AR模型参数的抗差递推估计

将抗差理论引入到自回归模型(AR)的参数估计中,在实时洪水预报的误差修正中,可以利用抗差理论估计AR模型的参数,抵御异常观测值对参数估计的影响,以保证实时洪水的预报精度。选取闽江水吉流域的5场实测洪水资料,通过递推最小二乘法和抗差递推最小二乘法来率定AR模型参数,结果表明:当观测资料无异常值时,递推最小二乘法和抗差递推最小二乘的结果相近,都比较满意;当观测资料中有异常值时,递推最小二乘的结果明显不合理,抗差递推最小二乘法能获得最优估值。     

水库入库流量抗差修正研究

水库入库流量,通常通过实测库水位、出库流量和库容曲线反推求得,这过程常存在大的、不服从正态分布的误差,即所谓的“粗差”,大大影响实时校正效果。抗差理论提出了误差的污染分布概念, 利用等价权构造具有抗御粗差与极值误差影响的目标函数, 使得在抗差理论基础上发展起来的估计方法, 具有较强的抗粗差与抗极值误差影响的能力。为此,把抗差理论引入实时校正中,提出用光滑曲线拟合入库流量,通过抗差权函数抵御异常值影响,求得一条光滑的“实测”入流过程线,据此再做实时校正。利用了抗差系统具有的抗差能力,有效阻止了非正常因素进入系统,保证了洪水预报的精度。     

抗差理论在汇流模型参数估计中的

根据水量平衡反推计算的入库流量,经常存在大波动的异常值。研究当流量资料受异常值污染时,采用附有条件的抗差最小二乘方法估计汇流模型参数的效果。运用于益塘和洈水两个水库流域,比较了抗差最小二乘估计与经典最小二乘估计的结果,证明了该方法的可行性和较高的演算精度。     

抗差理论在汇流模型参数估计中的应用

根据水量平衡反推计算的入库流量,经常存在大波动的异常值.研究当流量资料受异常值污染时,采用附有条件的抗差最小二乘方法估计汇流模型参数的效果.运用于益塘和光洈两个水库流域,比较了抗差最小二乘估计与经典最小二乘估计的结果,证明了该方法的可行性和较高的演算精度.     

降雨异常值探测的改造箱形图法

经典箱形图运用到有偏降雨数据时,常常将超过触须区间的有偏数据错误地判断为异常值。利用偏态的抗差度量参数,对经典触须区间进行偏态改造,以满足有偏降雨数据异常值的探测需求。分析和比较了度量参数的3种改造形式:线性函数、二次函数、幂函数,结果显示幂函数形式的探测风险最小。将经典箱形图和改造箱形图运用于无异常值和有异常值数据中,改造箱形图的的探测风险小,且探测效果良好。     

苹果硬度的傅里叶变换近红外光谱无损检测

利用傅里叶变换近红外光谱技术探讨快速无损检测苹果硬度方法的可行性.通过解析苹果样品的近红外光谱图,用一阶导数、多元散射校正和矢量归一等方法进行预处理,再用偏最小二乘法建立模型.结果表明,多元散射校正能够有效消除光谱基线平移和偏移现象, 提高原光谱的信噪比,选取有效信息波长范围为1408～2355nm.偏最小二乘法结合多元散射校正所建模型的预测效果最好,模型的决定系数R2为0.9852,内部交叉验证均方根差RMSECV和预测标准偏差RMSEP分别为0.0398kg/cm2和0.0166kg/cm2.进一步通过剔除异常值优化模型,并验证检验组的25个样品,模型的R2为0.9908,RMSEP为0.0147kg/cm2.结果表明:建立的模型可靠,预测效果好,能满足苹果硬度快速检测的要求.     

马氏距离与浓度残差剔除近红外异常样品研究

以新疆南疆灰枣为研究对象,采用马氏距离法对近红外校正集中异常光谱样品进行剔除,并运用浓度残差法对异常化学值样品进行剔除,从校正集中的100个红枣样品剔除了1个异常光谱样品和23个异常化学值样品,用剩下的76个样品建立红枣水分校正模型,并对预测集的51个红枣样品进行预测分析,用预测相关系数(RP)、预测标准偏差(SEP)、平均相对误差(Er)来作为评价指标。结果表明:RP为0.9258,RMSEP为1.6197,Er为0.0333,与剔除前校正集所建模型相比,模型的稳定性和预测精度得到显著的提高。     

基于人工神经网络的水位预报多断面实时校正研究

基于人工神经网络建立河道水位预报多断面实时校正模型。模型选择BP神经网络与有限记忆最小二乘法相结合建立递推式网络训练学习模式,跟踪洪水预报的残差变化。通过淮河中游河道水位预报进行验证,结果表明,在2008年汛期洪水中实时校正后的水位误差减少0.14~0.46 m,验证效果较好,对实际生产预报有一定的解决意义。     

