检索结果-南通市图书馆

时序局部加权自适应核PLS软测量建模及其应用

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2018年第1期39卷 1-7页

作者：任佳马仕强浙江理工大学

针对工业现场数据的强非线性、时序性特点,提出了一种结合移动窗口的局部加权自适应核偏最小二乘（LW-AKPLS）算法。在建模阶段,通过移动窗口法对数据集进行动态时序划分后,利用自适应核PLS（AKPLS）进行建模;与固定核函数的核PLS（KPL... 详细信息

针对工业现场数据的强非线性、时序性特点,提出了一种结合移动窗口的局部加权自适应核偏最小二乘（LW-AKPLS）算法。在建模阶段,通过移动窗口法对数据集进行动态时序划分后,利用自适应核PLS（AKPLS）进行建模;与固定核函数的核PLS（KPLS）不同,AKPLS对于不同子数据集能自适应地选出各自的最优核函数,使模型结构与子数据集充分匹配,有效提高了子模型的预测精度;在预测阶段,利用集成学习进行子模型加权预测,获得的全局模型实用性高、泛化能力强。最后将所提算法在某焦化系统历史数据集上进行了测试应用,预测结果进一步证明了所提算法的有效性。

关键词：软测量强非线性时序局部加权核偏最小二乘法

集成自适应核PLS软测量建模方法及应用研究

在线全文

学校读者我要写书评

暂无评论

集成自适应核PLS软测量建模方法及应用研究

作者：马仕强浙江理工大学

学位级别：硕士

随着工业生产的不断进步,常规的检测技术已无法满足所有的控制要求,因此软测量技术受到越来越多的关注。软测量建模是软测量技术的核心,各种建模方法层出不穷,各有侧重。其中,偏最小二乘算法(Partial Least Squares,PLS)凭借其在有效处... 详细信息

随着工业生产的不断进步,常规的检测技术已无法满足所有的控制要求,因此软测量技术受到越来越多的关注。软测量建模是软测量技术的核心,各种建模方法层出不穷,各有侧重。其中,偏最小二乘算法(Partial Least Squares,PLS)凭借其在有效处理小样本、多噪声、变量严重共线等方面的优势,在工业软测量建模领域得到了广泛的应用。然而作为一种传统的线性建模方法,PLS拟合非线性数据效果欠佳,而现实工业过程中处理的数据往往呈现较强的非线性。因此,改进PLS的非线性建模能力已成为当今学者们研究的热点之一,本文也将针对此问题展开研究。本文的研究得到了国家自然科学基金、浙江省自然科学基金的资助,主要的研究工作和成果如下:(1)将核函数的使用与局部加权算法相结合,使在对非线性数据进行拟合时拥有双重保障。同时,在核PLS算法基础上,结合粒子群算法,提出核函数的自适应选择机制,使核函数与训练样本的映射关系更加符合数据分布特征,从而进一步提高模型的预测精度。(2)针对非时序非线性的数据,本文提出了基于K-means聚类算法的集成自适应核PLS算法。在模型训练过程中,首先利用K-means算法将数据进行空间聚类,然后通过自适应核PLS选择算法分别为各个子数据集选择最优核函数并建立相应的子模型。在预测过程中,提出先计算权值再判断各个子模型是否对输出作预测估计的思路,从而避免匹配度低的子模型进行无用的预测估计,减少模型计算量。在权值计算步骤中,提出了绝对邻域的概念,进一步提高了预测精度和运算效率。(3)针对时序非线性数据,本文提出了基于移动窗口技术的集成自适应核PLS算法。充分利用在线连续数据的时序特征:相邻数据特征相似,通过移动窗口判断数据在各时刻是否发生状态突变,从而对数据集进行划分,建立子模型。引用剪枝技术,删除冗余子模型,简化模型结构。在集成学习中,权值的计算同时考虑时域和空间域两个因素的影响,提高了模型的泛化能力。(4)将提出的上述两种集成非线性PLS算法应用到某焦化系统,建立了开工线温度预测软测量模型。并与传统线性PLS、全局核PLS、集成PLS的预测结果进行比较,应用结果表明:本文提出的两种改进算法对非线性数据拥有更高的预测精度、更优的泛化性能,同时也证明了此两种集成算法在实际工业中应用的可行性和有效性。

关键词：软测量集成PLS 核PLS K-means 移动窗口法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

运用直观教学提高教学效果

惠阳师专学报(社会科学版) 1981年第1期 85-87页

作者：马仕强惠阳师专七八级中文班学生

说明文,由于它的与其他体裁不同的特点,教师在讲授时往往容易出现干巴巴的情况,因此,学生对它的兴趣,一般来说是不高的,对它的理解、掌握、自然也就较差了。怎样克服这种弊病?我在实习试教中,获得了点滴体会,在这里提出来与大家一起探... 详细信息

说明文,由于它的与其他体裁不同的特点,教师在讲授时往往容易出现干巴巴的情况,因此,学生对它的兴趣,一般来说是不高的,对它的理解、掌握、自然也就较差了。怎样克服这种弊病?我在实习试教中,获得了点滴体会,在这里提出来与大家一起探讨。这次实习,我讲的是《故宫博物院》。故宫博物院庞大复杂。大小宫殿、房屋九千余座,大小宫门难于点数,正所谓“千楼万阁,千门万户”。怎样调动起

关键词：直观教学兴趣说明文教学法个性心理特征太和殿博物馆故宫博物院

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

关于水利工程质量管理的研究

科技创新与应用 2012年第9期2卷 130-131页

作者：马仕强弥勒县水电勘测设计队云南弥勒652300

随着科学技术的飞速发展,水库管理工作应逐步实现自动化,小型水库工程建设存在着不容忽略的质量管理问题。本文就从小型水库的难点着眼,分析小型水利工程中存在质量问题,以及解决这些质量问题的相关对策。

