一种基于遗传规划的数据拟合方法

把数据拟合建模看作是模型结构和参数的优化搜索过程,将遗传规划和最小二乘法结合起来共同实现数据拟合,该方法是先用遗传规划随机生成待拟合函数的结构,再利用最小二乘法确定参数,然后耦合后生成待拟合的函数,实现模型结构和参数的共同识别.数值仿真表明,该方法得到的函数比传统方法得到的函数的拟合精度要高,且计算精度高.     

变系数EV模型在人民币汇率中的应用

将自适应变系数EV模型在计算机模拟实验的基础上推广到人民币汇率应用中,并利用该模型对人民币美元汇率的月度数据进行拟合预测.实证研究结果表明:自适应变系数EV模型的拟合效果优于FAR模型、AFAR模型的拟合效果,其预测精度也是这几种模型中最优的,可以为研究人民币美元汇率今后的趋势提供帮助.     

基于EGM2008的分区拟合在铁路高程中的应用研究

利用精确的高程异常模型,可以实现将GNSS大地高转换为正常高,满足铁路工程勘测的需要。本文基于GNSS/水准测量数据,对EGM2008地球重力场模型在铁路高程拟合中的应用进行拟合研究,得出在地形变化明显的地区,分区拟合较整网拟合精度要高。     

视觉测量数据的灰色挖掘方法及其精度评定

在视觉测量的过程中,将由工程样机得到的有限数据进行灰色挖掘并且与曲线拟合相结合,充分地发挥2种不同方法各自的优势,以寻找位置精度与测量距离之间的关系.首先,利用少量的实验数据建立灰色预测模型,通过该模型对有限的测量数据进行挖掘以增加样本量.然后,利用灰色关联方法分析世界坐标系3个坐标轴上的位置精度与测量数据之间的关联性.最后,对灰色预测模型得到的数据进行多元、多阶的多项式拟合.实验结果表明:该方法预测数据的精度可以达到1级,并且位置精度与测量距离之间拟合的准确度优于99%.     

基于GEP的微分方程模型在高速公路通行费预测中的应用

针对高速公路通行费数据存在波动变化明显的特点,采用常微分方程模型对数据进行拟合,并对未来的通行费收入数据进行预测。利用GEP算法来建立微分方程模型,该算法将数据映射到高维空间,并通过映射数据构建常微分方程模型,使用数值方法进行求解,最后针对我国高速公路节假日限免政策对通行费收入的波动影响进行修正。选取浙江省金丽温高速公路有限公司等15家公司2016年的通行费数据进行验证,并与BP神经网络模型、ARIMA模型进行对比分析,结果表明文中方法具有更高的预测精度。     

基于稀疏约束拟合的机载雷达抗灵巧干扰方法

鉴于新样式的灵巧干扰对机载雷达性能带来了愈加严重的影响,提出了一种基于L1范数正则化最小二乘数据拟合的机载雷达抗灵巧干扰方法,即稀疏约束拟合法.该方法首先选取待检测距离门附近的数据样本构造基矩阵,对待处理距离门数据进行最小二乘拟合;然后对拟合系数的约束边界用稀疏约束拟合法代替现有最小二乘拟合法进行自适应计算,以防止过拟合引发剩余干扰问题的发生,同时保护可能存在的目标信号.仿真结果表明,本文所提方法可以有效抑制从旁瓣进来的延迟转发、随机频移、噪声卷积等多样式灵巧干扰,实现对干扰环境下运动目标的有效检测.     

交通流量预测的时间异质性图注意力网络

采用注意力模型研究交通流量预测问题,提出并设计一种基于时间异质性结合噪声滤除的交通流量预测方法,有效预测美国加州高速公路未来1 h的交通流量。在构建预测方案过程中,分析交通流量数据特性,分别针对相对时间间隔和绝对时间进行建模,挖掘时间异质性;使用基于节点固有属性的动态噪声滤除方法,解决空间中噪声干扰问题;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,挖掘时间异质性并动态滤除噪声的改进注意力机制预测模型具有一定的预测精度。     

基于神经网络自适应滤波的直升机悬停高度稳定研究

针对直升机执行海上搜救任务时定点悬停高度容易受到海浪干扰的问题,提出了一种应用遗传BP神经网络对直升机无线电高度信号进行自适应滤波的方法。首先在建立海浪有理谱简化模型的基础上,应用遗传算法对BP神经网络的初始权值和阈值进行全局粗精度预学习,再应用遗传优化后的BP神经网络对实际海浪干扰信号进行建模,并通过噪声对消原理滤除无线电高度计中混杂的海浪干扰噪声。仿真结果表明,所设计的自适应滤波器能够较好地抑制海浪噪声对直升机高度控制的影响,而且对海浪干扰统计特性的变化具有较强的鲁棒性和适应性。     