不同品种猪肉pH值高光谱检测的模型传递修正算法

针对猪肉pH值高光谱检测模型受品种差异影响存在适用性差的问题,比较了不同算法,提出了一种基于光谱值校正的模型传递算法,以用于品种之间的模型传递。以山黑猪为主品种建立PLS模型,用该模型直接预测零号土猪样本时,预测相关系数仅为0.415,预测均方根误差为0.180 4,预测精度较差。分别用斜率/截距(S/B)算法、模型更新算法以及光谱值校正传递算法对山黑猪模型进行修正或传递并进行了比较。采用S/B法时,山黑猪模型对零号土猪的预测相关系数仍为0.415,预测均方根误差由0.180 4降至0.134 3,下降了25.54%。采用模型更新算法时,把14个零号土猪样本添加到山黑猪校正集,修正后的山黑猪模型对零号土猪样本的预测性能较优,Rp由0.415提高至0.797,提高92.05%,预测均方根误差由0.1804降低为0.1121,下降了37.86%。采用光谱-理化值共生距离法结合DS算法的光谱值校正传递算法时,山黑猪模型对零号土猪样本的预测相关系数由0.415提高至0.837,提高了101.69%,预测均方根误差由0.1804降低至0.0856,下降了52.55%。结果表明,光谱值校正的传递算法能够有效消除品种之间光谱差异,提高了山黑猪模型的适用性,且传递修正效果优于S/B算法和模型更新算法。     

鲁棒回归在水工建筑物安全监控模型建立中的应用

建立水工建筑物安全监控模型是预测和控制大坝的运行、避免重大事故发生的不可或缺的重要手段,而大坝安全监测数据中经常出现的异常值对监测模型的稳定性和精度产生较大影响,针对这个异常值问题,采用鲁棒回归方法,有效地剔除或削弱了监测数据中的异常值的影响,实例分析表明:在监测数据中含有异常数据的情况下,基于鲁棒回归的大坝安全监测模型的稳定性和预测效果能够得到保证。     

基于插秧机运动模型的DGPS野值剔除方法研究

DGPS定位系统在外界干扰的作用下会导致定位信息中含有野值。这些野值对插秧机的精准控制有很大的影响,必须对DGPS的野值进行处理。为此,提出了一种基于插秧机运动学模型的DGPS野值在线剔除方法。该方法根据插秧机的运动模型设定野值判定阈值,然后采用基于插秧机运动学模型进行推算的估计值对野值进行替换。试验结果表明该方法能够很好地剔除DGPS位置信息中的野值。     

基于空间自相关的耕地等别指数检验方法研究

耕地质量等别成果在我国耕地保护中发挥了重要作用,因此对耕地质量等别成果质量检验方法的研究具有重要的现实意义。建立了以耕地面积修正反距离权重矩阵的改进模型,并分别提取了改进模型和反距离模型的疑似异常值单元,得到了县域内所有耕地单元的自然等指数的标准差,选取大于增量空间自相关最大莫兰指数所对应的阈值距离为缓冲区半径,按照研究确定的县域耕地自然等指数疑似异常值判定与选取的标准,对疑似异常值单元与其缓冲区范围内耕地单元的自然等指数进行比较和判断,排除非确定异常值,得到确定异常值,并对最终结果进行了检验。以内蒙古自治区宁城县为例,分析得到自然等指数的标准差为78,缓冲区距离为600 m,结果表明,判定与选取异常值的标准能准确提取确定异常值单元,排除大部分非确定异常值,且检验表明,提取确定异常值的精度较高;在相同阈值距离下,改进模型比反距离权重模型在提取确定异常值单元方面存在一定优势,说明面积和距离都是影响耕地质量相关性的重要指标。该方法可以为县域耕地质量等别成果数据检验提供参考,也为空间自相关分析在相关领域中的应用提供一种新思路。     

基于高斯过程建模的物联网数据不确定性度量与预测

物联网已经成为农业大数据最重要的数据源之一,自动观测数据的质量控制对农业生产分析以及基础科研数据应用非常重要。针对农业物联网观测的一类非平稳时间序列数据中的数据缺失、野值剔除、感知故障预警和长时间预测等问题,采用光滑弱假设高斯先验,构建了基于高斯过程的自回归模型表征的动态系统,并通过样本集学习,形成能考虑噪声干扰的传感变化规律建模,并可提供预测误差带用于预测数据的不确定性度量。针对原始数据的缺失和野值问题,采用基于高斯过程的短期预测,可补齐缺失数据,利用其不确定性度量可甄别数据野值,进行野值剔除与替换,并在此基础上判断感知故障;给出了基于输入数据不确定性传播的多步迭代预测方法,使长期预测仍可以跟踪农业数据的动态轨迹,并可为其预测值提供不确定性度量;将温室采集的真实传感数据用于分析试验,验证了高斯过程用于服务器端的农业时间序列数据采集质量控制的可行性。     

