具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

非参数回归的核估计法在经济分析中的应用

近20年来,非参数回归的统计方法已广泛应用于计量经济学模型的研究中。本文将非参数回归模型的核估计法应用于城镇和农村家庭消费模型中,通过对实际数据的估计,并且将结果与最小二乘估计值进行比较,证明了在对时变数据的估计中,非参数回归模型取得了较好的结果。     

基于EM算法和Gibbs抽样的污染模型的参数估计

研究简单回归模型中响应变量受到另一随机变量序列污染时,模型参数和污染系数的估计,运用EM算法给出了两类污染数据回归模型的参数的极大似然估计(MLE),并用Gibbs抽样的方法给出了未知参数的Monte-Carlo估计.     

潜半参数回归模型的变量选择

作者提出了潜半参数回归模型及其估计方法.该方法应用双重判罚,使得在估计非参数的同时可以对参数部分进行参数估计和变量选择.在分析过程中作者还得到了潜变量的估计值.     

一种改进的基于软判决自回归模型图像内插算法

提出一种改进的基于软判决自回归模型图像内插算法,分为正则化权值训练和图像内插两部分.在训练部分,根据局部窗口特征和其对应的最优正则化权值建立字典.在图像内插部分,利用加权最小二乘法估计自回归模型参数,并通过查找字典中距离当前局部窗口最近的样本获得最优正则化权值,然后使用软判决估计重建图像内插值.同时,使用EM算法修正估计出的模型参数和图像内插值.实验结果表明,与其它算法相比,所提的内插算法具有更好的主观和客观效果.     

带有二元连接函数的半参数模型

提出了一种新的带有二元连接函数的广义半参数模型, 即二元连接模型 (简称为BLM). 使用轮廓似然方法估计模型的 参数和非参数部分, 并给出了计算算法. 证明了所得的未知参数的估计量为$\sqrt{n}$-\!\!相合, 渐近正态且具有渐近最小方差, 给出了实际数据分析和模拟研究, 最终采用局部功效方法来检验非参数部分的线性性.     

一类基于非平稳噪声参量估计的时变系统参数辨识

对于未知噪声时变统计特性的时变动态系统，论述了一类基于非平稳噪声参量估计的时变系统参数辨识算法．该算法包括三部分，通过在线状态估计，构造残序列模型，试图从测量信号中分离出非平稳噪声，在线估计噪声时变均值和方差，用于整个改进算法的实现．仿真例子验证了该方法的有效性．     

部分线性变系数EV模型估计的渐近正态性

研究非参数部分带有测量误差(EV)的部分线性变系数模型,综合局部纠偏方法和Profile最小二乘估计方法定义了模型中未知参数和系数函数的估计,并在适当条件下证明了它们的渐近性质,最后通过数值模拟研究了所提估计方法在有限样本下的实际表现。     

右删失数据下带辅助信息的部分线性分位数回归模型经验似然推断

利用经验似然结合辅助信息的方法来改进右删失数据下部分线性分位数回归模型的参数估计,通过数值模拟在不同的右删失数据和不同的未知非参数函数下,比较了传统部分线性分位数回归方法和带辅助信息的部分线性分位数回归方法的估计结果的均方误差,进而证明了利用经验似然方法结合辅助信息的部分线性分位数回归方法更有效.     

随机删失非参数固定设计回归模型的诊断

文章主要研究了随机删失非参数固定设计回归模型的统计诊断。首先利用随机删失非参数回归模型的性质和生存分布的Kaplan-Meier乘积限估计,将原模型转化为非参数回归模型进行研究;然后证明了数据删除模型与均值漂移模型的等价性,并给出了诊断异常点和强影响点的一些诊断统计量;最后通过实例分析,验证了上述诊断方法的有效性。     

基于模态分析的输电塔结构优化模型

选取常见的干字型角钢塔,提出一种新型的基于模态分析输电塔结构优化模型。构建参数化输电塔结构有限元模型,采用拉丁超立方抽样方法进行高效抽样,将样本空间进行均匀划分,再对样本空间抽样,规避了Monte Carlo法样本空间低效重复抽样的缺点,有效提高Monte Carlo随机有限元法的运算效率;分别采用线性回归,纯二次回归,交叉回归及完全二次回归公式优化输电塔结构,通过线性回归残差分析,并综合考虑相关系数R2、F值、P值及评估误差E,选用完全二次回归模型构造输电塔随机输入变量与各随机输出变量之间的数学关系;分别采用模拟退火算法与遗传算法对模型进行优化,优化结果表明：两种算法均能实现全局搜索,规避优化过程中局部最小点;遗传算法的优势更为明显,收敛速度快,计算耗时短,并且目标函数的优化结果较模拟退火算法更优;与输电塔原始结构相比,遗传算法和模拟退火算法优化后的输电塔耗材总体积分别降低19.97%和19.96%,较为接近;经遗传算法优化后的输电塔优化结构五阶固有频率与一阶固有频率的差值是原设计的138.1%,模拟退火算法优化后的结果为113.7%,经遗传算法优化后的输电塔优化结构更好。     

基于众数回归的变系数模型统一变量选择

研究了众数回归下变系数模型的统一变量选择问题.利用B样条基函数近似非参数部分,在众数回归下建立SCAD惩罚函数同时选择变系数模型中的重要变量并且识别具有常数效应的协变量,在一定条件下, 证明惩罚估计量相合性和稀疏性,通过数值模拟评估所提出的变量选择方法的有效性.     