多分类支持向量机在公交换乘识别中的应用

为获取居民公交出行的换乘信息,设计了一套基于多分类支持向量机(multi-class support vector machine)的公交换乘识别方法.通过融合GPS数据和公交IC卡数据获取训练样本,利用多分类支持向量机进行样本训练,选取最佳训练样本量,并采用网格搜索法结合粒子优化算法对模型参数进行标定,以获取最优SVM分类模型.测试结果显示模型分类精度可达90%.以佛山市公交车GPS数据和IC卡数据对算法进行验证,并获取公交换乘量、公交换乘比例等基本换乘数据.结果表明:算法可在少样本条件下完成公交换乘识别,且分类识别精度高,尤其适用于公交线网复杂的大城市公交换乘识别,有助于在公交前期规划时进行线路布设和枢纽选址.     

基于主成分分析阈值选取的挖掘机主泵载荷谱外推

针对时域外推时阈值选取高敏感、精度低等问题,提出一种基于主成分分析法的多准则阈值选取方法。首先,搭建一套压力无线测试系统采集液压挖掘机连续作业工况下载荷数据,通过多种检验准则得到各备选阈值下广义帕累托分布（GPD）拟合检验指标,基于各检验指标并结合主成分分析法选取最优阈值。然后,提取超阈值数据并利用GPD对超阈值数据进行拟合,拟合结果和超阈值数据之间相关系数均大于0.995,根据GPD生成与超阈值数据数目一致的随机数据并取代原超阈值数据实现载荷谱时域外推。最后,对一倍外推数据和原数据频次特性进行分析,二者之间的幅值相关系数为0.987,均值相关系数为0.993。结果表明,本文阈值选取方法适用于载荷谱时域外推。     

波动量法中临界电流数据筛选策略的可行性研究

在利用波动量法估计谐波发射水平中,发现波动量法建立在大量数据采集基础之上,因此,采用该方法进行系统谐波阻抗估计时,易受到不良数据的影响而导致估计精度低下。临界电流数据筛选策略通过电压、电流波动量之间的关系曲线,求得临界电流值,再以临界电流作为筛选数据的标准。通过PSCAD仿真软件,构造了仿真模型,进行蒙特卡罗仿真,再利用MATLAB软件进行曲线拟合,研究临界电流数据筛选策略是否可以有效地提高谐波阻抗估计值的精度,从而准确地估计出用户侧谐波发射水平。     

一种基于遗传程序设计的数据拟合方法

提出了使用遗传程序设计来实现数据拟合的方法。用树的分层结构来进行个体染色体编码。给出了遗传操作算法框架以及选择、交叉、变异与种群评估算子的实现方法。通过计算实例表明遗传程序设计能有效地进行数据序列的复杂函数拟合,不需要对数据作深入的了解,在一定程度上实现了对数据变化规律的自动建模。     

函数变换法GM（1，1）灰色模型及其在污水排放预测中的应用

为克服传统的灰色动态GM（1,1）模型方法的不足之处,本文提出不需累加生成,累减生成,且适合于非等间距建模的相除法,分析相除法拟合数据误差产生的机理,建立标准差系数进行评价,标准差系数反映了原始数据的指数规律性,当原始数据的指数规律性较强时,拟合精度高,然后,相除法和标准差系数相结合,建立了GM（1,1）模型参数估计的函数变换法,相除法和函数变换法,不需要对原始数据进行预处理,不需要累加生成,累减生成,不仅适应于等间距建模,也适应于非等间距建模,实例表明,两种方法简单实用,值得在污水排放预测中推广使用。     

电力负荷预测的自适应对称调和遗传算法ANN耦合模型

针对遗传算法存在求解精度与收敛速度间的矛盾,提出一种新的自适应对称调和遗传新算法.该算法中交叉率(crossover rate)和变异率(mutation rate)随着染色体(chromosome)的适应度函数值(fitness value)动态改变,同时在产生子代(child)新种群(group)的过程中来源不是单一的父代(parent)种群,而是由三部分组成,即父代种群中的最优个体直接进入子代种群、通过选择交叉操作产生部分新的个体、投放部分特殊个体.建立了新算法与人工神经网络结合的电力负荷预测耦合模型,并以四川电网负荷实例进行验证.结果表明,自适应对称调和遗传算法的耦合模型避免了网络寻优的盲目性,达到了最优的拟合效果,有效地提高了预测精度和速度,为区域电力负荷预测问题提供了新的分析方法,开辟了建立电力负荷中长期预测模型的新途径.     

