碳排放连续在线监测法作为一种高效、可溯源的方法,在我国碳计量领域中逐渐应用。然而,由于烟囱管道的大直径、复杂烟气流场,以及流量计检修维护、粉尘堵塞导致的监测数据中断与异常,烟气流量的准确监测成为一大挑战。为此,提出一种融...碳排放连续在线监测法作为一种高效、可溯源的方法,在我国碳计量领域中逐渐应用。然而,由于烟囱管道的大直径、复杂烟气流场,以及流量计检修维护、粉尘堵塞导致的监测数据中断与异常,烟气流量的准确监测成为一大挑战。为此,提出一种融合变量投影重要性分析(variable importance in projection,VIP)、最大信息系数(maximal information coefficient,MIC)及后向搜索(sequential backward selection,SBS)算法的联合筛选方法,结合支持向量机(support vector machine,SVM)构建烟气流量软测量模型。基于某F级燃气-蒸汽联合循环发电机组,通过VIP值评估辅助变量显著性,并结合MIC和SBS算法,进行变量冗余消除与优化选择,从而提升模型的预测精度和泛化能力。实验结果显示:SVM的表现优于长短时间记忆网络模型,与反向传播神经网络相比具有较好的泛化能力;当辅助变量数量为12时,模型性能最佳,测试集的均方根误差和平均绝对百分比误差均较低,验证了变量筛选方法的有效性;在稳态和非稳态工况下,模型预测值的平均绝对百分比误差小于0.7%,并有一定的滤波作用。展开更多
高压充油电缆终端的可靠运行是电缆线路稳定运行的前提,但传统充油电缆终端故障诊断模型存在效率低、可靠性差等问题。为准确判断充油电缆终端故障,提出一种最大互信息系数(maximal information coefficient,MIC)结合改进阿基米德算法(i...高压充油电缆终端的可靠运行是电缆线路稳定运行的前提,但传统充油电缆终端故障诊断模型存在效率低、可靠性差等问题。为准确判断充油电缆终端故障,提出一种最大互信息系数(maximal information coefficient,MIC)结合改进阿基米德算法(improved Archimedes optimization algorithm,IAOA)优化深度置信网络(deep belief network,DBN)的充油电缆终端故障诊断方法。首先,采用MIC理论对电缆终端用硅油中溶解气体浓度的特征量进行降维处理并提取特征量;其次,将优选的特征量作为DBN网络模型的输入,并针对DBN网络超参数选取困难的缺点,提出采用IAOA优化DBN网络模型的超参数;再者,针对AOA算法容易陷入局部最优和搜索能力差等不足,引入多种改进策略优化AOA的方法提高AOA的寻优能力。最后,通过搭建充油电缆终端故障模拟实验平台,收集充油电缆终端故障样本数据并创建类别样本标签,验证了该模型的可行性。实例表明,所提出的诊断方法可以较好地完成故障诊断,测试集的准确率为98.33%。与传统故障诊断模型相比,该方法稳定性好、识别精度高,可为保障高压充油电缆终端的可靠运行提供理论基础。展开更多
心率变异性分析能够在情感识别中发挥重要作用,为了建立心电与情感类别之间的精准模型,提出了基于最大信息系数(maximal information coefficient,MIC)的特征选择方法。使用Aubt数据库和设计情感诱发实验进行研究,首先提取了心率变异性...心率变异性分析能够在情感识别中发挥重要作用,为了建立心电与情感类别之间的精准模型,提出了基于最大信息系数(maximal information coefficient,MIC)的特征选择方法。使用Aubt数据库和设计情感诱发实验进行研究,首先提取了心率变异性时域、频域、非线性及时频域40个特征参数,然后基于MIC方法结合支持向量机、随机森林、K近邻算法进行情感建模。结果显示,基于MIC特征选择方法,使用Aubt数据库针对唤醒度、效价、4类情感的分类准确度分别为90%、89%、84%,并进一步选用皮尔森相关系数、ANOVA特征选择方法与MIC进行对比;诱发实验数据中的多种一对一情感识别率均高于75%。结果表明基于MIC特征选择方法能够显著提高分类准确度,对基于心电信号进行情感识别具有重要意义。展开更多
在盾构施工过程中准确预测施工引起的地表变形,对于保障盾构施工的顺利掘进具有重要意义。基于此,提出盾构施工地表变形MIC-LSTM动态预测模型。首先,确定影响地表变形的主要因素,并采用最大信息系数法(MIC,maximal information coeffici...在盾构施工过程中准确预测施工引起的地表变形,对于保障盾构施工的顺利掘进具有重要意义。基于此,提出盾构施工地表变形MIC-LSTM动态预测模型。首先,确定影响地表变形的主要因素,并采用最大信息系数法(MIC,maximal information coefficient)确定各个影响因素和地表变形之间的相关程度,进而对各个影响因素赋权;其次,将赋权后的各个影响因素和盾构中心处过去最近10个监测时刻的地表变形数据作为输入变量、未来3个监测时刻的变形数据作为输出变量来构建长短期记忆(LSTM,long short-term memory)神经网络动态预测模型;最后,为验证所构建的MIC-LSTM动态预测模型的实用性,依托昆明地铁5号线盾构施工项目,将预测结果与LSTM、RNN(recurrent neural network)以及BP(back propagation)神经网络的预测结果进行对比。研究结果表明:所构建的盾构施工地表变形动态预测模型具有较高的预测精度。展开更多
In this paper,a feature selection method for determining input parameters in antenna modeling is proposed.In antenna modeling,the input feature of artificial neural network(ANN)is geometric parameters.The selection cr...In this paper,a feature selection method for determining input parameters in antenna modeling is proposed.In antenna modeling,the input feature of artificial neural network(ANN)is geometric parameters.The selection criteria contain correlation and sensitivity between the geometric parameter and the electromagnetic(EM)response.Maximal information coefficient(MIC),an exploratory data