不适定逆成像问题的多准则正则化求解方法

不适定性（ｉｌｌ－ｐｏｓｅｄｎｅｓｓ）是图像重建（Ｘ射线ＣＴ的投影重建、心电ＥＣＧ及电ＥＥＧ信号的逆成像重建）逆问题求解中非常普遍的情况,由于对观测数据及正问题数字离散化过程中所产生的误差极为敏感,它在银行大程度上将影响到重建图像的质量、稳定性和求解精度。通过对由投影重建图像逆问题求解过程中的不适宜性分析,给出了求解不适定逆成像问题的多准则正则化方法及其理论基础,实验结果表明该方法比传统的单准则正     

解不适定算子方程的多层迭代法

将多层迭代法应用于不适定算子方程的数值求解,给出了利用离散偏差原则确定正则化参数进而求出近似解的快速算法。文章对算法误差进行了理论分析,并通过算例说明方法的有效性。     

基于动态罚函数的PSO-CO算法

本文分析了协同优化算法中所存在的问题,采用动态罚函数的解决思路,对系统级中的一致性等式约束问题进行改造,使其成为一无约束问题.另外,提出不同学科分配不同的惩罚权重的方法,大大提高了计算精度.同时,以粒子群算法替代了原有的求解算法,消除了初始解对优化结果的影响,也改善了算法的整体求解速度.在Matlab软件中实现该算法的运行,同时通过两个典型算例对该算法进行验证,表明其具有较好的优化性能.     

确定架空线路控制气象条件的多目标优化法

架空线路应力控制气象条件的判定,需要考虑控制气象条件及弧垂限制等条件,一般采用临界档距判定法或试推比较法处理.本文建立了解决该问题的多目标优化数学模型,并采用罚函数法求解模型,算例证明了相对于传统方法的优越性.     

决定热传导方程源项的一个正则化策略

确定热传导方程中的线性源项是一类有重要应用背景的反问题,它在Hadamard意义是不适定的,讨论了获得其稳定数值解的计算方法,给出一种新的离散正则化策略.理论分析与数值试验结果表明给出的算法是稳定和有效的.     

考虑枢纽失效情形的客运枢纽层级选址模型

基于混合式服务模式,提出了枢纽失效和不完全信息条件下旅客依次访问备选枢纽的服务策略,并建立了有容量限制的可靠性层级选址模型。实例分析结果表明,该选址模型可以增加选址方案的可靠性,降低由于枢纽失效而产生的惩罚费用。模型参数敏感性分析结果表明,对于失效概率过高的枢纽设施网络,仅靠增加枢纽数量已无法提高选址方案的可靠性,而保持较高可靠性的枢纽设施网络在应对可能造成高损失事件时的弹性较高。     

基于混沌粒子群算法的高速旅客列车优化调度

列车优化调度是一个大规模、复杂的、具有非线性离散变量和多约束的多目标数学优化问题.在优化过程中,考虑了特快旅客列车中途离开时间和整个运行时间等因素.首次将粒子群优化(particle swarmoptimization,PSO)技术引入列车优化调度,克服了传统优化方法易陷入局部最优和维数灾难等弊端.通过一个工程实例验证了该算法的可行性和有效性.同时,与现存的列车优化调度方法相比,粒子群优化方法的搜索时间短而且优化结果更接近最优解.     

轴对称辐射传递逆问题的三种求解算法比较

针对轴对称光学薄火焰,用图像探测器和滤色片获得火焰的单色辐射图像,根据火焰的单色辐射强度,分别采用最小二乘法、正则化方法和线性规划法对辐射传递逆问题进行了求解.对一个轴对称乙烯扩散火焰进行实验检测,通过对三种求解方法的结果比较,表明对辐射强度较高的火焰中部和上部区域,三种方法均可获得较好的重建结果;而对于辐射强度较低的火焰下部区域,由于线性规划法同时具有光滑性和约束性的优点,可以获得较好重建结果,它对求解轴对称辐射传递逆问题是一种比较理想的算法.     

Short‐term salmon price forecasting

This study establishes a benchmark for short‐term salmon price forecasting. The weekly spot price of Norwegian farmed Atlantic salmon is predicted 1–5 weeks ahead using data from 2007 to 2014. Sixteen alternative forecasting methods are considered, ranging from classical time series models to customized machine learning techniques to salmon futures prices. The best predictions are delivered by k‐nearest neighbors method for 1 week ahead; vector error correction model estimated using elastic net regularization for 2 and 3 weeks ahead; and futures prices for 4 and 5 weeks ahead. While the nominal gains in forecast accuracy over a naïve benchmark are small, the economic value of the forecasts is considerable. Using a simple trading strategy for timing the sales based on price forecasts could increase the net profit of a salmon farmer by around 7%.     

Backward‐in‐Time Selection of the Order of Dynamic Regression Prediction Model

We investigate the optimal structure of dynamic regression models used in multivariate time series prediction and propose a scheme to form the lagged variable structure called Backward‐in‐Time Selection (BTS), which takes into account feedback and multicollinearity, often present in multivariate time series. We compare BTS to other known methods, also in conjunction with regularization techniques used for the estimation of model parameters, namely principal components, partial least squares and ridge regression estimation. The predictive efficiency of the different models is assessed by means of Monte Carlo simulations for different settings of feedback and multicollinearity. The results show that BTS has consistently good prediction performance, while other popular methods have varying and often inferior performance. The prediction performance of BTS was also found the best when tested on human electroencephalograms of an epileptic seizure, and for the prediction of returns of indices of world financial markets.Copyright © 2013 John Wiley & Sons, Ltd.