风电机组功率曲线建模是风电功率预测、状态监测、性能评估的关键环节。文章提出了一种基于lo-gistic函数和分位数回归的风电机组功率曲线建模算法。为解决风电功率的不确定性,文中在logistic函数中嵌入了分位回归损失函数,建立了分位...风电机组功率曲线建模是风电功率预测、状态监测、性能评估的关键环节。文章提出了一种基于lo-gistic函数和分位数回归的风电机组功率曲线建模算法。为解决风电功率的不确定性,文中在logistic函数中嵌入了分位回归损失函数,建立了分位数回归logistic模型(quantile regression logistic function,QRLF),并采用了三种优化算法进行优化;为降低原始数据中异常值的影响,提出了基于QRLF算法的自适应异常筛选方法;在三个风电场的SCADA(supervisory control and data acquisition)数据中进行了实例验证。文中采用五种评价指标对所提方法进行评估。结果表明,相比传统的风电机组功率曲线建模方法,文中所提方法可以同时提供较好的确定性功率曲线和概率性功率曲线结果。展开更多
目的:比较决策树和Logistic回归模型对体外受精-胚胎移植(in vitro fertilization and embryo transfer,IVF-ET)患者妊娠结局的预测价值。方法:纳入2021年1月至2022年10月在长治医学院附属和平医院接受IVF-ET的患者350例为研究对象,根...目的:比较决策树和Logistic回归模型对体外受精-胚胎移植(in vitro fertilization and embryo transfer,IVF-ET)患者妊娠结局的预测价值。方法:纳入2021年1月至2022年10月在长治医学院附属和平医院接受IVF-ET的患者350例为研究对象,根据妊娠结局分为妊娠成功组(215例)和妊娠失败组(135例)。收集患者临床资料,建立IVF-ET患者妊娠结局Logistic回归和决策树预测模型,并在是否基于Logistic回归结果条件下建立决策树分析模型(决策树1和决策树2),采用受试者工作特征(receiver operating characteristic,ROC)曲线对模型预测效果进行评价。结果:350例患者中,妊娠成功患者占61.43%,妊娠失败者占38.57%。妊娠失败组年龄≥35岁、不孕年限≥5年、周期次数≥1次、有心理精神障碍的患者比例及HCG日血清孕酮水平均高于妊娠成功组,获卵数≥10枚、受精率≥75%的患者比例及HCG日子宫内膜厚度、优质胚胎数小于妊娠成功组(P<0.05)。多因素Logistic回归分析结果显示,年龄、HCG日血清孕酮水平、优质胚胎数及心理精神障碍均是IVF-ET患者妊娠结局的影响因素(P<0.05)。决策树模型显示,年龄、HCG日血清孕酮水平、优质胚胎数为IVF-ET患者妊娠结局的影响因素。Logistic回归模型曲线下面积(area under curve,AUC)为0.832,预测敏感度、特异度和准确度分别为87.3%、71.4%、83.5%;决策树1的AUC为0.859,预测敏感度、特异度和准确度分别为85.1%、76.8%、85.6%;决策树2的AUC为0.820,预测敏感度、特异度和准确度分别为83.7%、73.2%、82.4%。决策树1的AUC大于决策树2(P<0.05),但与Logistic回归模型的AUC比较差异无统计学意义(P>0.05)。结论:Logistic回归模型和决策树模型对于IVF-ET患者妊娠结局均有一定的预测价值。展开更多
文章以幂函数变换为研究对象,从背景值误差和还原误差的角度分析了幂函数变换对GM(1,1)模型建模精度的影响,论证了幂函数变换的GM(1,1)模型(PFNGM(1,1)模型)具有逼近无偏性,能在可忽略的误差范围内实现对白指数序列的预测无偏性。实例...文章以幂函数变换为研究对象,从背景值误差和还原误差的角度分析了幂函数变换对GM(1,1)模型建模精度的影响,论证了幂函数变换的GM(1,1)模型(PFNGM(1,1)模型)具有逼近无偏性,能在可忽略的误差范围内实现对白指数序列的预测无偏性。实例应用结果表明,其建模精度和预测效果均优于无偏GM(1,1)模型和离散GM(1,1)模型。为将适宜建模序列拓展至近似非齐次指数序列和季节波动序列,同时保留幂函数变换可以有效降低背景值误差对建模精度影响的优势,将幂函数变换与平移变换相结合构建了PFNGM(1,1)模型,将幂函数变换与季节性GM(1,1)模型(SGM(1,1)模型)相结合构建了PFSGM(1,1)模型。实例应用结果表明,PFNGM(1,1)模型的建模精度和预测效果均优于背景值改进的NGM(1,1, k )模型和ONGM(1,1, k,c )模型,PFSGM(1,1)模型的建模精度和预测效果均优于SGM(1,1)模型,验证了两种模型的有效性。展开更多
