基于最小二乘支持向量机的小样本建模方法研究

针对捷联惯组历次测试数据小样本建模问题,提出了通过二次修正插值方法解决测试数据的非等间隔性和样本容量小的问题。并通过相空间重构的思想将一维时间序列多维化。最后通过最小二乘支持向量机建立预测模型。实例分析表明,建立在二次修正插值基础之上的最小二乘支持向量机时间序列模型具有较高的预测精度,能够很好地满足对惯组测试数据分析的要求。     

试验区建设的民间思考:《中国样本》

“户籍改革并不是统筹城乡综合配套改革的重点”、“土地流转必须由政府推动”、“重庆和成都的竞争不可调和”……近日．国内首部关于探讨渝蓉“全国统筹城乡综合配套改革试验区”的专著《中国样本》由广西师范大学出版社出版。     

地面研究和空间飞行半闭合环境中的营养状况评价（续）

座舱研究 在60d研究中，飞行前（进入前6d）和飞行后（返回后4d）收集血液样本；91d研究中，飞行前（进入前9d）和飞行中测量两次（在更新食品体系的10d前、后立即进行，如舱内30d（CD30）和40d以及飞行后（返回后4d）收集血液样本。     

多元统计数据分析在工程定额制定中的应用

运用聚类分析、假设检验、区间估计的基本原理，建立制定工程定额样本采集、数据处理的模型；本方法与传统方法相比，在数据筛选方面把施工过程的施工时间看作由各个工序时间组成的多维向量，使筛选出的数据更能反映实际情况对于样本容量运用数据统计理论进行确定，以及对多个样本的关系讨论使定额制定方法更加科学、准确。     

机场历史高峰服务能力评估方法研究

探讨了机场历史高峰服务能力评估中历史高峰运行数据的频率筛选阈值与样本基数的关联，在此基础上提出大数据样本的历史高峰服务架次评估方法，并以广州机场、上海浦东机场、上海虹桥机场、南京机场和大连机场的实际历史数据加以分析与验证。实验表明：历史高峰运行数据频率筛选阈值至少3次的选取，适用范围为1460个左右的样本基数，所提出的大数据样本的历史高峰服务架次评估方法能够反映机场在常态运行环境下的高峰服务能力。     

固体火箭发动机射线检测仿真系统

针对固体火箭发动机,尤其是在其新型号产品的高能X射线照相检测中,缺少先验知识,工艺参数的确定和优化需要通过系列试验,时间长、花费大等问题,研究了固体火箭发动机X射线检测仿真系统。根据实际X射线检测物理系统建立了X射线源仿真模型、固体火箭发动机模型、胶片仿真模型,重点研究了基于STL样本模型的非点光源与多能谱投影的成像算法,其中针对求交速度问题提出了三维空间投影约束方法,并利用GPU并行技术实现了硬件加速,该方案相对于CPU投影计算有500～1000倍左右的加速比。实验结果表明,仿真投影与实际检测胶片影像结构性完全吻合,在10 GY剂量条件下仿真胶片与实际胶片测量黑度值曲线的趋势和数值范围吻合,黑度最大差值0.23。该系统能够应用于实际工程,为优化检测工艺参数和确定最佳检测方案提供技术支撑。     

小样本下煤油加注温升模型参数估计方法

为消除火箭煤油加注实测温度与现行加注温升模型计算理论温度之间的偏差,准确估计煤油加注温升实现精确加注、精准控制,在靶场实测数据仅为小样本数据的现实条件下,采用贝叶斯回归方法,将经验参数作为先验信息给出待估参数的先验分布,由实测数据计算贝叶斯风险,通过最小化风险函数实现对煤油加注温升模型的参数优化估计。数值实验结果表明,与给定的经验参数和经典最小二乘估计参数相比,贝叶斯估计参数估算的加注结束温度与实测温度误差显著减小,且随着可用的数据样本容量相应增大,贝叶斯回归分析的参数估计精度呈现收敛趋势。贝叶斯方法进行煤油加注温升模型参数估计有效提高了加注温升模型精度,为提高推进剂加注精确度提供了方法基础。     

基于灰色距离测度的粗大误差判别方法

小样本试验数据的概率分布特征难以确定,使用传统的粗大误差判别方法存在较大风险。为了有效判别小样本试验数据中的粗大误差,本文探讨了基于试验数据之间的距离关系和拓扑结构的灰色距离测度的概念、数学意义、性质,在此基础上提出粗大误差判别方法。最后取一组小样本数据进行计算,实例结果表明所提出的方法合理有效。     

贝叶斯法在惯性平台测试中的应用

惯性导航系统以其独特优点在航天领域得到了极为广泛的应用。对惯导系统的测试数据进行统计分析和预报,对于航天器的可靠性评估具有重要意义。对于测试数据在实际应用中存在的小样本问题,本文提出了使用贝叶斯方法对其统计特性进行研究。通过对惯性导航系统测试数据的先验信息、总体信息和样本信息进行结合,利用贝叶斯方法得到对应的验前分布和验后分布,并在验后分布的基础上进行统计估计,减小了小样本条件下的统计误差。同时,通过此方法对惯导系统测试数据进行置信区间的计算预报,为惯导系统的误差补偿、故障诊断提供了一个参考依据和途径。     

基于FSS-kernelBSS方法的机械故障诊断

机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的.