殘差
- 基于深度可分離殘差網絡的遙感影像路網檢測
示意圖(b)2 殘差模塊殘差?？焓荝esNet的重要技能,也是防止深度神經網絡過擬合和梯度消失提升網絡性能的重要方法,因此,自殘差模塊提出之后便得到了廣泛的應用。常見的殘差模塊分為跨兩層連接的殘差模塊和跨三層連接的殘差模塊。為提升路網檢測的性能,防止網絡出現過擬合現象,根據網絡深度,該文采用的是跨兩層連接的殘差模塊。3 深度可分離殘差網絡將深度可分離卷積運算與殘差模塊結合可構建深度可分離殘差網絡,深度可分離殘差網絡的結構示意圖如圖2(c)所示,深度可分離殘
計算機技術與發展 2023年4期2023-04-21
- 基于非線性殘差的JPEG 圖像隱寫分析
。在隱寫分析中，殘差有助于抑制圖像內容、放大隱寫信號。隱寫分析特征往往是在殘差圖像上構建的。因此，殘差圖像的多樣性對隱寫檢測結果至關重要。但是，DCTR、PHARM、GFR 這些當前主流的JPEG 圖像隱寫分析方法中殘差圖像生成方式較單一，都只使用線性濾波器得到殘差圖像，導致殘差圖像多樣性不足，影響隱寫檢測的性能。線性和非線性濾波的結合在空域隱寫分析的殘差圖像生成中起到十分重要的作用。例如，SRM（spatial rich model）[15]、TLBP（
通信學報 2023年1期2023-02-20
- 基于游程判別法和VMD殘差修正的風電功率預測
態分解（VMD）殘差修正的風電功率超短期預測模型.采用變分模態分解將原始風電功率序列分解，得到一系列不同中心頻率的子序列，再利用序列之差提取殘差序列，殘差序列繼承原始序列噪聲分量與分解被屏蔽的真實分量，呈現波動性大，非線性復雜和不平穩的特點，采用t-SSA- LSTM模型并結合天氣特征進行預測.利用頻率游程判別法把子序列劃分為低頻分量類和高頻分量類：低頻分量呈現線性平穩的特點，采用自適應t分布麻雀搜索算法（t-SSA）優化自回歸滑動平均模型（ARIMA）預
湖南大學學報·自然科學版 2022年8期2022-11-14
- 基于改進殘差網絡的熱軋帶鋼表面缺陷研究
出了一種基于改進殘差網絡結構的模型，通過改進殘差塊結構與引入swish激活函數，使得該模型能夠在滿足深層卷積的同時提升模型精度與魯棒性，并加快收斂速度。2 改進殘差網絡模型2.1 殘差網絡為了解決深層神經網絡難以訓練的問題，2015年由He K,Zhang X等人提出了一種全新的深度神經網絡框架：殘差網絡[11-13](Residual Neural Network，Resnet)。殘差網絡通過在淺層網絡和深層網絡之間添加映射(Identity Mappi
計算機仿真 2022年7期2022-08-22
- 基于殘差協方差的配網多個不良量測辨識與仿真
要意義。1 基于殘差協方差的多個不良量測辨識配網中不存在輸網電阻遠小于電抗的特性，為此引入復數歸一化理論，并利用殘差靈敏度理論進行量測的區塊劃分，采用正則化殘差理論實現多個區塊的不良量測辨識。1.1 單位復數歸一化傳統上，電力系統的參數和變量是按單位（pu）基歸一化的，在單位（pu）基上選擇電壓和功率基的實值。具體理論如下[3]：式中，αavg為平均R/X比，弧度；γavg為最大和最小R/X比的平均值，弧度；ε為功率因數指數。具體計算公式如下：式中，l代表
電工材料 2022年3期2022-06-22
- 概率統計的知識理解之殘差與回歸模型診斷
胡典順摘? 要：殘差是觀測值與預測值之差，它看似簡單卻蘊含了回歸模型的許多重要信息. 通過對殘差知識的深入梳理，介紹殘差圖，再用四個虛擬數據集探討殘差分析的必要性，最后借助實例展現模型建構與診斷過程，使師生更深入地了解殘差和殘差分析在回歸模型中的重要作用，以便在實際生產、生活中利用數據構建并選取最佳模型.關鍵詞：殘差；殘差圖；殘差分析；回歸模型診斷一、引言在生產、生活中，人們經常會遇到各種各樣的誤差. 例如，在超市里購買的食鹽其質量和它的標準質量有一定的誤
中國數學教育（高中版） 2022年12期2022-05-30
- 穩健ARMA 殘差控制圖的構建及在金融市場的應用
