一种可自适应分组的多输入多输出支持向量机算法

针对不同输出端之间相关程度的差异对多输入多输出回归模型泛化能力的影响,提出了一种基于自适应分组的多输入多输出支持向量机算法.该算法基于相关性强的输出端其模型参数也较相似的假设,首先在多维支持向量机的基础上引入带分组结构的正则项,进而将上述正则化问题转变为混合0-1规划;其次,采用交替优化的方法,使相关性强的输出端在同一个分组内进行独立训练,最终自适应地识别最优分组结构和模型参数.分别采用仿真数据和圆柱壳振动工程数据对所提算法进行测试,结果表明,该算法可有效辨识出输出端的相关度,与传统算法相比,该算法可有效提高支持向量机回归模型的泛化能力.     

黄土标贯击数与物理力学参数相关性及微观机制分析

为了补充西安市黄土塬区利用标贯击数预测土的物理力学参数的方法,以西安市长安区黄土塬地基土为例,通过现场标贯试验和室内土工试验,对地基土的标贯击数值与物理力学参数进行了一元和多元相关性分析,给出了拟合关系式及其相关系数;并利用电镜扫描及PCAS图像处理技术,从黄土微观结构角度对研究结果做了进一步分析。结果表明：黄土塬地基土的含水率、干密度、孔隙比、液限、黏聚力、内摩擦角、压缩系数均与标贯击数N有很好的线性相关性,地基土的湿陷系数与标贯击数N的线性相关性良好,可用N值对地基土的物理力学参数进行预测。研究成果可为西安黄土塬区岩土工程勘察提供参考。     

基于区间分析的岩土结构非概率可靠性分析

根据岩土参数的区间性特点,引入区间分析方法,把岩土力学参数以及由此得到的响应量当作区间变量,建立基于区间分析的岩土结构稳定非概率可靠性分析模型.针对区间四则运算方法当输入变量的个数较多或输入变量的区间较宽时,常常会过宽地估算响应量变化区间,引入改进区间截断法对其进行求解,解决了区间运算结果扩张问题,在此基础上采用优化法解决了非概率可靠性指标的求解.将该方法应用于工程实例,分析结果表明了该方法的可行性.     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归(PLS)与神经网络(NN)耦合,建立了储层参数预报模型.利用偏最小二乘对影响储层参数的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了神经网络的输入维数;同时,利用神经网络建模可以较好地解决非线性的储层参数预测问题.计算实例表明,本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度.     

融合空间自相关的空间数据预测模型

空间数据具有空间自相关的特性,使多元线性回归模型不适合于空间数据预测;空间自相关模型由于考虑了空间信息,可以用于空间预测,但时间耗费较大。为此,在研究多元线性回归模型的基础上,把空间信息加入到输入变量中,再把新的输入变量输入到多元线性回归模型估计模型参数,最后进行空间数据预测。实验结果表明,该方法能取得与空间自相关模型几乎相同的预测效果,且计算代价更小。     

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.     

多变量CAR模型的递推辨识

将加权最小二乘法和限定记忆两种参数估计方法相综合，给出了多变量系统带控制输入的自回归模型未知参数的递推估计算法，该估计算法是前两种估计方法在多输入多输出MIMO系统的推广。     

基于偏最小二乘回归的飞机维修保障费用预测

分析了影响飞机维修保障费用的参数,提出用偏最小二乘回归方法来预测飞机维修保障费用。该方法对变量进行主成分分析、典型相关分析和多元线性回归,在处理存在多重线性相关的小样本多元数据方面效果很好。实例证明,与传统普通多元线性回归方法相比,偏最小二乘回归在飞机维修保障费用预测中精度更高。     

