应用最优化方法辨识指数自回归模型

本文研究应用非线性最优化原理辨识指数自回归模型的方法，以Ｎｅｗｔｏｎ一维搜索和线性回归法为基础，提出一种改进的坐标轮换算法，交替地估计模型的线性和非线性参数。实例表明，该算法对指数自回归模型具有良好的辨识效果。     

核最小二乘算法检测红外点目标(英文)

对于背景呈非线性变化的复杂图像,用背景预测的方法对红外点目标进行检测时,传统的线性最小二乘法(Least Squares,LS)的效果比较差.文章使用核方法(Kernel Methods,KMs)推导了最小二乘法的非线性版本:核最小二乘算法(Kernel Least Squares,KLS);进一步推导出了更适合动态系统时序预测的指数加权形式的核最小二乘算法(Kemel Exponential wleighted Least Squares,KEWLS).提出了一种基于核方法的红外点目标检测算法,先用KEWLS非线性回归算法预测红外图像背景,再通过自适应门限检测残差图像中的目标,非线性函数回归和红外序列图像检测实验表明核方法较大地改进了算法的非线性函数估计与红外背景预测能力.     

应用多元非线性回归方法建立FGH95合金的本构关系

通过等温恒应变速率压缩实验，按最小二乘法原理，多元非线性顺归方法，建立了ＦＧＨ９５合金的本构关系。与多元线性回归结果对比表明，应用非线性回归方法建立的本构关系精度较高，物理意义明确。本文所用建立本方法具有适用性，可用于其它工程材料。     

基于隐核最小二乘回归的逆控制

基于对核特征空间和最小二乘回归算法的深入研究,提出一种新的非线性隐核最小二乘回归算法(HK-LSR)并将其应用于非线性系统的逆学习控制.仿真表明,该方法具有良好的泛化性能,所构造的逆学习控制器具有令人满意的控制性能.     

基于PSO和LSSVM回归的摄像机标定

针对摄像机非线性显式标定时很难精确地建立其复杂的数学模型,本文提出了基于粒子群优化算法(PSO)和最小二乘支持向量机(LSSVM)回归的摄像机非线性隐式标定方法.该方法采用最小二乘回归机精确逼近图像坐标与世界坐标之间复杂的非线性成像关系;利用PSO算法搜索LSSVM回归模型的最优参数,提高LSSVM回归的收敛速度和泛化能力.通过运用标准BP神经网络、遗传算法、LSSVM及粒子群优化的LSSVM回归方法对圆阵列图案标定模板进行标定,实验结果表明:基于PSO和LSSVM回归的标定方法具有标定精度高、收敛速度快、泛化能力强等优点.     

加权非线性随机系数模型异方差性的Score检验

在回归分析中，随机误差的方差齐性的假设往往有助于问题的解决，但方差齐性假设并不总是正确的。在线性和非线性回归中关于异方差的诊断问题已有许多讨论，在韦博成（1995）讨论的加权非线性回归模型的基础上，用随机系数的方法，讨论加权线性随机系统模型中的异方差检验问题，得到了方差齐性检验的Score统计量。     

结构二次二阶矩可靠度指标的回归分析预测算法

针对具有强非线性结构功能函数的可靠度指标计算问题,通过数值抽样及回归分析方法对改进的功能函数二阶展开形式进行了系统研究,揭示了二次二阶矩可靠度指标#x003b2;_SORM与一次二阶矩可靠度指标#x003b2;_FORM之间的关系规律。根据上述规律结合线抽样MonteCarlo法,建立了基于回归分析预测算法的可靠度分析方法。该方法通过对若干基本抽样点的回归分析,确定了#x003b2;_SORM与#x003b2;_FORM之间一般关系规律的具体表达式,从而实现了强非线性可靠度问题的高精度求解。研究表明:所建立的方法能够有效改善传统二阶可靠度算法计算过程繁琐、求解效率低下的问题;在求解精度、适用范围及算法稳定性等方面具有优势;且计算直观简便,易于为一般设计人员掌握,更适合于实际工程应用。     

基于Wiener模型的非线性预测控制研究

针对复杂的非线性预测控制问题,提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.该方法具有良好的控制效果,算法简单且易于实现.两个仿真实例也表明了该方法的有效性.     

试验数据的统计处理和误差分析第五讲 回归分析（续）

3　线性回归分析3.1　线性回归分析的重要性回归分析是研究数量之间存在统计相关关系的一种重要的数学工具。上一次我们就两个变量之间的关系类型、两个变量的性质分类和经验回归方法的建立等作了介绍 ,并着重介绍了最小二乘法的原理和具体操作方法。在此基础上 ,我们要较为深入地研究线性回归这个问题 ,这里至少有两点很重要的理由 :其一是线性回归问题在整个实验科学中占有极为重要的地位 ,其二是通过线性回归分析 ,我们要介绍一系列概念 ,而这些概念在多元回归分析和非线性回归分析中极为重要。现在就线性回归分析在实验科学中的重要性 ,…     

基于改进BP算法的非线性回归分析

基于改进型BP算法的三层前馈式人工神经网络系统 ,给出了一种解决非线性回归问题的模型与方法 ,并通过实例证明了该方法的有效性     

颗粒阻尼减振性能的试验研究

利用回归设计的方法,进行二次回归正交组合试验,建立颗粒阻尼减振特性的非线性回归模型.将该模型应用于预测,并通过试验验证该回归模型的正确性.最后通过分析得到颗粒阻尼减振特性与主要参数之间的变化规律,并利用非线性优化的方法对颗粒阻尼的参数进行优化设计.     

