自适应滤波算法在电力系统短期负荷预测中的应用

文章认为相空间局域线性回归法是电力系统短期负荷预测混沌预测法中广泛使用的方法,在用线性最小二乘法估计局部线性化模型的参数时,往往由于病态的数据矩阵导致估计值对噪声过于敏感而变得不可信.针对这种情况应用最小均方误差准则和最陡下降原理提出了一种基于自适应滤波电力系统短期负荷预测算法,避免了病态矩阵的影响.实验结果表明该算法预测结果稳定、可靠.     

Quasi-Newton Method相关综述

拟牛顿算法是目前无约束优化问题的有效而著名的算法,是牛顿法的近似。牛顿算法要求目标函数二次连续可微,Hessian阵非奇异且正定,计算量较大。拟牛顿算法只要求目标函数一次连续可微,以拟牛顿方程为基础来构造算法,易于实现,计算量较小,并形成了完整的算法体系,在理论与实际应用上都有重要意义。本文在对拟牛顿算法中常见的BFGS算法、DEP算法、SR1算法及Broyden族的校正公式、性质、收敛性等进行了总结,同时针对近几年出现在解决实际优化问题中的拟牛顿算法的推广做了简单介绍。     

线性回归在经济预测中的应用

本文利用线性回归模型对具体经济问题进行预测,分别采用两种估计方法：最小二乘估计法和LAD估计法对其进行估计,最后得出当存在异常数据时LAD估计法优于最小二乘估计法的结论。     

三维空间中一种WSN节点定位算法的研究

针对三维空间中的节点定位精度低的问题,本文将RSSI作为节点定位研究的对象,分析了RSSI中的权重选择存在的问题,提出了使用加权最小二乘估计算法和采用信噪比来优化定位效果,首先使用二乘估计算法验证了存在的误差,其次将信噪比作为二乘算法的权值,最后通过加权计算提高未知节点的定位精度,在仿真实验中,从算法定位效果、锚节点数量、未知节点定位数量和节点能量消耗四个方面说明了本文算法的有效性。     

寿命周期预测的计算机方法

回归曲线预测模型有很多种,大部分计算简单易行。但对于修正的指数(Modified Exponential)模型、皮尔(Pear—Reed)模型及甘培茨(Gompcrtz)模型等,在计算最佳参数值时,往往应用试探法、图解法及选点法等粗而慢的近似方法,而且,这些方法对自变量的取值常常附加一些限制条件。如果用牛顿法进行非线性最小二乘拟合,则因其局部收敛性而要求近似初值具有相当高的精度,方能使迭代收敛,这在数学上是相当困难的。针对这个同题,本文展开了深入的研究,给出了大范围收敛的迭代法用来求     

一元整体线性回归预测法的MATLAB程序设计

本文根据一元整体回归模型的误差方程推导整体最小二乘法计算回归参数和拟合优度的一组公式,并给出整体线性回归预测法迭代计算的MATLAB程序,最后用简单算例验证该方法和程序。结果表明,当自变量也含有随机误差时,本文给出的程序正确,整体估计比最小二乘估计更优、更合理。     

分数阶广义积分-微分方程Riesz基的置信域估计

分数阶广义积分-微分方程Riesz基的置信域估计关系到方程是否存在稳定解,由分数阶广义积分-微分方程的初值解构成Riesz基,采用广义最小二乘估计(GLS)方法构成Riesz基的回归参数的置信域,广义积分-微分方程局部解存在性根据广义特征函数的分数阶非线性增长性约束条件进行验证。在重特征值的根子空间中通过Lyapunov泛函分析分数阶广义积分-微分方程Riesz基的置信域,通过计算最小二乘估计(OLS)估计的经验覆盖概率提高置信域估计的精度。     

加权最小二乘估计与线性无偏最小方差估计的比较

在已知的线性模型中,考虑加权最小二乘估计与线性无偏最小方差估计的结果的差异。发现在两种条件下,加权最小二乘估计与线性无偏最小方差估计的结果趋于一致。     

回归系数一类线性估计的小样本性质

提出了线性模型中回归系数的一类线性估计.在均方误差矩阵(MSEM)准则和Pitman Closeness(PC)准则下,研究了这类线性估计相对于最小二乘(LS)估计的优良性.最后,讨论了当设计阵为非列满秩时,回归系数的可估函数的一类线性估计的优良性.     

