基于Logistic算法的考研成绩变量预测方法

针对传统考研成绩变量预测方法的变量关联性低,导致预测结果存在较大误差的问题,提出基于Logistic算法的考研成绩变量预测方法.收集并处理历年考研成绩数据和学生成绩数据,作为成绩变量预测的初始数据.设置考研成绩的预测变量,建立Logistic回归分类算法模型,通过该模型的运算提高考研成绩变量之间的关联性.综合历年考研成...     

Beta回归模型基于EM算法的变量选择方法

本文针对响应变量取值为(0,1)区间上的比例数据研究Beta回归模型的贝叶斯变量选择方法。首先通过选取合适的先验分布,基于贝叶斯随机搜索和EM方法提出了参数的估计算法;然后根据回归系数相应的指示变量后验分布提出了重要变量选择的门限准则,所提方法具有易实施、快速计算等特点;最后通过研究中国上市公司股息率实际数据的影响因素以说明所提方法的有效性。     

含定性变量的回归分析在公安情报预测中的应用

公安情报工作是保证公安系统有序运行的依据。在现有线性回归模型的基础上,提出了一种更为准确灵活的数学模型,将含定性变量的回归分析用于公安情报的预测中。     

基于变量筛选的岩质高边坡锚杆轴力预测

锚杆轴力的演变和发展规律对评价边坡稳定性极为重要.将平均影响值MIV与传统BP模型相结合,对锚杆轴力的影响因素进行筛选.同时引入粒子群算法与遗传算法对BP模型进行优化,在筛选时间、温度和开挖等变量的基础上,建立多个锚杆轴力预测模型.研究表明,MIV变量筛选能够提高预测模型的精度和减小误差.基于MIV变量筛选的PSO-BP模型在预测精度、模型稳定性上表现最好,在边坡锚杆轴力预测中具有一定的工程应用价值.     

随机解释变量回归模型的参数估计

本文研究解释变量含有随机误差的多元回归模型,提出了一种参数估计方法和相应的算法,同时分析了预测误差,给出了算例。     

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.     

基于最小距离法的稳健群组变量选择

在研究存在异常值的logistic回归模型时,发现如果使用极大似然估计(MLE)方法进行参数估计,那么异常值引起的偏差不是造成参数估计过大而是导致参数向量内爆即参数向量收缩为零向量,此时如果进行群组变量选择很可能会忽略一些重要变量.因此针对具有组结构的logistic回归模型,为处理解释变量存在异常值时的群组变量选择问题,将基于最小距离法的稳健估计(L₂E)方法与已有的3种群组变量选择方法和3种双层变量选择方法结合,在此基础上利用Majorization-Minimization(MM)算法对目标函数进行求解.通过数值模拟比较了基于L₂E方法和MLE方法在模型具有组稀疏和双层稀疏的情况下,6种变量选择方法在不同维数下的有限样本表现,结果不仅验证了L₂E方法在存在异常值的logistic回归模型参数估计中的稳健性,而且指出了在这6种变量选择方法中使用Group Bridge方法进行变量选择的准确度更高.     

焦炭质量预测方法的研究

采用干燥无灰基挥发分(Vdaf)、胶质层最大厚度(Y)和炭化室高度与宽度之比(L/B)为自变量,对四种不同类型焦炉的生产数据进行回归分析,结果显示回归效果良好,可以采用Vdaf,Y和L/B为变量建立的模型来有效地预测焦炭质量。     

气体分馏装置多变量预测函数控制方法

针对气体分馏工业过程中存在的多变量、强耦合、大滞后等系统特性,设计了一种预测时域可调的多变量预测函数控制算法.该方法结合单变量预测函数控制及Simith预估器的特点,通过对预测时域进行分段设定,以期达到较好的快速性和稳定性.以气体分馏装置的脱丙烷塔为例,依托现场的实测模型,对提出的算法进行了验证.结果表明,所提出预测时域可调的多变量预测函数控制算法调节时间短,跟踪效果好.     

基于变量依赖关系模型的变量重要性度量方法

为了减少变量变更的代价,需要评估变量在程序中的重要程度。对变量的重要性度量有利于合理安排软件测试资源,保证软件质量。通过分析程序中各变量状态,利用变量间的依赖关系构建变量依赖关系模型,将图论和变量重要性度量相结合。针对现有节点重要性度量方法存在的局限性问题,提出一种新的基于变量依赖关系模型的变量重要性度量方法。实验表明,该方法在变量重要性度量方面的准确性相比其他方法有所提升。     

操作变量与前馈变量转换对模型预测控制可行域影响机制

模型预测控制因其解耦性和强鲁棒性得以在过程控制中广泛使用.在实际生产过程中,因操作需要常常放开控制器对部分操作变量的控制,此部分操作变量则转化为前馈变量.变量之间的转换将使系统的结构在方系统、胖系统和瘦系统之间发生转换.对于瘦系统,操作变量的维数少于被控变量,其控制效果往往低于其他结构的系统.同时,原操作变量不被控制器控制后,转换为前馈变量,也会影响对系统的控制效果.可行域能直接反映系统控制效果.在对状态空间模型进行多步预测推导的基础上,将部分控制变量与前馈变量进行转换,用空间几何映射表示变量转换,并分析转换对系统可行域的影响.最后,针对实际生产过程中放开部分控制变量的情况,提出预判机制,以保证系统可控.     