mining tool,is introduced to evaluate both linear and nonlinear correlations.The EM response range is utilized to evaluate the sensitivity.The wide response range corresponding to varying values of a parameter implies the parameter is highly sensitive and the narrow response range suggests the parameter is insensitive.Only the parameter which is highly correlative and sensitive is selected as the input of ANN,and the sampling space of the model is highly reduced.The modeling of a wideband and circularly polarized antenna is studied as an example to verify the effectiveness of the proposed method.The number of input parameters decreases from8 to 4.The testing errors of|S_(11)|and axis ratio are reduced by8.74%and 8.95%,respectively,compared with the ANN with no feature selection.展开更多
文摘碳排放连续在线监测法作为一种高效、可溯源的方法,在我国碳计量领域中逐渐应用。然而,由于烟囱管道的大直径、复杂烟气流场,以及流量计检修维护、粉尘堵塞导致的监测数据中断与异常,烟气流量的准确监测成为一大挑战。为此,提出一种融合变量投影重要性分析(variable importance in projection,VIP)、最大信息系数(maximal information coefficient,MIC)及后向搜索(sequential backward selection,SBS)算法的联合筛选方法,结合支持向量机(support vector machine,SVM)构建烟气流量软测量模型。基于某F级燃气-蒸汽联合循环发电机组,通过VIP值评估辅助变量显著性,并结合MIC和SBS算法,进行变量冗余消除与优化选择,从而提升模型的预测精度和泛化能力。实验结果显示:SVM的表现优于长短时间记忆网络模型,与反向传播神经网络相比具有较好的泛化能力;当辅助变量数量为12时,模型性能最佳,测试集的均方根误差和平均绝对百分比误差均较低,验证了变量筛选方法的有效性;在稳态和非稳态工况下,模型预测值的平均绝对百分比误差小于0.7%,并有一定的滤波作用。
文摘心率变异性分析能够在情感识别中发挥重要作用,为了建立心电与情感类别之间的精准模型,提出了基于最大信息系数(maximal information coefficient,MIC)的特征选择方法。使用Aubt数据库和设计情感诱发实验进行研究,首先提取了心率变异性时域、频域、非线性及时频域40个特征参数,然后基于MIC方法结合支持向量机、随机森林、K近邻算法进行情感建模。结果显示,基于MIC特征选择方法,使用Aubt数据库针对唤醒度、效价、4类情感的分类准确度分别为90%、89%、84%,并进一步选用皮尔森相关系数、ANOVA特征选择方法与MIC进行对比;诱发实验数据中的多种一对一情感识别率均高于75%。结果表明基于MIC特征选择方法能够显著提高分类准确度,对基于心电信号进行情感识别具有重要意义。
基金National Natural Science Foundation of China(62161048)Sichuan Science and Technology Program(2022NSFSC0547,2022ZYD0109)。
文摘In this paper,a feature selection method for determining input parameters in antenna modeling is proposed.In antenna modeling,the input feature of artificial neural network(ANN)is geometric parameters.The selection criteria contain correlation and sensitivity between the geometric parameter and the electromagnetic(EM)response.Maximal information coefficient(MIC),an exploratory data mining tool,is introduced to evaluate both linear and nonlinear correlations.The EM response range is utilized to evaluate the sensitivity.The wide response range corresponding to varying values of a parameter implies the parameter is highly sensitive and the narrow response range suggests the parameter is insensitive.Only the parameter which is highly correlative and sensitive is selected as the input of ANN,and the sampling space of the model is highly reduced.The modeling of a wideband and circularly polarized antenna is studied as an example to verify the effectiveness of the proposed method.The number of input parameters decreases from8 to 4.The testing errors of|S_(11)|and axis ratio are reduced by8.74%and 8.95%,respectively,compared with the ANN with no feature selection.