基于网络的CAD图形数据传输与管理

采用客户机／服务器模式，利用HTTP、FTP和AutoCAD的网络功能．研究了图形数据在网络环境下的传输和更新。利用CGI研究了图形数据共享和一致更新方案的实现过程．利用HTTP服务和CGI程序实现了图形共享管理，利用AutoLISP和AutoCAD命令脚本实现了客户端的图形批上载和服务器端宿主图形的自动更新。在客户机／服务器网络环境下，将Internet标准服务、CGI等网络技术应用到机械CAD，解决了CAD图形的共享和一致更新问题，为异地协同设计提供了有效的环境支持。     

Brucellosis eradication planning: An application of simulation modelling

A stochastic simulation model designed to aid decision-making in Australia's campaign to eradicate bovine brucellosis is outlined. The model uses data related to district cattle numbers, disease prevalence and campaign intensity to project workload requirements, culling rates and campaign duration under alternative campaign strategies. Explicit account is taken of the uncertainty associated with initial disease prevalence and eradication procedures and provision is made for the updating of projections as actual campaign data become available. The application of the model is illustrated.     

投影寻踪分类模型在作物补偿效应评价中的应用

为了解决作物旱后复水补偿效应评价和优选的不确定性,提高补偿效应评价模型的分辨率,提出了投影寻踪分类模型,并采用变异和动态信息素更新蚁群算法寻找最优的投影方向,用最佳投影方向信息研究各评价指标对补偿效应的贡献率,发现光合速率的大小直接反应了补偿生长的能力,是影响补偿效应的关键因子,与以往研究结论相符,且适度胁迫复水后第5 天表现出的补偿效应最佳.     

基于D-S证据理论的智能温室环境控制决策融合方法

在无线传感器网络下的智能温室环境控制系统中,农作物的生长通常受多种环境因子共同作用。根据温室环境控制系统的实际需求建立基于Dempster-Shafer(D-S)证据理论的决策框架,并提出了一种数据预处理和决策融合方法。首先,使用箱线图检测量测数据中的异常值,考虑到现有直接剔除异常数据处理方法的弊端,提出了一种异常数据自适应修正方法;然后,利用加权平均距离聚类处理更新后的数据;最后,根据所提出的基于加权相似度的基本概率分配方法结合D-S证据理论进行融合,为温室环境控制做出正确决策。实验结果表明,箱线图检测异常数据更为准确,其检测率比狄克逊准则高近19.2%,对于不确定性融合结果,本文提出的基于加权相似度的基本概率分配方法相比现有方法降低了1~2个数量级,不仅可以提高温室环境参数融合精度,加快收敛速度,同时还能有效地降低决策风险。     

基于EEMD的水资源监测数据异常值检测与校正

提出利用中位数法与集成经验模态分解(EEMD)相结合的方法对时间序列数据的异常值进行检测,首先通过中位数法对明显异常的数据进行初步筛选,再用EEMD对剩余数据进行分解,通过叠加低频分量可以拟合出大多数数据的整体变化趋势,而不受异常值的影响,从而根据偏差比率可有效检测出异常值。然后根据异常值检测后的时间序列数据的凹凸性变化趋势,用分段曲线拟合对异常值校正。最后,以H1自来水厂的日取水量数据为例进行实证分析。结果表明:提出的中位数法与EEMD相结合的方法能够有效地检测异常值,校正后得到的数据能够真实反映该水厂取用水情况,可为后续分析提供更加真实可靠的数据。     

近红外光谱分析中定标集样品挑选方法研究

介绍了目前常见的几种定标集样品挑选方法：含量梯度法、Duplex法和Kennard-Stone法,并提出了新的挑选方法：GN距离法.该方法以全局距离来界定定标集样品范围,以邻域距离来剔除相似样品,根据不同的全局和邻域距离组合挑选出定标集样品建模,根据计算所得最小交叉验证误差SECV来确定最合理的定标集样品.通过实例,讨论比较了上述4种方法优缺点.结果表明：GN距离法能够在保持原始样品集覆盖范围的基础上,适量剔除异常样品,GN距离法挑选出的定标集所建模型具有较低的模型复杂度、较高的相关系数和较好的模型预测能力.