一种特征变量广义预测控制方法

针对一类具有统计运动规律的复杂生产过程系统难以控制问题,提出了一种新的广义预测控制方法,即直接利用特征向量而非状态变量,通过工况模式所属类别的变化来描述系统的动力学特性,进行控制器设计.在前期二维工作的基础上,将该方法推广到高维.以三维情形为例,根据安阳钢铁厂400烧结机的实际工况数据,首先提取工况特征变量并进行模式类别划分,其次通过定义描述模式运动的变量来建立系统的预测模型,最后根据新变量进行广义预测控制.研究结果表明:该方法能够有效描述系统的统计特性,并根据实际工况数据及预测模型直接辨识得到控制器中的参数,对系统进行了有效的控制,解决了该类系统难以控制问题.     

基于小波的加外生变量部分线性自回归模型在石油价格预测中的应用

利用小波函数结合引入外生变量的部分线性自回归模型对WTI现货价格序列进行建模研究,并与部分线性自回归模型和加外生变量的部分线性自回归模型进行比较分析,结果表明：结合小波且加外生变量的部分线性自回归模型的预测精度较高,在石油市场价格预测中有较高的准确性.     

多变量非线性组合模型在石油消费预测中的应用

我国石油消费需求除了受经济增长、技术进步、能源结构、产业结构调整等几种常见因素的影响外,还有石油价格、国家能源消费政策和政府提出的循环经济,大力推广节油措施和开发节油项目等因素影响石油消费上升的速度[1].为了提高预测的准确性和稳定性,本文构建了多变量非线性加权     

基于潜变量模型的复杂过程生产设计方法

针对工业品生产过程控制中输入变量的确定及零空间问题求解等复杂过程的生产设计问题,在现有的多元潜变量建模及生产设计等相关问题研究成果的基础上,深入研究了主元回归方法的应用策略和生产设计问题,提出了一种基于潜变量模型的复杂过程生产设计方法.通过与基于标准回归模型生产设计方法对比,展示了该方法的优越性.该生产设计方法的操作条件不仅能够满足工业生产过程产品质量的要求,而且与历史工况的关联结构和范围保持一致,为零空间问题的解决提供了可行方案.最后通过仿真验证了该类方法求解含有零空间的生产设计问题的有效性.     

基于MWSA的热力系统单参数时序预测方法

热力系统的状态参数变化可以实时反映系统的运行状态,针对热力系统参数运行数据预测手段匮乏的现状,基于4种算法提出一种单参数预测方法并简称MWSA,对当前设备状态参数进行分解降噪、趋势提取和时序预测,并将预测结果作为下一步运行管理策略和装备维修的参考,对系统的长期安全稳定运行具有重要意义.首先,利用中值回归经验模态分解(MREMD)方法将监测得到的运行状态参数分解为若干个本征模态函数(IMF)和残余分量.然后,对不符合筛选条件的分量进行小波阈值降噪(WTD),并将去噪后的分量与原本符合筛选条件的分量重组成新的IMF分量.最后,利用基于奇异值分解(SVD)和优化参数排列熵(PE)的K-means聚类算法,对重组后的IMF分量进行分类,取熵值较低的一类分量重构为趋势项并采用整合滑动平均自回归模型(ARIMA)进行预测.经实际案例验证,该方法能够有效克服原始参数时序中高频噪声的干扰,与不采用降噪处理的同类方法相比,该方法预测的准确度更高.     

基于胜率预测的空战关键节点确定方法

以提高空战训练评估效率为目标,着眼于确定影响战局走向的关键节点,提出了一种基于胜率预测的空战关键节点确定方法。首先,基于长短期记忆网络设计并训练胜率预测模型,以实时评估空战态势;其次,引入最大类间方差法确定关键节点阈值,并将相邻时刻胜率差绝对值大于阈值的时间点确认为关键节点。实验结果表明,所设计的胜率预测模型预测胜率准确,所采用的关键节点阈值选择方法合理,总体方案具有可行性和泛化性。     

动态多变量灰色模型在危岩变形预测中的应用

基于对传统的单点灰色模型的扩展,考虑多个点之间相互影响和关联,采用自适应MGM(1,n)模型,以 Matlab 语言编程,实现对变形体上相互关联的多点变形预测模型的建模,并运用该模型对望霞危岩体变形进行预测。结果表明：自适应 MGM(1,n)模型预测值与实测值吻合较好,比传统 GM(1,1)模型预测的危岩变形趋势效果较好、精度较高,评价结果具有更高的准确性。