearson系数度量自变量和因变量之间的相关性时提取出的成分不能确保解释性最强，并且PLS在将提取的成分进行线性回归时也无法真实反映变量间的函数关系.针对这些问题，该文提出了融入距离方差和距离相关系数的偏最小二乘回归方法(DVDCCPLS).DVDCCPLS基于距离方差和距离相关系数提取距离成分，再将距离成分进行拟线性回归得到距离回归方程，通过模型求解方法将距离回归方程转换为原始数据的表达，最终得到结构简洁、精度较高的回归模型.该文分别采用麻杏石甘汤数据和UCI数据集测试DVDCCPLS的性能，并与其他5种经典的回归算法对比，结果表明：DVDCCPLS具有较好的回归效果和回归性能.     

地下综合管廊自然通风下温湿度实测研究

地下综合管廊内合适的温湿度环境是各类专业管线及附属设施设备安全运行的保障。本研究以一自然通风条件下的地下综合管廊单元模块为研究对象，于2021年5~11月、2022年10月~2023年3月对其进行管廊内外温湿度与进排风风速进行现场实测，进一步测算通风换气次数，运用皮尔逊相关系数法（pearson）确定各实测参数之间的显著关系。结果显示，管廊内温度受日变化温度影响小，受年平均气温影响大。廊内温度全年变化范围为11.7℃~23.5℃，廊外温度每降低5 ℃,年廊内温度最大降低1.3 ℃，单日廊内温度最大降低0.3 ℃。2022 ~2023年湿度在60%~70%的占比7.4%，湿度＞70%的占比3.2%。；研究时段换气次数达到2 次/h的占比为8.3%。廊外温度与廊内温度、廊内湿度的相关性系数分别为0.811和0.801。结果表明：管廊内温度受日变化温度影响小，受年平均气温影响大；廊内环境受外部环境的影响较大，自然通风对于改善廊内温湿度环境效果不佳。研究结果为地下综合管廊通风设计与智慧管控技术提供了基础数据支撑。     

黄河流域近十年 NPP 变化特征及驱动因子分析

基于BEPS生态过程模型计算的净初级生产力(NPP)、平均最高及最低气温及降水数据，采用Sen+MK趋势分析方法对黄河流域2010～2020年NPP变化趋势情况进行连续监测，利用复相关系数探究气温和降水对NPP的驱动影响情况，并通过土地覆盖类型变换侧面反应人类活动对黄河流域净初级生产力的影响.研究结果表明：黄河流域2010～2020年NPP呈不明显的上升趋势；黄河流域NPP受降水驱动较为明显的地区主要为内蒙古及山东沿海地区，内蒙古、山西、陕西3省交界处主要受到平均最高气温驱动，青海柴达木盆地等地则主要受到平均最低气温驱动；其中，黄河流域NPP的低值区域受气象因子驱动明显，NPP高值区域面积有所扩大，在人类活动影响下植被类型大量向对NPP增长有利的方向转变，表明黄河流域整体生态环境有所改善.     

基于VMD与改进DAE人车地震动包络信号识别算法

摘　要解决对野外环境中低信噪比的人车地震动信号进行分类时传统模式识别方法应用不便，以及识别率较低的问题，通过基于包络检波、变分模态分解（VMD）和改进的深度自编码器（DAE）的特征提取算法研究了针对该类信号的处理方法和特征提取方法。首先对目标的地震动信号进行希尔伯特变换，获取信号的平滑包络线，然后对包络线进行变分模态分解，并用相关系数对分解得到的IMF信号进行筛选，并将相关度较高的分量加权合成为高信噪比的中间信号，再对其使用改进的深度自编码器中进行特征提取。最后使用泛化性能好的随机森林算法对信号进行分类，从而实现对人车目标的识别和分类。结果表明：该算法对两类目标综合识别正确率较其他传统算法有较大提高。可见该算法针对该类目标有应用价值。     

噪声相关的商品生产与内部交易的市场均衡

针对一类商品生产及其内部交易市场，其中经纪人作为内部人同时参与商品产量和商品交易决策，噪声交易量与商品价值相关，而做市商进行半强有效性定价，给出了由商品产量、内部交易量和定价组成的线性均衡的闭式解。仿真结果表明，内部人的交易强度关于相关系数呈单峰上凸形状且在某个取负值的相关系数时达到最大值，而当风险价值与噪声交易量正线性相关时，内部人不再参与交易；市场深度关于相关系数的呈对称单峰上凸形状，且当风险价值与噪声交易量独立时达到最大值；经纪人总期望收益随相关系数的增大而减小。