an[1]提出的殘差控制圖方法,國內學者孫靜[2]、張志雷[3]、范翔[4]和肖艷[5]等也對這一問題進行了研究,他們將呈現自相關過程的監控問題轉化為相應的殘差的監控,從而用自回歸移動平均(Auto-Regressive Moving Average,ARMA)模型來擬合自相關過程,得到相應的殘差序列?對于具有異方差性的數據,目前最流行的是Severin 和Schmid[6]、夏遠強[7]、Sermad 和Roland[8]等學者提出的用波動的上、下控制限
數學理論與應用 2022年1期2022-04-15
- 逆變器短路與斷路的故障檢測
，可以推出對一組殘差及其衍生函數的值設置不同的閾值，可以對逆變器的不同故障進行檢測與分離。通過對逆變器的四種故障進行仿真分析，驗證了該方法對故障的檢測與分離是可行的。關鍵詞：故障檢測與分離;逆變器;狀態空間平均法;殘差Abstract：It is difficult to model the inverter due to the nonlinear of PWM. The state-space average method is used to mod
家園·電力與科技 2021年10期2021-11-18
- 影響汽油精制過程中的辛烷值損失模型
行擬合優度檢驗和殘差檢驗。關鍵詞：辛烷值、聯立方程式、內生變量、外生變量、殘差。一、建立聯立方程模型1.1變量分析與選取由于本文主要研究影響辛烷值損失的影響因素預測，包含原料性質、產品性質、待生吸附劑性質、再生吸附劑性質以及操作變量，其之間相互影響，相互關聯，故依據問題二關鍵因素的篩選，選取原料硫含量S0與原料飽和烴含量T代表原料性質代理變量;汽油硫含量S1作為產品性質的代理變量。汽油中辛烷值R以及18個操作變量為外生變量。1.2模型建立設聯立方程計算經濟
科學與生活 2021年21期2021-11-10
- 基于輕量深度殘差網絡的圖像多類型噪聲去除算法
積神經網絡，利用殘差學習和批量歸一化來加速訓練過程，提高盲高斯去噪的性能。Tai等[7]設計了一種新的神經網絡MemNet，使用特征映射連接和跳過連接模塊來進行圖像超分辨率、高斯去噪。Wang等[8]提出了一種多尺度擴張卷積神經網絡，基于多尺度擴張卷積在保存有價值的上下文信息的基礎上提高去噪精度。Tian等[9]提出了一種新的增強卷積神經去噪網絡方法，通過使用殘差學習和批量歸一化技術來解決訓練困難的問題，并加速網絡的收斂。目前，大多數現有網絡僅解決單一類型
計算機應用與軟件 2021年9期2021-09-15
- 殘差T2控制圖中多元自相關過程模型研究
過程轉換為獨立的殘差，設計合理的殘差控制圖具有重要的現實意義。目前看，國內外學者已對殘差控制圖進行了大量研究。在國外，Layth和Harry首次提出了殘差控制圖[1]。Lu和Reynolds對比了殘差均值和方差取不同偏移量時在Shewhart、CUSUM、EWMA三種控制圖下的異同點[2][3]。對于整合應用控制圖，Lin和Adams提議聯合使用殘差控制圖和EWMA控制圖[4]。國內對該領域的研究起步較晚，孫靜、徐立廣和楊穆爾是最先研究該領域的學者。他們在
統計理論與實踐 2021年7期2021-08-15
- 氣流紡轉杯紡紗通道三維內流場數值模擬
s，數值模擬滿足殘差收斂性條件。結果顯示：轉杯內腔壓力場梯度明顯，靜、動壓從杯體中心逐漸向凝聚槽邊緣增大;輸纖管道出口處存在湍流速度，滑移面和凝聚槽流域氣流速度（342～428.68m/s）相對較大;紡紗通道內部兩路氣流流線軌跡層界清晰、流向規律，流線特征符合壓力場和速度場分析預期，為高速轉杯流場特性及其紡紗機理研究提供了有力依據。關鍵詞：紡紗;轉杯;湍流;殘差;凝聚槽;輸纖管道;FLUENT中圖分類號：TS104.2;TH113文獻標志碼：A文章編號：1
絲綢 2021年4期2021-05-07
- VSC-HVDC送端換流器IGBT開路故障診斷方法
，提出了基于電流殘差的單相逆變器IGBT開路故障診斷方法。以上方法基于對三相逆變器或者單相逆變器IGBT開路故障特征的分析，無需依賴于訓練樣本，診斷算法較為簡單，為逆變器的故障診斷提供了良好的思路，但是上述診斷算法并不能直接應用于整流器。隨著VSC-HVDC系統的發展，VSC型的三相整流器得到了較為廣泛的應用，為了保障其運行維護的可靠性與高效性，則需要對VSC-HVDC系統送端換流器(整流器)IGBT的開路故障進行分析，進而提出適用于VSC-HVDC系統送