非参数回归方法在短时交通流预测中的应用

为了提高短时交通流预测的准确性,提出了应用改进的非参数回归方法进行短时交通流预测。利用反馈机制动态调节系统变量和输入变量集是对非参数回归方法的主要改进之处。将建立的模型用于北京实际大规模路网的交通流预测预报,实例分析结果表明,应用非参数回归方法的5m in交通流预测结果明显优于神经网络方法;有反馈调节机制的非参数回归方法优于有固定输入变量集的非参数回归方法。     

神经网络短期负荷预测中的数据分析

在运用神经网络进行短期电力负荷预测中，输入数据的复杂性和冗余性给网络训练的效率和预测精度造成了显著的负面影响。文中提出了一种复全的数据分析方法，先采用输入变量贡献分析方法，根据输入变量对输出贡献的大小划分为主要变量和次要变量，在保留主要变量的基础 ，再采用多元统计分析中的主成分分析法，消除变量间的线性相关性，在此达到压缩变量维数的目的。将此分析方法用于处理神经网络的输入变量，提取其主要成分，使结构大为简化。结果表明，经该方法处理后的数据输入神经网络，训练时间大幅度缩短，负荷预测精度亦有一定程度的提高。     

多元Fuzzy线性回归

在处理某些系统模型中,有些输出或输入量的值是通过人的心理测量给出的。这时我们可认为此系统具有Fuzzy结构。这种Fuzzy结构一般可用带有Fuzzy参数的Fuzzy线性函数表示,而Fuzzy线性函数可由Zadeh的扩展原理得到。这样用Fuzzy线性函数来描述系统的Fuzzy结构便形成了Fuzzy线性回归分析。当输出输入量均是多个时便是多元Fuzzy线性回归。在经典的多元回归中,观测向量值与估计向量值之间的差异一般认为是测量误差,本文处理的多元Fuzzy回归中,我们认为其差异是由于系统的Fuzzy性造成的而反映在回归方程的Fuzzy参数上,这种Fuzzy参数一般表示一种可能性分布。文章讨论了多元Fuzzy回归模型的拟合问题,给出了其Fuzzy向量参数的估计方法,并将其计算方法归结为求解某线性规划问题。本文使用的Fuzzy向量限制在三角族内,而对其它形式的常用Fuzzy向量也没有实质困难。     

基于动态分离的Hammerstein模型辨识法

 通过对工业大系统输入信号的设计,使Hammerstein模型输出只反映系统的线性动态,并将非线性部分的静态影响有效地分离掉。利用分散辨识得到系统的线性动态模型。基于此模型并依据系统的测量输出重构系统的中间输入,进而可估计出非线性部分的参数,据此给出了工业大系统中Hammerstein模型辨识的动态分离方法。仿真结果表明此方法的有效性。     

拦截机动目标自适应反馈线性化末制导律

针对采用反馈线性化制导律拦截机动目标时,需要相对运动模型精确,对参数不确定无法保证系统鲁棒性的问题,提出一种自适应反馈线性化制导律设计方法.将目标机动加速度视为未知量,建立拦截器与目标的非线性相对运动模型.应用反馈线性化和模型参考自适应理论获得制导律,同时对目标加速度进行估计.该制导律形式简单,不需要知道目标精确的加速度信息.仿真结果表明该制导律能完成不确定机动目标的拦截.     

近海可再生能源综合发电场的非机理等效建模

为了建立准确的近海可再生能源综合发电场等效模型,提出了非机理建模方法。基于传递函数建立非机理等效模型,描述输入、输出的非线性关系。提出解耦参数辨识方式,并运用蚁群算法进行参数辨识。在Matlab/Simulink中搭建由风力发电机组、潮流发电机组和波浪发电机组组成的近海可再生能源综合发电场的相量模型,采集发电场模型在风速、潮流流速、波浪以及电压扰动影响下的输入输出数据。根据输入、输出数据建立传递函数模型,辨识模型参数,根据所得参数计算等效模型输出。等效模型输出与仿真模型输出的误差较小,验证了非机理等效建模方法在近海可再生能源综合发电场建模中的可行性。     

