取水监测数据的奇异值识别与修正策略

提高水资源监测数据的真实性与完备性是国家水资源监控能力建设的重要内容.本文基于当前国家水资源监控数据的实际统计状况,提出采用小波变换模极大值的方法实现对取用水监测数据的降噪和奇异值的挖掘,并将辨识出的奇异值进行剔除处理后的监测数据序列作为粒子群-最小二乘支持向量机模型的训练样本,进而根据拟合函数对奇异值进行修正的策略.通过对重点取用水户的取用水监测数据进行实证研究结果发现,利用小波变换模极大值可较大限度地保留取用水监测数据的原始信息,并实现对其中变动幅度偏大数据的分离,可有效降噪并观测取用水监测数据的内在变化规律;同时借助相对误差可进一步挖掘监测数据中存在的奇异值,且辨识效果要好于传统统计方法;而粒子群-最小二乘支持向量机模型对取用水监测数据的样本拟合要比普通最小二乘支持向量机、曲线拟合等方法更为有效,运用该方法修正的取用水监测数据奇异值更加符合实际取用水需求的特点.     

Optimal sampling frequency for volatility forecast models for the Indian stock markets

This paper evaluates the performance of conditional variance models using high‐frequency data of the National Stock Index (S&P CNX NIFTY) and attempts to determine the optimal sampling frequency for the best daily volatility forecast. A linear combination of the realized volatilities calculated at two different frequencies is used as benchmark to evaluate the volatility forecasting ability of the conditional variance models (GARCH (1, 1)) at different sampling frequencies. From the analysis, it is found that sampling at 30 minutes gives the best forecast for daily volatility. The forecasting ability of these models is deteriorated, however, by the non‐normal property of mean adjusted returns, which is an assumption in conditional variance models. Nevertheless, the optimum frequency remained the same even in the case of different models (EGARCH and PARCH) and different error distribution (generalized error distribution, GED) where the error is reduced to a certain extent by incorporating the asymmetric effect on volatility. Our analysis also suggests that GARCH models with GED innovations or EGRACH and PARCH models would give better estimates of volatility with lower forecast error estimates. Copyright © 2008 John Wiley & Sons, Ltd.     

基于最小二乘法的电力系统状态估计算法研究

针对现行电力系统状态估计算法中存在的各种发展潮流,重点剖析了被广泛应用的基于最小二乘法的状态估计的基本原理和改进后的几种状态估计方法,阐明了各算法的应用优势和存在的不足。对于存在不良信息系统进一步提高算法的精度和估算速度的发展方向提出了新的思想。     

偏最小二乘法用于近红外漫反射光谱测定异福片

应用近红外漫反射光谱结合偏最小二乘法(NIR PLS)对异福片中利福平和异烟肼的含量进行定量分析, 所建立的定量分析模型对校正集样品中利福平和异烟肼的含量预测回归系数分别为0.992　77,0.989　01,交互验证均方根误差(RMSECV)分别 为0.006　65,0.004　23.对预测集样品利福平、 异烟肼的含量预测均方根误差(RMSEP)分别为0.005　73,0.003　79;加样平均回收率分别为99.376%和98.243%;重现性实验相对标准偏差(RSD)分别为0.679　3%和0.639　8%.结果表明, 该方法预测精度高, 且具有方便快捷、 非破坏、 无污染、 可在线检测、 重现性好等优点, 可作为异福片原位质量检测和在线质量监控的方法予 以推广.     

基于过程数据的动态PLS建模

许多工业过程中获得的输入输出数据在时间、空间上是高度相关的,且含有测量噪声。针对此类数据,提出采用动态PLS方法,最大化输入和输出变量矩阵之间的协方差,保留大部分有用信息,去除测量噪声,把高维数据空间降维,建立较为精确的工业过程数学模型。提出对MIMO系统进行研究,推导了可直接用于控制的动态PLS模型数学公式。对一个工业过程实例进行仿真,分别应用动态PLS回归和线性回归MLR方法,得出的结果经分析验证了此算法的有效性。     

深空探测巡航段自主光学导航方案研究

星际巡航段导航方案设计是深空探测任务中的重要组成部分.针对巡航段的特点,研究了一种基于多颗小行星光学信息的自主光学导航方案.它包括导航星的确定,导航系统的建立,导航算法的研究.此方案给出了统一的导航小行星选取准则,导航星个数的判别方法,以及基于UD分解的递推加权最小二乘滤波导航算法.通过可观测性分析确保了导航算法的可行性,利用数学仿真验证了导航方案设计的合理性.此方案的导航系统精度优于深空1任务,位置估计误差小于100,速度估计误差小于0.3m/s.     

基于支持向量机元模型的随机鲁棒设计

随机鲁棒设计是一种基于蒙特卡洛仿真的优化设计方法.通常情况下,对于复杂仿真模型的随机鲁棒设计时间开销很大.为减小随机鲁棒设计过程中的时间开销,使用参数最优的最小二乘支持向量机替代仿真模型进行随机鲁棒设计.使用标准粒子群优化算法搜索支持向量机参擞和控制器参数的寻优.通过一个基准测试问题证明了该方法的可行性.     

An Adaptive Identification and Control Scheme Using Radial Basis Function Networks

1.INTaODUCTIONThemultilayerfeedforwardneuralnetworks(MFNN)hasbeenwidelyappliedinmanyfieldssuchaspatternrecognition,nonlinearoptimization,systemidentificationandcontrol.Thesimpleback-propagation(BP)learningalgorithmisusuallyadoptedtoupdateitsweights.TheBPalgorithm,however,suffersdrawbacksofslowconvergenceandunpredictablesolutionsduringlearning.Althoughmailyapproachessuchasvariablestepsize,conjugategradient,pseudo-Newtonmethods[4]andothermethods[3,10],havebeendevelopedtoovercometheproble…     

模糊回归参数估计方法及应用于景气对策信号分析

模糊回归采用样本模糊数 (Xi,Yi)来对模糊回归参数进行估计 ,其中 Yi为观测模糊数 .本文认为一般模糊参数 A的估计方式不能真实地表达出样本所蕴含的信息 ,因而另行设立了一套模糊参数估计方法 ,此法对样本的解释方式将更为合理 ,且估计的过程也比线性规划简便 .本文还举出了该方法应用于景气对策信号分析的一个实例.     

Alpha稳定分布噪声环境下新的类RLS自适应算法

给出在分数低阶Alpha稳定分布环境中一种新的类RLS自适应算法.由于Alpha稳定分布信号不存在有限的二阶和二阶以上矩,因此用最小p范数准则代替了传统的最小均方准则,并利用矩阵求逆定理提出一种直接递推的类RLS算法,避免了以往类RLS算法中的IRLS迭代计算,从而使算法的计算复杂度大大降低.最后对几种自适应算法进行仿真,并对其收敛特性进行了分析.结果表明,算法的收敛速度明显快于LMP和NLMP算法.