稀疏组lasso罚向量自回归模型的大气污染物预测:京津冀案例研究

进行了大气污染物预测研究。针对传统的向量自回归模型方法所面临的过参数化问题,提出了稀疏组lasso罚向量自回归模型并应用近邻梯度下降法求解模型参数。为了验证模型的有效性,将其应用于2015年京津冀大气污染物数据中并对2016年1月1日北京6项大气污染物浓度进行预测。实验数据表明:基于稀疏组lasso罚模型的PM2.5预测归一化均方误差约为3.8%,预测精度高于向量自回归(VAR)模型、基于各种稀疏结构的向量自回归(VAR-L)模型、分层向量自回归(HVAR)模型。此外,京津冀不同城市对北京的空气质量影响程度不同,这可以通过组内稀疏模型参数进行解释。将凸优化概念与向量自回归模型结合应用于大气污染物浓度的预测中,对京津冀大气污染协同治理具有重要意义。     

用基于平行坐标图的可视化人机交互技术提取EEG信号特征的方法

应用可视化人机交互(HCI)方法进行了脑电图记录(EEG)信号特征提取技术的研究。该研究一方面在脑机接口(BCI)技术领域提出了一种新的特征提取技术方法,同时通过可视化人机交互的专家智慧参与,实现了面向对象领域和面向数据模式识别的有效结合,克服了单一机器学习的局限性。首先介绍了多元图表示的基本理论,然后提出了基于平行坐标图的可视化人机交互技术,接着进行了单通道和多通道EEG信号特征提取的可视化人机交互技术的研究,最后采用第二届国际脑机接口竞赛中的数据集Ⅳ进行了数据实验。实验表明,本文提出的方法的识别结果优于实验数据集国际竞赛最优结果和文献报道中的当前国际最优结果。     

基于区间B样条小波基函数时变多变量AR模型的时变结构参数识别

本文研究的是时变动力学结构的参数识别问题。仅利用线性时变结构的多个加速度响应测量数据,本文将区间B样条小波函数作为时变基函数,构造了基于区间B样条小波基函数的时变多变量自回归模型,并推导了时变结构瞬时频率的识别方法。文中利用该法对一个三自由度线性时变结构进行了仿真研究,针对结构瞬时频率周期变化,突变和线性变化三种不同的情况分别进行了瞬时频率识别,并在加速度响应数据中加入了不同信噪比的高斯白噪声以检验识别方法的抗噪能力。最后,文中对一个具有质量时变特性的悬臂梁结构进行了实验研究,实验结果充分说明了区间B样条小波基函数时变多变量自回归模型对时变结构参数识别的可行性,有效性和良好的抗噪能力。