关键词：小型水利工程质量管理

在线全文

学校读者我要写书评

暂无评论

筑牢生态底线守牢绿水青山 A02

基于移动窗口和粒子群寻优的集成偏最小二乘改进算法

汉中日报

作者：马仕强

勉县地处秦巴山脉之间，森林覆盖率达69.3%，绿色已成为我们最大底色、最大价值、最大福祉。此次省第四生态环境保护督察组下沉督察，既是对我县践行生态文明思想、落实环保要求的一次集中检阅，更坚定了我们绿色发展的信心和决心。我... 详细信息

勉县地处秦巴山脉之间，森林覆盖率达69.3%，绿色已成为我们最大底色、最大价值、最大福祉。此次省第四生态环境保护督察组下沉督察，既是对我县践行生态文明思想、落实环保要求的一次集中检阅，更坚定了我们绿色发展的信心和决心。我们将以此为契机，认真践行习近平生态文明思

关键词：绿水青山生态底线

来源： cnki报纸评论

在线全文

cnki报纸

学校读者我要写书评

暂无评论

浙江理工大学学报（自然科学版） 2018年第4期39卷 453-460页

作者：马仕强任佳赵梦恩浙江理工大学机械与自动控制学院杭州310018

为了克服传统偏最小二乘算法对时序非线性数据拟合效果差的问题,提出了结合移动窗口技术和粒子群算法的集成偏最小二乘算法(EMWPLS_PSO)。该算法通过移动窗口判定时序数据状态突变时刻以对原始数据集进行数据划分,添加冗余检查步骤,简... 详细信息

为了克服传统偏最小二乘算法对时序非线性数据拟合效果差的问题,提出了结合移动窗口技术和粒子群算法的集成偏最小二乘算法(EMWPLS_PSO)。该算法通过移动窗口判定时序数据状态突变时刻以对原始数据集进行数据划分,添加冗余检查步骤,简化模型结构,同时引入粒子群算法对关键参数寻优,提高了模型性能。采用工业数据集Debutanizer_data验证算法,结果表明:该算法在处理时序、非线性数据时具有更高的精准度和更好的稳定性。这表明基于EMWPLS_PSO的软测量建模算法在工业领域的实用性和可操作性。

关键词：软测量偏最小二乘局部加权移动窗口粒子群算法

改进自适应粒子群算法优化BP神经网络医院门诊量预测方法

在线全文

学校读者我要写书评

暂无评论

电子技术与软件工程 2020年第8期 156-158页

作者：张标标吴俊宏马仕强柯飚挺浙江远图互联科技股份有限公司浙江省杭州市310030 浙江理工大学自控系浙江省杭州市310018

本文提出一种基于改进粒子群算法优化BP神经网络预测门诊时序,具体地说,采用改进自适应粒子群对BP神经网络输入层权值与输出层进行迭代优化,训练BP神经网络模型,然后计算结果,并与标准粒子群算法优化BP神经网络以及传统BP神经网络模型... 详细信息

本文提出一种基于改进粒子群算法优化BP神经网络预测门诊时序,具体地说,采用改进自适应粒子群对BP神经网络输入层权值与输出层进行迭代优化,训练BP神经网络模型,然后计算结果,并与标准粒子群算法优化BP神经网络以及传统BP神经网络模型计算结果进行比较,预测精度得到明显提高,且数据迭代计算十分稳定,数据对比结果表明:改进粒子群优化BP神经网络模型能更好地预测医院门诊流量随着时间变化趋势。

关键词：门诊量预测时间序列改进PSO BP神经预测

MAPINFO与AUTOCAD在土地复垦测量中的应用

在线全文

学校读者我要写书评

暂无评论

四川水力发电 2010年第5期29卷 91-92,96页

作者：邓小川黄三才马仕强长江勘测规划设计研究院长江空间信息技术工程有限公司(武汉)重庆分公司重庆401147

开放的平台是MAPINFO与AUTOCAD共同的特征。简要论述了两大系统在农村建设用地复垦测量中的应用,突出了二次开发技术在生产实践中的重要作用。

关键词： MAPINFO AUTOCAD 土地复垦 MAPBASIC AUTOLISP

融合时域卷积、残差结构和注意力机制的时序预测

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2021年第9期30卷 145-151页

作者：孙思宇张标标吴俊宏马仕强任佳浙江理工大学机械与自动控制学院杭州310018 浙江远图互联科技股份有限公司杭州310012

对于具有长、短期的时间关联性、非线性和非平稳性等特点的时序数据,传统时序预测模型对此类数据的预测效果不佳.为进一步提高时序预测模型的准确率和效率,考虑时域卷积提取时间特征的有效性,以及残差结构加快模型收敛的优越性,同时考... 详细信息

对于具有长、短期的时间关联性、非线性和非平稳性等特点的时序数据,传统时序预测模型对此类数据的预测效果不佳.为进一步提高时序预测模型的准确率和效率,考虑时域卷积提取时间特征的有效性,以及残差结构加快模型收敛的优越性,同时考虑注意力机制对参数的强化作用,提出了一种融合时域卷积、残差结构和注意力机制的时序预测模型(Attention Temporal Convolutional Neural Network,A-TCNN).首先,通过多层残差时域卷积层提取时序数据的长、短期特征;其次,通过注意力机制加强对输出影响较大的参数的权重;最后,通过一个全连接层得到输出结果.在实际医院流水的数据集上,与常规网络对比,比较多种多步预测策略.实验结果表明,该模型与常规模型相比具有更好的预测精度和效率.

关键词：时域卷积时间序列注意力机制深度学习医院流水