文摘风电机组功率曲线建模是风电功率预测、状态监测、性能评估的关键环节。文章提出了一种基于lo-gistic函数和分位数回归的风电机组功率曲线建模算法。为解决风电功率的不确定性,文中在logistic函数中嵌入了分位回归损失函数,建立了分位数回归logistic模型(quantile regression logistic function,QRLF),并采用了三种优化算法进行优化;为降低原始数据中异常值的影响,提出了基于QRLF算法的自适应异常筛选方法;在三个风电场的SCADA(supervisory control and data acquisition)数据中进行了实例验证。文中采用五种评价指标对所提方法进行评估。结果表明,相比传统的风电机组功率曲线建模方法,文中所提方法可以同时提供较好的确定性功率曲线和概率性功率曲线结果。
文摘目的:比较决策树和Logistic回归模型对体外受精-胚胎移植(in vitro fertilization and embryo transfer,IVF-ET)患者妊娠结局的预测价值。方法:纳入2021年1月至2022年10月在长治医学院附属和平医院接受IVF-ET的患者350例为研究对象,根据妊娠结局分为妊娠成功组(215例)和妊娠失败组(135例)。收集患者临床资料,建立IVF-ET患者妊娠结局Logistic回归和决策树预测模型,并在是否基于Logistic回归结果条件下建立决策树分析模型(决策树1和决策树2),采用受试者工作特征(receiver operating characteristic,ROC)曲线对模型预测效果进行评价。结果:350例患者中,妊娠成功患者占61.43%,妊娠失败者占38.57%。妊娠失败组年龄≥35岁、不孕年限≥5年、周期次数≥1次、有心理精神障碍的患者比例及HCG日血清孕酮水平均高于妊娠成功组,获卵数≥10枚、受精率≥75%的患者比例及HCG日子宫内膜厚度、优质胚胎数小于妊娠成功组(P<0.05)。多因素Logistic回归分析结果显示,年龄、HCG日血清孕酮水平、优质胚胎数及心理精神障碍均是IVF-ET患者妊娠结局的影响因素(P<0.05)。决策树模型显示,年龄、HCG日血清孕酮水平、优质胚胎数为IVF-ET患者妊娠结局的影响因素。Logistic回归模型曲线下面积(area under curve,AUC)为0.832,预测敏感度、特异度和准确度分别为87.3%、71.4%、83.5%;决策树1的AUC为0.859,预测敏感度、特异度和准确度分别为85.1%、76.8%、85.6%;决策树2的AUC为0.820,预测敏感度、特异度和准确度分别为83.7%、73.2%、82.4%。决策树1的AUC大于决策树2(P<0.05),但与Logistic回归模型的AUC比较差异无统计学意义(P>0.05)。结论:Logistic回归模型和决策树模型对于IVF-ET患者妊娠结局均有一定的预测价值。
文摘文章以幂函数变换为研究对象,从背景值误差和还原误差的角度分析了幂函数变换对GM(1,1)模型建模精度的影响,论证了幂函数变换的GM(1,1)模型(PFNGM(1,1)模型)具有逼近无偏性,能在可忽略的误差范围内实现对白指数序列的预测无偏性。实例应用结果表明,其建模精度和预测效果均优于无偏GM(1,1)模型和离散GM(1,1)模型。为将适宜建模序列拓展至近似非齐次指数序列和季节波动序列,同时保留幂函数变换可以有效降低背景值误差对建模精度影响的优势,将幂函数变换与平移变换相结合构建了PFNGM(1,1)模型,将幂函数变换与季节性GM(1,1)模型(SGM(1,1)模型)相结合构建了PFSGM(1,1)模型。实例应用结果表明,PFNGM(1,1)模型的建模精度和预测效果均优于背景值改进的NGM(1,1, k )模型和ONGM(1,1, k,c )模型,PFSGM(1,1)模型的建模精度和预测效果均优于SGM(1,1)模型,验证了两种模型的有效性。
