流形拓展t-过程回归（英文）

本文提出了一种流形拓展t-过程回归模型,用来分析带有复杂协变量的函数型数据.该流形拓展t-过程回归模型可将协变量数据变换至特征空间,然后用拓展t-过程回归将特征空间数据转换到观测数据空间,从而对观测数据进行建模.我们建立了一个估计程序来估计模型中的参数.对真实数据和模拟数据进行了分析,结果说明所提流形拓展t-过程回归模型是可行的.     

超贝叶斯图模型及其联结树的构建

不确定性数据模型是在复杂的环境中对不确定信息及其之间关系的一个比较准确的描述,能有效地处理复杂的实际问题,如贝叶斯网、粗糙集等传统的不确定数据模型.本文提出一种超贝叶斯模型,用来表示复杂数据间的相关性以及数据间不确定性;分析了超贝叶斯图条件独立的性质;从而给出超贝叶斯图的联结树的构建方法及算法;基于联结树进行概率化简,...     

基于Gibbs-DA算法的贝叶斯分位回归模型研究

针对分位回归模型参数的不确定性风险问题,构建了基于Gibbs-DA抽样算法的贝叶斯线性分位回归分析模型.根据非对称Laplace分布的正态-指数分布的混合表示性质,利用数据扩展方法构建了潜变量,给出分位回归模型的似然函数,推断了多元正态先验分布条件下分位回归模型参数的后验分布,证明了潜变量的完全条件分布为广义逆高斯分布;结合Gibbs抽样和数据扩展方法,设计Gibbs-DA的仿真分析方案,并将其应用于我国能源消耗问题分析.研究结果表明:贝叶斯方法可以有效地应用于分位回归的建模以及我国能源消费弹性的分位问题研究.     

基于正交回归试验法的煤矿剪式抓斗优化设计

煤矿剪式抓斗的挖掘过程是一个复杂的非线性动力学问题,由于动态平衡方程的不确定性使得该类问题的优化设计不易实现.建立了抓斗挖掘过程的数学模型,获得了不同设计参数下的挖掘性能数据样本点,然后构造了三因素五水平正交试验;构建了物料挖掘过程目标函数的二次多项式响应面模型,并采用最小二乘法求解响应面模型中的待定系数向量.利用多目标优化的理想点法对抓斗的几何参数进行优化,获得了一种性能更优的产品.与蒙特卡罗法的计算结果对比表明,该方法具有良好的预测能力,并大大减少了仿真计算的规模.     

县域体育场地发展空间特征及其影响因子研究——基于ESDA-GWR方法

利用第6次全国体育场地普查福建省84个县域数据,以及其他经济社会数据,运用探索性空间数据分析(ESDA)方法和地理加权回归(GWR)模型,探索县域体育场地发展的空间特征及其影响因子.研究表明:福建县域体育场地面积(存量)发展在空间上存在集聚分布特征,而人均场地面积(相对量)在空间上则呈随机分布;东部沿海县域的场地面积发展快于内陆山区,而南部内陆山区又快于北部;构建的GWR模型拟合效果优于OLS回归模型,提高了对县域场地面积的解释力;与县域场地面积相比,影响县域人均场地面积发展的因素更为复杂.     

不确定性优化方法在船型优化设计中的应用

为了使非高精度的近似模型在船型优化中发挥最大效用,引入不确定性优化方法,采用区间数描述反向传播(BP)神经网络构建的兴波阻力系数近似模型的不确定性,基于主尺度与船型系数联合组成的设计空间构建了最小总阻力的优化模型.采用双层嵌套优化体系,外层采用加入学习因子改进策略的粒子群算法对引入罚函数的总阻力目标函数进行优化,内层采用改进的快速模拟退火算法针对近似模型的不确定域求解目标函数区间.算例表明了不确定性优化体系的优越性与两种优化算法的适用性.     

基于高斯模型的工业过程数据的故障预测

针对工业过程中采集到的监控变量的时间问题序列数据,提出一种新的基于高斯过程模型的预测建模方法来实现故障预测。针对特定数据集重新构建高斯过程核函数,将工业过程的先验信息加入到数据驱动预测模型中,使模型具有更好的性能。与现有的预测模型相比,高斯过程回归模型可以在给出预测值的同时给出一个置信区间,用作故障预测的不确定性度量。在田纳西-伊斯(TE)曼过程模拟数据集上进行性能对比实验,实验结果表明,提出的故障预测方法具有更好的预测精度。     

保泛化性能的最优上边界回归模型辨识

从控制模型结构复杂性及提高模型辨识精度出发,提出了建模由参数或测量不确定性引起的最优上边界回归模型的一种新方法。首先,将二次规划的支持向量回归(SVR,support vector regression)转化为l_1范数的优化问题,用于获取模型结构的稀疏解;其次,建立上边界回归模型的约束条件,并将模型的被估输出与实际输出之间的所有逼近误差最小化,即逼近误差的l_1范数最小化问题,来提高模型辨识精度;最后,将l_1范数的结构风险与逼近误差的l_1范数以及上边界回归模型约束条件相结合构成新的优化问题,应用较简单的线性规划对其求解,得到最优上边界回归模型。提出的方法具有如下三个显著特性:1)应用逼近误差的l_1范数最小化,可保证模型的建模精度;2)引入SVR架构下的结构风险l_1范数,可保证模型的稀疏特性;3)通过提出的方法从建模精度与模型稀疏特性之间取其平衡,可提高模型泛化性能。通过来自测量数据以及模型参数不确定性的实验分析,论证了提出方法的合理性与优越性。     

RBF神经网络优化灰线性回归模型预测建模

针对建筑物地基沉降的机理以及RBF(Radial Basis Function,径向基函数)神经网络能够有效描述不确定性问题和解决复杂非线性问题等特点,通过反复试验,优化设计,建立了RBF神经网络,并用该网络优化灰线性回归预测模型,建立RBF灰线性组合预测模型。通过工程实例,比较分析了单一灰色模型、灰线性回归模型、RBF优化的灰线性回归模型的预测精度。结果表明,RBF优化后的灰线性回归预测模型精度优于灰色模型、灰线性回归模型,预测中误差达到0.0014 mm。径向基神经网络优化后的灰线性模型能更好地反映建筑物沉降的总体趋势及规律。     

基于量子粒子群算法的公共空间主功能区布局优化设计方法

为了提升公共空间主功能区布局合理性,提出基于量子粒子群算法的公共空间主功能区布局优化设计方法。将城市公共空间不同功能区测绘数据分为空间数据和非空间数据,进行数据转换处理。利用深度神经网络提取公共空间主功能区空间分布特征;建立公共空间主功能区布局优化设计模型,将复杂的布局问题转换为模型形式,并设置模型约束条件;基于量子粒子群算法求解布局优化模型,实现公共空间主功能区布局优化设计。测试结果表明,该方法能够对公共空间主功能区布局进行合理的优化设计,设计效果较好。