GARTEUR飞机模型的模态试验与模型修正技术

为了获得精确的结构动力学模型,需要对结构动力学模型进行修正与确认。首先,采用相位共振/相位分离一体化技术对模型进行模态参数识别。其次,提出一种设计参数的灵敏度分析方法,根据工程经验、误差定位技术以及灵敏度分析技术调整动力学模型的建模细节,以试验与仿真结果的模态频率误差为目标函数,研究了序列二次规划算法、自适应模拟退火算法、多岛遗传算法等三种算法的修正效果,最终选择多岛遗传算法进行动力学模型修正研究。最后,引入三级质量标准来评估模型修正质量。结果表明:修正后的模型具有复现与预测响应水平的能力,证明本文所提出修正方法的正确性和有效性。     

基于灵敏度分析的井架结构模型修正方法研究

从井架结构模态参数对物理参数变化的灵敏度出发,探讨了井架结构的模型修正问题.以设计参数型模型修正方法为基础,对井架结构杆件的材料、截面形状和几何尺寸等参数进行直接修正.确定优化模型的目标函数及约束变量,利用一阶优化算法对结构参数进行了优化和状态评估.通过实验室简易井架模型的分析验证了此方法的可行性.该方法为复杂井架结构的损伤识别和状态评估提供了一个新思路.修正算法的优化方法采用ANSYS一阶优化方法,敏感性分析和模型修正完全基于ANSYS软件进行,适合于实际工程的应用.     

基于正交多项式密度函数的CT图像分割方法

通过构建面向CT图像数据的非参数正交多项式密度模型, 解决了带有先验性质的参数化方法不能对复杂医学图像做出合适地描述, 从而导致实际物理模型与假设模型间存在较大差异的问题, 即模型不匹配的问题. 在形成的多峰函数基础上采用改进的粒子群优化算法, 依据启发式优化搜索策略实现多峰优化, 先寻找多个局部最优解, 再以局部最优解为聚类中心实现图像分割. 通过模拟数据和真实CT图像数据的仿真, 证明了基于正交多项式密度函数图像分割算法的有效性.     

基于FFT和神经网络的复模态参数识别

为了精确识别结构复模态参数,提出了一种基于快速傅里叶变换(FFT)和人工神经网络的模态识别方法.该方法首先对自由振动信号进行FFT预处理,得到粗略的各阶模态频率和相位.然后,根据模态的阶数设定神经元的个数,根据预处理后得到的频率和相位设定神经网络权值和基函数参数迭代的初始值.最后,通过对人工神经网络进行训练,达到利用自由振动信号进行时域模态识别的目的.仿真结果表明,该算法可消除频率法识别中因频谱泄露与噪声等产生的误差,提高模态识别的精度,因而是一种有效的时域识别方法.     

计及误差修正的VMD-LSTM短期负荷预测

精确地短期负荷预测为电力系统经济调度和机组最优负荷分配交易奠定基础。因此,提出了一种将变分模态分解（variational mode decomposition,VMD）和长短期记忆神经网络（long short-term memory,LSTM）结合的短期负荷预测模型,并使用支持向量回归（support vector regression,SVR）构建修正后的误差序列对初始预测序列补偿。首先,运用VMD算法将非平稳的负荷序列分解为多个相对平稳的模态分量;然后,将每个模态分量输入LSTM模型进行预测,并将各分量预测结果合并得到VMD-LSTM的预测结果;最后将残差值输入SVR模型中构造误差序列,来修正后一日的VMD-LSTM预测结果。通过实际案例测试,实验结果对比其他模型结果有更低的预测误差,证明所提方法的有效性。     

工程结构模态的连续型随机子空间分解识别方法

环境振动识别方法利用结构的输出信号识别结构的模态参数,主要的识别方法有时间序列分析法、ERA(eigensystem realization algorithm)法和随机子空间法,这些方法均基于离散模型．基于连续随机子空间模型,本文给出了一种识别大型工程结构模态参数的方法．运用SVD(singular value decomposition)分解将含噪声的输出信号空间分解为信号空间和噪声空间,然后直接估计结构的模态参数．SVD分解保证了算法的鲁棒性．最后讨论了一个7层框架的理想建筑,仿真计算表明,该方法简单有效,能够使用在桥梁和建筑的健康监测和振动控制中．     

基于蚁群算法的GUI软件回归测试用例集优化

针对GUI(Graphical User Interface)软件输入/输出图形化、 事件驱动、 事件触发随机性所带来的回归测试用例数量巨大的难题, 在GUI事件模型图基础上, 构建了GUI软件回归测试用例集优化数学模型, 给出了目标函数和约束条件, 提出了一种基于蚁群算法的求解方法, 制定了蚂蚁信息素更新规则和蚂蚁路径选择规则。仿真结果表明, 该方法在保证覆盖效果的前提下, 可以有效减少回归测试用例的数量和长度。     

改进遗传算法在齿轮减速器优化中的应用

以一个标准齿轮减速器体积（中心距）最小为优化目标的优化模型,描述一种改进遗传算法的实现,并将之应用于两级圆柱齿轮传动的优化设计。其优化结果与单纯形的比较表明,遗传算法更能脱离局部解而取得更优解,在工程设计中具有一定的应用价值。