電機與控制學報 2021年3期2021-03-31
- 基于深度殘差網絡的圖像識別技術研究
卷積；梯度消失；殘差網絡；跳躍連接深度卷積神經網絡是當前人工智能的研究熱點，在圖像分類領域已經取得了一系列突破［1-3］.卷積神經網絡（CNN）的設計受到大腦神經學中的簡單細胞和感受野發現的啟發［4］，其網絡主要由具有卷積濾波器的分層結構組成，卷積神經網絡通過將濾波器與輸入圖像進行卷積生成下一層的特征向量，并利用共享參數實現數據的訓練，網絡中的上層代表了低水平的如邊緣和色彩對比度等局部特征信息，而更深層次的網絡則進一步捕獲更復雜的特征［5］.當前研究大都通
韶關學院學報 2020年6期2020-07-17
- 基于正反殘差塊的人臉表情識別算法
算法，該算法融合殘差塊單元（Residual Block）、反殘差塊單元（Inverted Residual Block）進行對人臉表情的識別。算法先進行圖像增強，緩解數據集規模小的問題，再通過Dropout等技術，盡可能減少過擬合、梯度爆炸和梯度消失等問題，并通過實驗對新方法進行有效性驗證。1 數據集與預處理人臉表情數據庫規模較小，使用場景不復雜。人臉數據集僅對笑與不笑標記，而且笑容本身使用的肌肉較多，特征明顯。本文使用Fer2013數據集，同時使用FE
軟件 2020年5期2020-07-10
- 基于電壓殘差的三相逆變器故障診斷
電壓采樣信號結合殘差理論進行故障診斷，不需要額外的傳感器，而且可以集成到逆變器閉環控制程序中。電壓殘差法故障診斷是將延遲一個周期的相電壓信號作為動態參考，與當前的相電壓信號進行比較得到電壓殘差波形，通過設置合理的故障檢測閾值，實現逆變器開關管開路故障的準確診斷。具有實現容易，不增加硬件電路，診斷速度快，對負載變化魯棒性強等優點。1 電壓殘差法故障診斷原理在電路故障診斷中，殘差是指實際測量值與估計值之間的差值[6]。三相逆變器發生故障后，電路的輸出變量相比估
空軍工程大學學報 2020年1期2020-06-12
- 基于傅里葉級數殘差修正TDGM（1，1）的車流量預測模型
了基于傅里葉級數殘差修正TDGM（1，1）的車流量預測模型。該模型首先應用離散灰色模型TDGM（1，1）對原始車流量序列進行建模，并得到初始預測值以及殘差序列;然后通過傅里葉級數對殘差序列進行二次擬合，同時對預測結果進行修正。通過實例分析以及對比試驗表明，該模型可以有效提高車流量預測精度。Abstract： Traffic flow prediction is a key problem in urban transport system. However
價值工程 2020年13期2020-05-25
- 基于多路徑殘差網絡交叉學習的圖像超分辨率重建
效率。而后，利用殘差網絡的超分辨率重建模型SRResNet［15］和EDSR［16］進一步的提高了超分辨重建圖像的質量。但是圖像超分辨率重建的網絡模型多為單支網絡進行訓練學習，不能夠充分學習高低分辨率圖像之間的映射關系。而為了增強網絡學習能力，本文提出了基于多路徑殘差網絡交叉學習的網絡模型。首先利用訓練更快、學習能力更強的殘差網絡進行訓練學習訓練數據集中高低分辨率圖像映射先驗信息，再擴展單支殘差網絡為3支獨立的殘差網絡并聯為網絡模型，并使用原來學習的網絡模
攀枝花學院學報 2020年2期2020-04-21
- 基于新型深度神經網絡的民機表面缺陷識別
ion-net和殘差模塊的新型深度神經網絡。首先，通過對各機場的在修飛機表面缺陷進行采樣建立數據集，手段包括使用圖像處理修復不合格圖像、使用數據增強緩解數據類別不平衡、使用立方卷積插值法降采樣保留圖像特征等圖像預處理操作。然后在自建的數據集上對新型深度神經網絡與其他神經網絡進行對比測試。實驗結果表明，新型神經網絡在較少的參數下能夠達到最深的網絡深度，且在自建數據集的測試集上的識別率和查全率分別為74.23%和62.29%，優于進行對比的其他網絡。說明在一定
計算技術與自動化 2020年1期2020-04-09
- 基于深度殘差網絡圖像分類算法研究綜述①
