基于关键变量的OPLS预测方法

产品的最终质量主要是由生产过程中的关键变量决定的,因此,回归模型的质量预测能力与过程变量的选择密切相关。本文提出了一种新的基于关键变量(CV)的OPLS预测方法(CVOPLS),用于输出变量较多过程的质量预测。首先,根据关键变量选取准则,为每个质量变量选取建模所需的关键过程变量。为了减少最后需要建立的模型个数,将由质量变量及其相应的关键过程变量组成的数据阵进行重组,并用OSC算法去除重组后的数据阵中与质量变量无关的干扰信息。然后,对校正后的数据阵建立PLS模型,求取相应的模型回归系数,得到最终的质量预测结果。与传统的PLS及OPLS方法相比,该方法能够在保证模型较好预测精度的前提下,有效地简化模型结构。最后,通过Tennessee Eastman(TE)过程的实验仿真验证了CV-OPLS方法的有效性。     

浅谈生物学对照实验中的变量控制

<正>生物学实验设计中的对照实验,是通过设置实验组和对照组进行对比来显示实验结果。如何增加实验结果的可信度和说服力,实验中变量的控制是关键。所谓变量的控制就是通过限制或改变实验中的变量,并运用对比来探索实验结果的科学方法,即创造一个典型或特殊环境而进行控制的活动。例如在进行"绿叶在光下能否制造淀粉"的实验中,光照强度和温度、光照和饥饿处理的时间长短、碘液、水浴加热的装置等,都对实验结果有着直接或间接的影响,因此,这些都构成了实验的重要条件。如上述实验中,如果饥饿处理不够,就会使遮光的叶片体内残存淀粉,而影响对照效果,甚至同样的研究对象,在不同的条件下所表现的性质不同,其实验的结果也不同。要揭示某一因素与所研究的问题间的必然联系,就应该正确地确定变量,并在实验中加以控制。控制是生物学实验的灵魂,实验的成功与否取决于实验中变量控制的严密程度。     

解析角变量量子化的困难

目的分析量子力学中角变量量子化的困难。方法采用列举,分析及归纳法进行论证。结果角变量量子化遇到难以解决的困难。结论在现有量子理论基础上,角变量量子化无法解决。     

Hamilton体系下分离变量法可和性

非自伴算子特征函数系的完备性是一个非常困难的研究课题,至今还没有统一的处理方法.对一类可用分离变量法求解的偏微分方程引入Hamilton系统,论证了基底函数组的辛正交系分别在Abel平均与Cauchy主值意义下的完备性与收敛性,并将Abel平均意义下的结论推广到更一般情形,即θ可和性意义下的情形.特别地得到了给定级数在...     

带变量核的Marcinkiewicz积分算子交换子在Herz型Hardy空间上的有界性

讨论了带变量核的Marcinkiewicz积分算子与函数b∈Lipβ所生成的交换子在Herz型Hardy空间上的有界性.     

采用局部差分模型描述的彩色图像配准技术

针对光照方向、强度、色彩或摄像头参数等因素的变化导致待配准彩色图像对间存在复杂的色彩变化,从而严重影响彩色图像配准效果的问题,提出了一种对彩色变化不敏感的彩色图像配准方法.该方法首先根据彩色图像间的von Kries彩色变换模型,建立图像的彩色不变量空间,在此空间利用尺度不变量特征转换(SIFT)算法完成特征点的检测;为加快运算速度,采用2阶局部差分模型(LDP)方法对特征点进行描述,并完成彩色图像特征间的初匹配;再进一步利用RANSAC算法消除误匹配特征点对,得到最终的匹配特征点对.实验结果表明,该彩色图像配准方法与其他算法相比,可以快速、准确地获得彩色图像间的映射关系,因此更加适合存在色彩变化的彩色图像的配准.     

带源项的非线性扩散方程的高阶Lie-Bcklund对称

研究一类在物理学及其相关领域中具有重要意义的带源项的非线性扩散方程.运用条件Lie-Bcklund对称和不变子空间相结合的方法,得到带源项的非线性扩散方程的非线性分离变量解,并对方程进行了完全分类.     

高维不确定多变量系统的高阶滑模分解控制

针对一类高维不确定多变量系统,提出一种高阶非奇异终端滑模分解控制方法.通过两次非奇异状态变换,首先将系统分解为输入输出子系统和内部子系统.针对输入输出子系统,巧妙结合高阶滑模和非奇异终端滑模,基于跟踪微分器技术,设计了一种新型的高阶非奇异终端滑模控制器,可提高子系统的收敛速度,消除滑模控制的高频抖振信号,同时将内部子系...     

修理工多重休假且一部件可修复如新的两不同型部件并联系统可靠性分析

研究两个不同型部件和一个修理工组成的并联可修系统,在部件工作时间和修理时间均服从指数分布,部件1可修复如新且具有优先修理权及修理工可多重休假的假定下,利用补充变量法及广义马尔可夫过程理论对系统进行了可靠性分析,得到系统的可用度、可靠度及首次故障前平均时间等可靠性指标.     

基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。