桩土软化作用特性的研究

根据静力学理论,研究了线性软化和非线性软化模式的桩土系统在外荷载作用下,桩身位移满足的微分方程解释解。提出了相应的桩土系统分布参数的正反演方法,已知桩土力学参数时,可计算不同桩顶沉降下对应的荷载、桩身内力和位移;也可根据实测的静荷试桩数据,通过作理论计算与实测曲线拟合分析处理,确定桩土系统的力学参数。试验桩的综合对比结果表明了本方法有较好的应用效果。通过实例,研究了软化模型的桩基承载力和桩径的非线性相关特性以及摩阻力和端承力发挥过程的不同步性,该研究结果对桩的承载力机理研究有重要意义。     

伪线性神经网络

给出了多输入－多输出（MIMO）的伪线性神经网络（PNN）结构与模型。PNN的构成是基于Gain-schedu-ling 控制技术与扩展线性化方法。还讨论PNN的递推预报误差的二阶学习算法（RPF）和训练过程中，并通过对多变量、强耦合的非线性加热炉的动态建模,证明了用PNN建模，效果良好，且具有训练参数少，收敛 速度快，准确性高等良好性能。     

非线性多时滞不确定系统鲁棒故障诊断

提出了一种带有多时滞不确定非线性系统的鲁棒故障诊断方案,非线性与系统输入和输出有关,不确定性包括系统输入和状态等环节;通过构造观测器对状态和输出进行估计,得到具有鲁棒性的阈值;若系统的实际输出与估计输出之差(即残差)超出阈值,说明有故障发生,同时用自适应跟踪器对故障进行跟踪;在理论上证明了该方案的鲁棒性、灵敏度和稳定性。     

Estimation of froth flotation recovery and collision probability based on operational parameters using an artificial neural network

An artificial neural network and regression procedures were used to predict the recovery and collision probability of quartz flotation concentrate in different operational conditions. Flotation parameters, such as dimensionless numbers (Froude, Reynolds, and Weber), particle size, air flow rate, bubble diameter, and bubble rise velocity, were used as inputs to both methods. The linear regression method shows that the relationships between flotation parameters and the recovery and collision probability of flotation can achieve correlation coefficients (R2) of 0.54 and 0.87, respectively. A feed-forward artificial neural network with 3-3-3-2 arrangement is able to simultaneously estimate the recovery and collision probability as the outputs. In testing stages, the quite satisfactory correlation coefficient of 0.98 was achieved for both outputs. It shows that the proposed neural network models can be used to determine the most advantageous operational conditions for the expected recovery and collision probability in the froth flotation process.     

Assignment of circadian function for the Neurospora clock gene frequency.

Circadian clocks consist of three elements: entrainment pathways (inputs), the mechanism generating the rhythmicity (oscillator), and the output pathways that control the circadian rhythms. It is difficult to assign molecular clock components to any one of these elements. Experiments show that inputs can be circadianly regulated and outputs can feed back on the oscillator. Mathematical simulations indicate that under- or overexpression of a gene product can result in arrhythmicity, whether the protein is part of the oscillator or substantially part of a rhythmically expressed input pathway. To distinguish between these two possibilities, we used traditional circadian entrainment protocols on a genetic model system, Neurospora crassa.     

PHC管桩受弯承载力非线性分析

基于ABAQUS软件,对预应力高强混凝土(PHC)管桩受弯承载力进行非线性数值模拟.采用降温法施加预应力,混凝土本构采用损伤塑性模型,预应力筋采用弹塑性模型.对比PHC管桩线弹性模拟与非线性模拟可知:两种分析方法在管桩开裂前的受力性状是一致,但在管桩进一步受力破坏时表现出很大差别.将非线性模拟得到的开裂弯矩、极限弯矩与先张法预应力混凝土管桩中管桩抗弯性能表所提供的开裂弯矩和极限弯矩进行比较.结果表明:文中采用的本构模型和模拟参数是可靠的.