11]提出了深度殘差網絡(deep residual network).在殘差學習(residual learning)的啟發下,網絡中引入了恒等映射的設計,巧妙的緩解了由于深度增加帶來的梯度爆炸或梯度消失以及網絡退化的問題,提升了信息傳遞路徑的數量,使得網絡的深度可以由幾十層推到千層.深度殘差網絡的出現極大的提高了系統的準確率,使得訓練極深的網絡成為可能,是圖像分類領域具有重要意義的突破性進展.由于深度殘差網絡的優良特性,它被應用到多個領域,例如人臉識別
計算機系統應用 2020年1期2020-01-15
- 分數階Rosenau-Haynam方程的殘差冪級數解法
]等。本文將采用殘差冪級數法(RPSM)[9]求分數階Rosenau-Haynam方程的近似解析解，這是一種基于分數階冪級數展開的分析方法，已被成功應用于多種分數階微分方程。分數階Rosenau-Haynam方程如下：(1)初始條件為(2)其中u=u(x,t)，α(0當α=1時，方程精確解：(3)1 殘差冪級數法定義1[10-11]給定連續函數f(t),設n是大于等于α(α≥0)的最小整數，則Caputo分數階導數定義為定理1[12]通過Caputo分數階
陜西理工大學學報(自然科學版) 2019年6期2019-12-11
- GPS轉換模型在高程控制測量中的應用研究
判。項目采用最大殘差值、最小殘差值兩個精度特征參數進行評價，獲得適合地形段內的最優轉換模型。其中，殘差值計算公式為：公式中，η1指測量點殘差值，，與分別為原高程異常值與轉換模型結果高程值。殘差絕對值愈小，表示精度愈高；反之，則表示精度較差。3 不同地形條件下GPS高程轉換模型應用3.1 狹長帶狀區域地段GPS高程轉換從狹長帶狀區域路段的測量控制點圖（如圖2所示）可以看出，各個測量控制點幾乎在一條斜線上，其中，K1～K8共8個測量控制點的基本參數已在GPS高
資源導刊(信息化測繪) 2019年6期2019-07-22
- 智能屬性融合算法在教學系統當中的應用
鍵詞：自適應性；殘差；智能算法；自學習性中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2018）24-0113-02隨著信息技術的發展和高等教育體制改革的不斷深入，高校實現了教育信息化，大大提高了工作效率。將智能屬性融合算法技術應用于高校教務管理中，可以分析出重要的對決策或者預測有用的信息和知識，利用分析結果輔助教學，幫助教學管理者做出科學的決策。智能屬性融合技術的目的是對“全信息”的融合處理，實現高層次的人腦分析處理問題功能的模擬
電腦知識與技術 2018年24期2018-11-26
- 自相關過程的EWMA殘差控制圖的設計與性能評價
程，眾多學者提出殘差控制圖，即先擬合自相關過程的時間序列模型，再利用擬合模型的殘差相互獨立且服從正態分布的特性，以傳統控制圖直接監控殘差序列值。傳統控制圖對中小漂移檢測的靈敏性參差不齊，因此，為提高中小漂移的檢測效能，Roberts（1959）[2]提出了指數加權移動平均（EWMA）控制圖，EWMA控制圖的特點是利用了歷史數據，且該控制圖可以對不同階段的數據取不同的權重，距今越近的數據權重越大，距今越遠的數據權重越小，它主要檢測統計過程控制中的微小波動。Z
統計與決策 2018年17期2018-10-09
- 協整套利下的股票市場實證分析
GARCH模型；殘差中圖分類號：F830.91 文獻標識碼：A 文章編號：1008-4428（2018）06-0117-03一、 引言我國的金融市場起初不存在做空機制，所以一開始國內對統計套利的研究并不多見。2005年方昊引進并系統地介紹了統計套利的基本原理和交易策略，同時證實統計套利在我國封閉式基金市場的有效性。2007年在此基礎上宗曦將殘差序列標準差的0.75倍直接作為套利交易的信號，同時把2倍的標準差作為止損條件。2008年首次運用GARCH模型檢驗
市場周刊 2018年6期2018-09-19
- 關于運動軟件的使用對大學生運動量影響計量分析
型；ols回歸；殘差一、變量的描述性統計分析我們通過網絡問卷調查的形式共向全國收集到了469份問卷，首先通過運用STATA數據分析軟件對所收集的數據進行了變量的描述性統計分析，包括分析其Obs（觀測數）、樣本均值（Mean）、標準差（Std.DEV.）、最小值（Min）及最大值（Max）。樣本總數為469，三個變量的含義分別為：time為被解釋變量，代表大學生平均每日實際運動時間，單位分鐘，樣本均值為85.30分鐘，最小值為0分鐘，最大值為180分鐘，標準