Anomaly detection of hot components in gas turbine based on frequent pattern extraction

Hot components operate in a high-temperature and high-pressure environment. The occurrence of a fault in hot components leads to high economic losses. In general, exhaust gas temperature(EGT) is used to monitor the performance of hot components.However, during the early stages of a failure, the fault information is weak, and is simultaneously affected by various types of interference, such as the complex working conditions, ambient conditions, gradual performance degradation of the compressors and turbines, and noise. Additionally, inadequate effective information of the gas turbine also restricts the establishment of the detection model. To solve the above problems, this paper proposes an anomaly detection method based on frequent pattern extraction. A frequent pattern model(FPM) is applied to indicate the inherent regularity of change in EGT occurring from different types of interference. In this study, based on a genetic algorithm and support vector machine regression, the relationship model between the EGT and interference was tentatively built. The modeling accuracy was then further improved through the selection of the kernel function and training data. Experiments indicate that the optimal kernel function is linear and that the optimal training data should be balanced in addition to covering the appropriate range of operating conditions and ambient temperature. Furthermore, the thresholds based on the Pauta criterion that is automatically obtained during the modeling process, are used to determine whether hot components are operating abnormally. Moreover, the FPM is compared with the similarity theory, which demonstrates that the FPM can better suppress the effect of the component performance degradation and fuel heat value fluctuation. Finally, the effectiveness of the proposed method is validated on seven months of actual data obtained from a Titan130 gas turbine on an offshore oil platform. The results indicate that the proposed method can sensitively detect malfunctions in hot components during the early stages of a fault, and is robust to various types of interference.     

多策略MRFO算法的卷积神经网络超参数优化

卷积神经网络的性能与超参数配置密切相关,然而最优超参数的选择耗时耗力. 为了提高超参数选择的效率,提出了一种基于多策略的蝠鲼觅食优化算法,一方面采用半数均匀初始化策略提升种群的多样性;另一方面,融合新权重因子更新策略和分裂策略,提升收敛速度和拟合精度. 根据实数编码策略将所提算法用于卷积神经网络的超参数优化研究中,用3种觅食方式进行迭代,以得到最优的超参数配置. 为了评估超参数优化的有效性,与卷积神经网络超参数优化算法在手写数字和CIFAR-10数据集上进行了对比实验,实验结果表明,所提算法可消耗较少的资源,并获得更高的准确率.     

城市远郊区县燃气供应模式的研究

系统分析了远郊区县地区各燃气供应模式的工艺流程及设备选择过程,运用整数线性规划建立各燃气供应系统的优化配置模型,在优化配置的基础上进行经济性分析,从资源节约角度研究不同燃气供应方式的经济性随供气规模和运距的变化情况,以北京市远郊区县为例进行了分析,提出了与远郊区县配套的燃气供气模式。     

简单平均组合预测有效性的应用分析

通过实例分析,说明了当序列模式变动较大时,简单平均组合预测模型相对于其他组合预测模型的优越性,并且基于样本段的拟合精度不足以说明组合预测模型的外推预测精度。文中的分析对于组合预测模型的选择和应用具有实际参考价值。     

面向配电网故障数据的BIC评估后向选择方法

10 kV配电网所处环境复杂,引发故障的原因很多,在使用数据挖掘方法对配电网故障进行分析时,太多的特征会对挖掘模型造成负面影响.为了防止挖掘模型考虑过多无用信息,需首先对数据进行特征选择来实现降维,因此提出了基于贝叶斯信息准则(BIC)的模型评估后向选择算法,对故障因素进行降维.BIC评估准则能够尽可能地简化模型,降低维度,而后向选择算法可以快速得到最优的简化模型,两者的结合提升了降维的速度,并能够得到更加简化的模型.实验结果表明,采用基于BIC评估的后向选择算法有助于后续模型准确性的提升,可提高训练效率.     

数据驱动与机理耦合的冷轧电机功率智能预测方法

电机功率计算在保证生产安全、制定轧制规程以及发挥设备能力等方面起到了重要作用。为提高计算精度,本文提出一种机理模型与数据驱动方法相结合的电机功率预测模型。首先,机理模型部分采用上界法得到解析解,然后将部分功率解析解(塑性变形功率、张力功率和剪切功率)与相关变量输入长短时记忆(long short-term memory, LSTM)网络中训练,以提取变量数据之间的深度特征和时序相关性。结果表明：本文提出的时序耦合预测模型相对误差不超过±3.9%,且在相邻卷带钢轧制规程变化较大时,预测效果明显优于上界法和人工神经网络(artificial neural networks, ANN);从残差分布直方图中可以看到,上界法由于遗漏了摩擦系数和损失功率与其他参数间的强耦合关系,导致残差集中在±50 kW附近且不符合正态分布,而ANN和本模型均基本遵循正态分布,但本模型拟合精度更高;对比更广泛的模型评估指标,本模型具有更好的综合预测性能。此外,通过模型输出结果分析了电机功率与轧制长度、轧制速度之间的关系,表明本模型除具有高预测精度外,还与已知的参数间物理规律有较强一致性。