电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响.应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能.     

电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响。应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能。     

最小二乘估计相合性的若干结果

(?)≡(x_1,x_2,…)是已知的p维向量序列,e≡(e_1,e_2,…)是随机误差列,β≡(β_1,…,β_i)′是未知的回归系数向量.记S_n=x_1x_1~′…+x_nx_n~′.设当n≥n_0时,S_1~(-1)存在.把p×n矩阵S_n~(-1)(x_1…x_n)的(j,i)元记为u_(nji),则β的最小二乘(LS)估计为     

X射线衍射线对法精确测定晶胞参数的最小二乘方程稳定解

线对法精确测定晶胞参数比起测定各衍射线位置的常规方法有许多优点。测定两衍射线衍射角θ_i,θ_j之间的角差δ_(ij)来求解的线对法在实验技术上比较简单和方便,衍射峰位置可用相对办法确定,能达到更高的准确度,还能容易地消除吸收以及仪器的系统误差。 Popovic和Halliwell提出了只适用于最简单的立方晶系的线对法方程。后来我们。提出了普遍适用于一切晶系的最复杂情形的线对法方程。 用线对法方程求解晶胞参数时,与所有的联立方程法一样,因解方程过程中误差的传递和叠加而可能出现解的误差很大。这种病态方程问题影响了线对法的实验应用。本文提出对各种可能组合的线对法最小二乘方程的稳定性进行判别,以求得晶胞参数的精确稳定解的方法。     

收敛系统和回归模型中最小二乘估计的强相合性

考虑多元回归模型此处x_(ij)是已知常数,β_1,…,β_p是未知参数,y_i,e_i分别为第i次量测值和量测随机误差。以下,我们记设计矩阵(x_(ij))_(1≤i≤n,1≤j≤p)为X_n,并令Y_n=(y_1,…,y_n)′),β=(β_1,…β_p)′。β的基于前n次量测值Y_n及设计矩阵X_n的最小二乘估计b_n=(b_(n1),…,b_(np))′为     

基于退火期望最大化算法的电力系统负荷预测

对于电力系统负荷预测中的不确定性,使用EM算法训练全局收敛的特点,并在EM算法的基础上提出了一种训练随机多层前馈网络的A—EM算法。该算法利借鉴退火过程,引入温度参数,减小了初始参数对最终结果的影响来对负荷进行预测,定例计算表明,该模型具有良好的精确性和应用性。     

基于退火期望最大化算法的电力系统负荷预测

对于电力系统负荷预测中的不确定性,使用EM算法训练全局收敛的特点,并在EM算法的基础上提出了一种训练随机多层前馈网络的A-EM算法.该算法利借鉴退火过程,引入温度参数,减小了初始参数对最终结果的影响来对负荷进行预测,定例计算表明,该模型具有良好的精确性和应用性.     

纵向数据部分线性模型的估计

文章讨论了纵向数据下的部分线性回归模型的估计方法,给出了参数分量和非参数分量的profile最小二乘估计,并研究了这些估计的渐近正态性.     

纵向数据部分线性模型的估计

文章讨论了纵向数据下的部分线性回归模型的估计方法,给出了参数分量和非参数分量的profile最小二乘估计,并研究了这些估计的渐近正态性。     

非线性半参数EV四归模型的估计理论

对于带有变量误差的非线性半参数回归模型:Y=H(x,θ) g(T) v,X=x u,给出了参数θ和函数g(·)的估计(?)_n,(?)_n(·).在一定条件下证明了(?)_n的强相合性和渐近正态性;(?)_n(·)具有强相合性且有几乎最优的强收敛速度,同时还给出了v的方差的强相合估计.     

氨基酸广义疏水标度(GH-scale)用于HLA-A*0201限制性CTL表位定量预测

将天然氨基酸149个疏水性质经主成分分析得到了一种新氨基酸描述子——氨基酸广义疏水标度（GH—scale）．用GH—scale结合遗传偏最小二乘（GPLS）算法对152个HLA—A＊0201限制性CTL表位进行定量构效关系（QSAR）研究．所建模型拟合及交叉检验复相关系数分别为R^2cum=0．813和Q^2=0．725．研究表明,疏水作用在CTL表位与HLA—A＊0201结合过程中扮演极其重要角色,而锚定残基是该类作用发生最显著的部位．     

支持向量机用于定量构效关系建模的研究

运用支持向量机, 偏最小二乘和BP人工神经网络3种方法对苦味二肽和血管紧张素转化酶抑制剂2个肽体系进行了定量构效关系建模研究. 为了验证模型的外部预测能力, 样本集经D-optimal设计被分成训练集和测试集两部分, 通过对测试集的预测结果来判断模型的外部预测能力. 结果显示支持向量机在2个体系中均表现出了较强的建模和预测能力. 在对苦味二肽的构效关系建模中, 支持向量机的建模和预测结果明显优于偏最小二乘, 与BP人工神经网络相比, 虽然在建模能力上支持向量机略逊于BP神经网络, 但其预测能力却明显优于BP神经网络; 而对于血管紧张素转化酶抑制剂, 支持向量机的建模和预测结果则略优于偏最小二乘和BP人工神经网络. 其中采用线性核和径向基核的支持向量机模型在两个肽体系中建模和预测结果相当. 研究显示支持向量机在药物的定量构效关系研究中具有广阔的应用前景.     

论10 kV环网柜的二次侧核相

为有效提高10 kV配电系统供电可靠性,确保变电所、线路部分检修或故障时减少线路停电次数、缩小停电范围,笔者结合个人多年的实践工作,针对10 kV配网线路的二次核相进行了阐述.     

论10kV环网柜的二次侧核相

为有效提高10kV配电系统供电可靠性,确保变电所、线路部分检修或故障时减少线路停电次数、缩小停电范围,笔者结合个人多年的实践工作,针对10kV配网线路的二次核相进行了阐述。     

稀土双系列多金属氧酸盐和草酸桥连二核铜构筑的无机-有机杂化物及磁性质

在醋酸-醋酸钾缓冲溶液中, 一系列基于稀土双系列锗钨酸盐的无机-有机杂化物K₂Na_mH_9-m[{Ln(GeW₁₁O₃₉)₂}{Cu₂(bpy)₂(μ-ox)}]·nH₂O (bpy=2,2′-联吡啶, ox=C₂O₄^2-; Ln= La,Nd, Sm, Eu, Gd; n=19, 17, 22, 20, 19; m=4, 4, 4, 9, 2)被分离出来. 单晶X 射线分析表明, 化合物1~5 是同构的, 均具有一维链状结构, 由草酸二核铜[Cu₂(2,2-bpy)₂(μ-ox)]²⁺配离子桥连稀土双系列多阴离子[Ln(GeW₁₁O₃₉)₂]^13- 构建而成. 相邻链之间通过吡啶基团的π-π相互作用, 进一步形成三维结构. 磁性测试显示这些化合物具有二核铜的反铁磁性相互作用, 同时稀土离子对化合物磁性有一定影响.