对分法在多元优化问题中的推广应用

将一维优化方法中的对分法推广应用于无约束多元优化问题的寻优求解中,基于对分法求解的优化问题必须具有有限边界搜索区域的考虑,讨论了问题初始搜索域的确定方法;并进一步给出了对分法推广应用的算法实施过程.最后通过算例与目前现有的几种确定性求导寻优法进行了比较.     

基于多元统计分析的故障检测方法

作为数据驱动故障检测方法中的重要分支,基于多元统计分析的故障检测方法主要包括主元分析、偏最小二乘、独立元素分析和费舍尔判别分析.本文回顾了上述几种方法,包括数据模型、故障检测的原理及方法优劣.仿真实验说明了几种方法的特性及其故障检测的效果,并探讨了基于数据故障检测方法中的一些问题.     

平顶山市地缘经济关系测度分析

采用多元统计分析中的距离分析法对平顶山市的地缘经济关系进行定量测度.结果表明,与平顶山市构成强互补关系的地区有洛阳、新乡、许昌等9个城市;与平顶山市构成竞争关系的地区有8个,即郑州、安阳、鹤壁等,其中大多数地市与平顶山市不相邻,造成的影响较小,但郑州和开封两市作为全省经济发展的中心和重心,与平顶山形成的竞争关系在一定程度上对平顶山市的经济发展造成了消极的影响,制约了平顶山市的经济发展水平的提高,并就此形势提出了相应的政策建议.     

多元有理分式函数极限问题的研究

讨论了一般多元有理分式函数的极限问题,给出了几个极限存在的判别定理,并推广了已有的结果     

耦合度的新定义及其应用

耦合度是多变量间交互影响的一种度量,这种影响会导致系统品质下降.如何表征耦合是解耦控制的核心问题.Bristol提出相对放大系数方法,Rosenbrock也提出一种判断系数耦合度的方法,但这些方法无法真正反映系统的耦合度.根据支路控制能力同其他干涉能力的一种特殊比值,提出系统耦合度的新定义.利用分离支路最大耦合度的逐次分离方法,将一个强耦合系统演变成一个松散耦合的系统,并讨论耦合度转换成相对放大系数的条件.采用若干例子来解释这种新耦合度的工程应用; 通过仿真实验,证实其在解耦系统中对改善控制品有显著的效果     

递增风险率方法在多维低剂量外推中的应用

为了公众的健康,从高剂量到低剂量外推来获得安全剂量是一个关键的问题之一.对单一有毒物体的低剂量外推已经取得了一些进展,然而人类不是生活在单一的有毒物体下,而是生活在多种有毒物体的混和物中,因此多维低剂量外推就显得比较重要了.在本文中,我们将给出一个计算多维安全剂量的方法.     

水力压裂效果影响因素的多元线性回归分析

随着油田进入高含水开发后期阶段,油水分布更加复杂,改造对象的地质条件逐渐变差,重复压裂井选井选层难度加大,压裂挖潜的难度日益增大。为了进一步提高重复压裂的效果,必须对影响水力压裂效果的因素进行综合分析,从而为重复压裂选井选层提供依据。影响水力压裂效果的因素不仅有地质因素,还有工程因素;对于注水开发油田,还与注采关系有关。论文应用多元线性回归分析方法,对大庆油田萨2层的地质参数和工程参数建立了多元线性关系;通过对C63-7井萨2层和B1-72-24井萨3层敏感性分析,研究了各参数的影响程度,并对其进行排序,得到了对水力压裂效果影响较大的具体参数。     

方向积分与多元非张量积小波的构造

以方向积分为工具, 给出一种利用一元小波构造二元非 张量积小波的方法, 从而为继承和提高现有张量积小波的优秀性质提供了可能性.     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

多元响应线性回归模型的马氏Mallows模型平均方法改进

针对多元响应线性回归模型,提出了修改的马氏Mallows模型平均(MMMAc)方法。为了更充分地利用多元响应变量之间的相关性信息从而更好地提高预测精度,组合权重选择准则的构造同样考虑了马氏距离预测风险,并通过构造Wishart分布,推导出预测损失的无偏估计作为权重的选择准则,最终得到的MMMAc准则相比马氏Mallows模型平均(MMMA)准则增加了一个偏差矫正项,减小了对预测损失估计的偏差,因此通过最小化该准则得到的权重估计能更接近不可得的理论最优组合权重;最后,模拟对比实验验证了MMMAc方法的优势：MMMAc估计具有与MMMA估计同样的渐进最优性,因此两者的表现在大样本情形下没有太大差异,然而,由于修改后的权重选择准则为预测损失的无偏估计,因此在样本量不足的情形下,MMMAc方法的预测表现更佳。