非负矩阵非负满秩分解的程序实现

利用欧几里得距离衡量非负矩阵非负满秩分解的近似度,将其转化为最小二乘法求最优问题。并用VC6.0与Lingo对算法进行程序实现,可以为非负矩阵分解应用研究提供一些参考。     

基于LM-BP算法的绿色建筑评价研究

以基于BP神经网络的评价模型中的收敛速度慢、容易陷入局部最小点以及计算量大等问题为着眼点,并根据绿色建筑评价的需求设计了一种以LM-BP算法为基础的绿色建筑评级啊模型。最先借助非线性最小二乘法把BP神经网络的目标函数转变成Hessian矩阵,然后将计算目标函数的二阶倒数转化为求解其一阶倒数,从而极大地减少了计算的工作量,最后在最优值附近产生一个理想的搜索方向,使目标函数一直保持较快的下降速度,以提高绿色建筑评价的准确性。算法仿真试验结果表明,本文提出的基于LM-BP算法的绿色建筑评价模型能很好的对绿色建筑进行综合评价,并且评价准确度较高。     

基于MATLAB的线性最小二乘估计

采用线性最小二乘估计,可以寻求有限测量数据及其伴随误差的变化规律。本文针对具体实例,采用最小二乘估计,并用MATLAB编制程序,对测量数据进行拟合与分析。     

基于最小二乘原理的距离深度域矩阵滤波器研究

由于近海海洋环境极其复杂,水面舰船较多,形成较强干扰,不利于对水下目标尤其是水下弱目标(敌方潜艇或水下航行器)的探测发现,本文针对水平阵,基于最小二乘原理,设计近场距离深度域矩阵滤波器,使其能够抑制水面干扰,有效探测水下目标。根据仿真结果,设计的基于最小二乘原理的距离深度域矩阵滤波器都够实现再同距离干扰下弱目标识别定位。     

基于DGPS与电磁感应技术的黄马甲警示器研究

本项研究基于DGPS定位和电磁感应技术.通过DGPS定位防止工作人员误入作业区域;通过测量带电设备周围电磁强度,将移动最小二乘近似方法引入到电磁感应模型中,计算出与警示器之间的距离,当低于安全距离时自动预警;从而实现电力安全生产.     

一种改进的DV-HOP算法在WSN中的定位研究

如何能够更好的提高节点定位一直都是WSN研究的重点,本文在DV-HOP定位算法的基础上,从误差精度,锚节点稳定度和反向学习选择-最小二乘估计来对节点定位的3个方面进行改进。首先在定位误差精度中引入混沌优化算法,其次在锚节点处理中引入稳定度概念,最后在未知节点定位中引入反向学习和最小二乘估计。改进后的算法在通信半径和拓扑结构两个方面进行了仿真实验,实验表明,本文算法能够有效的减少计算带来的定位误差,提高定位精度。     

一种利用RLS方法改进的TOA定位算法

Chan算法是一种性能优良的定位算法,但是在定位过程中要进行多次矩阵相乘和求逆运算,占用大量处理时间,因此要提高运行效率就必须降低计算量。文章利用递推最小二乘法（RLS）对Chan算法加以改进,提出了一种改进的利用到达时间（TOA）的定位算法,．避免了高阶矩阵的相乘和求逆运算,在保证与Chan算法相同精度的前提下有效地减少了运算量。     

对油气田产量预测Wang-Li模型的讨论

以往确定Wang-Li模型参数使用线性回归方法,所求得的模型参数不是精确值。以拟合误差平方和为目标函数,建立了模型参数拟合模型,使用非线性最小二乘法求解约束优化问题,所得到的模型参数是精确值。     

非齐次等式约束线性回归模型回归系数的综合条件岭估计

提出非齐次等式约束线性回归模型回归系数的一个新的有偏估计,即综合条件岭估计,讨论了综合条件岭估计的性质,在一定的条件下,综合条件岭估计的样本总方差、均方误差、均方误差矩阵均分别小于约束最小二乘估计的相应误差.在综合条件岭估计下,条件岭估计和条件根方估计为其特例,从而统一了条件岭估计和条件根方估计的理论.     

基于样条逼近分段线性Hammerstein模型的辨识方法

对分段线性Hammerstein系统,讨论了一种样条逼近重构中间输入的信号还原和处理辨识方法。采用三阶B样条近似逼近H模型的非线性输出,线性部分的参数以及样条近似的系数用最小二乘法辨识得到,再结合样条近似结果,利用重构后的多项式回归估计出非线性部分的参数。数字仿真结果表明了该方法的有效性和实用性。     

利用线性规划技术估计回归系数

线性规划技术已被应用于许多学科。有一类统计问题,根据其实质可视为线性规划问题,或者说可转化为线性规划问题进行求解。本文讨论在回归分析中利用线性规划技术对线性模型中的回归系数进行估计。最小二乘法通常用作最优拟合的准则。其优点在于消除了正负误差相互抵消的问题,突出了大的拟合误差的作用以及计算上方便。我们能求解普通的线性方程组