临近燃气管道的爆破质点峰值振速预测

为研究南宁市某水利枢纽疏浚爆破对临近燃气管道产生爆破振动的衰减规律及其影响,采用爆破振动测试仪对爆破荷载下燃气管道的振动峰值速度进行监测。根据实测数据,利用线性回归与非线性回归方法进行分析。结果表明:运用回归分析得到的预测模型拟合精度较高,且非线性回归分析的预测模型比线性回归分析的预测模型精度高。非线性回归分析模型的相对误差为5.44%,线性回归分析模型的相对误差为6.38%。     

临近燃气管道的爆破质点峰值振速预测

为研究南宁市某水利枢纽疏浚爆破对临近燃气管道产生爆破振动的衰减规律及其影响,采用爆破振动测试仪对爆破荷载下燃气管道的振动峰值速度进行监测。根据实测数据,利用线性回归与非线性回归方法进行分析。结果表明:运用回归分析得到的预测模型拟合精度较高,且非线性回归分析的预测模型比线性回归分析的预测模型精度高。非线性回归分析模型的相对误差为5.44%,线性回归分析模型的相对误差为6.38%。     

基于改进最小二乘步骤的NARMA模型辨识非线性时变结构系统

基于时变非线性自回归滑动平均模型利用改进的递推最小二乘算法提出一种用于非线性时变结构系统辨识的方法。利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后将非线性项展开为系统输出数据的多项式的形式。利用短时时不变假设,通过改变模型的参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题,再利用改进的递推最小二乘算法实现对非线性时变结构系统的辨识。最后通过一个具有非线性时变刚度的三自由度结构系统的仿真算例表明,该方法可以有效地辨识非线性时变结构系统。     

非线性随机振动的时间序列模型

本文研究应用时间序列模型分析非线性随机振动的方法。重点讨论指数自回归模型存在稳定和不稳定极限的条件，研究指数自回归模型的辨识方法，并对车床切削颤振采样序列进行分析。     

基于多输出支持向量回归机的有限元模型修正

为了克服神经网络以及单输出支持向量回归算法在有限元模型修正中的不足,提出了基于多输出支持向量回归算法的有限元模型修正方法。根据5-折交叉验证法选择支持向量回归机的参数,用均匀试验设计法构造样本,联合结构的动力和静力响应数据作为输入,多个设计参数作为输出,以支持向量回归机逼近输入输出二者之间的非线性映射关系,然后利用支持向量回归机的泛化推广能力,求解设计参数的目标值。空间网格结构数值模型的分析结果表明,该方法能同时修正多个设计参数,在少量样本的情况下具有较高的修正精度,为有限元模型修正提供了一种新的探索。     

遗传算法在非线性回归模型辨识中的应用

对遗传算法在非线性回归模型辨识中的应用进行了探讨，切削温度回归模型辨识的实例表明，该方法是有效的。     

非线性动态WPLS航煤干点软测量

针对炼油工业过程存在的多变量、非线性和数据动态性问题,提出一种自回归移动平均模型与径向基函数-加权偏最小二乘相结合的非线性动态建模方法。首先建立基于径向基函数-加权偏最小二乘方法的软测量模型,然后利用自回归移动平均模型对数据进行时序分析校正,将动态误差信息加入到模型中去,实现模型的动态装换。将该方法应用到加氢裂化航煤干点的软测量建模中,从而获得比径向基函数-加权偏最小二乘算法更高的预测精度。     

爆破振动对古建筑物安全影响的研究

爆破振动一般采用萨道夫斯基公式进行回归分析,求得K,α值,需要大量的振动速度监测数据来控制误差。对比了传统的最小二乘法的线性回归分析方法和构造方程-求导-迭代的非线性回归分析方法,发现在数据量较少的情况下,非线性回归分析方法取得了较为真实且误差更小的结果,并以缅甸莱比塘铜矿采区内古建筑物周边爆破振动控制实例为背景,利用非线性回归分析方法处理已测振动监测数据,得到适用于此古建筑物周边地质条件的K=151、α=1.702以及误差r=29.2%,以此指导爆破设计、施工及振动预测,有效的保护了古建筑物的安全。     

爆破振动对古建筑物安全影响的研究

爆破振动一般采用萨道夫斯基公式进行回归分析,求得K,α值,需要大量的振动速度监测数据来控制误差。对比了传统的最小二乘法的线性回归分析方法和构造方程-求导-迭代的非线性回归分析方法,发现在数据量较少的情况下,非线性回归分析方法取得了较为真实且误差更小的结果,并以缅甸莱比塘铜矿采区内古建筑物周边爆破振动控制实例为背景,利用非线性回归分析方法处理已测振动监测数据,得到适用于此古建筑物周边地质条件的K=151、α=1.702以及误差r=29.2%,以此指导爆破设计、施工及振动预测,有效的保护了古建筑物的安全。