基于RCNN的双极化气象雷达天气信号检测

为检测混杂在地杂波、生物杂波中的天气信号, 提高定量降水精度, 提出了基于残差卷积神经网络(residual convolutional neural network, RCNN)的天气信号检测算法。首先, 将采集的极化参数水平反射率因子、差分反射率、相关系数、差分相移率堆叠为三维数组后进行预处理, 将其分为天气信号与杂波信号。然后, 开发并优化RCNN, 给出详细的网络结构。最后, 通过多次实际的降水过程对所提算法的检测效果进行评价。结果表明, 相比支持向量机以及卷积神经网络(convolutional neural network, CNN), 所提算法对天气信号的检测效果更好, 并且在不同仰角以及全年的实测数据上均表现出良好的检测性能。     

两阶段串联可修系统的统计过程控制与视情维修整合研究

针对两阶段串联可修系统,考虑随机偏移的情况,研究统计过程控制（SPC）与视情维修整合的问题. 首先,应用均值-残差联合控制图监控系统的质量状态,根据质量状态采取相应的维修策略,在此基础上,分析SPC与视情维修策略整合的可能场景,并根据全概率公式给出了每个场景发生的概率;其次,考虑人力成本、生产率以及停时损失,根据更新理论构建了SPC与视情维修整合的数学模型;然后,针对具体实例,将构建的模型与单独的维修策略模型和采用经验法则选取控制图的设计参数模型进行了比较分析,结果表明构建的模型在节约成本方面有着明显的优势;最后,运用部分析因设计对过程参数、时间参数和成本参数进行了敏感性分析.     

连通2-Kn-残差图的一个注记

【目的】对Erdös等人关于连通 m-Kn-残差图的最小阶和极图的两个猜想进行修正。【方法】利用容斥原理以及集合的运算性质等方法。【结果】证明了最小阶的连通2-K6-残差图仅存在两个不同构的极小图,从而解决了连通2-K6-残差图的最小阶和极小图问题。【结论】最后提出了新的猜想。
     

基于循环谱截面智能分析的混合信号调制识别方法

针对已有混合信号识别方法存在智能化程度低、适应性差等问题，提出了一种基于循环谱截面和深度学习相结合的智能识别方法。理论推导分析了常见混合通信信号的循环谱零谱频率截面特征；利用提出的非线性分段映射和指向性伪聚类新方法对上述截面图进行预处理特征增强，提高了截面特征的适应性和一致性；并将预处理后的特征图与经典残差网络相结合，利用深度学习网络对特征图中调制信息的深层次细节挖掘分析能力，实现了混合信号的有效识别。仿真结果表明，该方法对噪声不敏感，当信噪比不低于-2 dB时，平均识别率大于90%；且该方法对信号参数及信号间能量比变化有较好的适应能力。     

残差和为零的非线性回归在材积建模中的应用

为了验证残差和为零的非线性回归分析法在林木材积建模中的应用效果,利用10个树种的建模(编表)数据、伯克霍特材积模型和山本和藏材积模型以及残差和为零的非线性回归分析法,求解10个树种的模型闭合差,并用10个树种的验表数据对所建模型进行验证,同时与用非线性最小二乘回归法进行数据处理的结果进行比较。结果表明,无论是建模结果还是验表结果,残差和为零的回归分析法的精度总体高于非线性最小二乘回归的精度。     

Ｋronecker乘积在实验设计及分析中的应用

讨论如何用 Kronecker乘积表示一般实验设计模型 ,包括固定效应模型、随机效应模型及混合效应模型 .讨论如何表平方和为向量的二次型 .从而首次给出了用这些表示去计算平方和的期望值的方法 .本文的结果容易推广到其它实验设计模型     

异常值对最小二乘(L,S)回归的影响

一个观察值是否为异常点,通常是用残差大小来判断的。本文从理论上分析了通常的惯例是不妥的。指出其根本原因在于没考虑自变量X的影响。     

岭估计中参数选择的一种新方法

对岭估计中的参数K的选择进行了研究。讨论了MSE和MSR作为选择K的缺陷给出选择K的一种比较理想的方法。证明在此准则下得到估计量是最优的。     

基于改进信息熵值分析的TBM掘进参数研究

复杂地质条件下的TBM掘进参数的有效预测可以对TBM施工进行针对性的指导,基于深圳地铁10号线孖-雅双护盾TBM区间实际掘进参数,建立了一种基于改进信息熵值分析的TBM掘进参数预测模型,通过前序参数的熵值权系数自适应调整来预判后续TBM参数值,模型以TBM推力和扭矩样本参数进行训练并以实际工程数据进行验证,通过残差分析和相关性分析得出的预测值和实际值相符,说明该模型具有较好的非线性映射能力,基于改进信息熵值分析的TBM掘进参数预测模型能直观反映TBM装备载荷地质适应性规律,可为TBM施工掘进参数设置提供参考,提前预判规避不良地层施工风险.