財稅月刊 2017年7期2018-07-09
- 基于參數指數非線性殘差神經網絡的臍橙病變葉片識別
于參數指數非線性殘差神經網絡的臍橙病變葉片識別楊國亮，許 楠*，康樂樂，龔 曼，洪志陽(江西理工大學 電氣工程與自動化學院，江西 贛州 341000)摘 要：提出一種參數指數非線性(PENL)函數來改進殘差網絡，利用深度學習的新方法識別臍橙葉面病變，減少了整流線性損失，提升了訓練效果。以臍橙葉面圖像為樣本，進行CNN訓練，以區分出病變、缺素、正常及非此類物種4種類型，實現了對于臍橙疾病檢測迅速且方便應用的分類模型，相比于傳統植物病變識別方法具有極大的優勢，
浙江農業學報 2018年6期2018-06-28
- 基于拉普拉斯結構的圖像超分辨率重建
級預測金字塔層的殘差圖像，選擇特定的初始化方法對網絡權值進行初始化，加快模型收斂，并引入多通道映射提取更加豐富的特征，采用卷積級聯，共享權重的方式進行圖像超分辨率重構，改進的模型可以更好地重建出圖像的紋理和細節。關鍵詞：圖像超分辨率重建; 拉普拉斯金字塔;殘差;多通道;卷積級聯;中圖分類號：TP391.4? ? 文獻標識碼：A? ? ? ?文章編號：1007-9416（2018）10-0000-00近年來，深度學習在圖像處理領域取得了顯著的研究成果。在大量
數字技術與應用 2018年10期2018-02-14
- 基于二階自相關過程殘差控制圖的改進
del.關鍵詞：殘差；平均運行鏈長；自相關；漂移；MEC；MCE；統計過程控制Key words： residual；average run length（ARL）；autoregressive；shift；Mixed EWMA-CUSUM；Mixed CUSUM-EWMA；statistical process control中圖分類號：O212.1 文獻標識碼：A 文章編號：1006-4311（2018）03-0192-040 引言在生產過程中，為了實
價值工程 2018年3期2018-01-23
- 基于MVU降維的捕捉數據自動分割
后的運動序列以及殘差；然后在維度參數不變的情況下增大窗口區間，對其進行降維，同時通過迭代特征值估計降低計算復雜度；最后根據殘差值的幅度跳變點衡量人體運動序列的分割點。通過實驗，證明了該運動分割方法在準確率和召回率上均有良好的表現?！娟P鍵詞】人體運動分割 最大方差展開 殘差 迭代特征值隨著運動捕捉的不斷發展，其在電影電視，游戲動畫，虛擬現實等產業的發展日新月異。在對運動捕捉數據的處理中，運動分割是尤為重要的一個環節。當采集的人體運動數據很多時，這些運動都保存
電子技術與軟件工程 2017年19期2017-11-09
- 多重超平面完備殘差圖
)多重超平面完備殘差圖段輝明1,邵凱亮1,張清華1,曾 波2(1.重慶郵電大學理學院,重慶 400065)(2.重慶工商大學商務策劃學院,重慶 400067)本文研究了任意維超平面完備殘差圖和多重超平面完備殘差圖,將Erd¨os、Harary和Klawe’s定義的平面殘差圖推廣到任意維超平面.利用容斥原理以及集合的運算性質等方法,獲得了任意維超平面完備殘差圖的最小階和唯一極圖,以及任意維超平面完備殘差圖的一個重要性質,同時獲得了多重任意維超平面完備殘差圖的
數學雜志 2017年4期2017-07-18
- CVS中基于殘差結構特征的塊分類重構算法*
0)CVS中基于殘差結構特征的塊分類重構算法*楊春玲 李文豪(華南理工大學 電子信息學院， 廣東 廣州 510640)現有最好的視頻壓縮感知重構算法大都采用“預測-殘差重構”策略，可有效利用幀內和幀間的相關性獲得較好的性能，但是殘差重構均直接采用SPL算法，忽略了殘差信號自身的結構特征，限制了性能的進一步提升.針對該問題，文中提出了一種基于預測殘差結構特征的塊分類重構算法，首先利用殘差塊觀測值的平均能量對殘差塊進行分類，然后對不同類的殘差塊采用不同的重構算
華南理工大學學報（自然科學版） 2017年3期2017-06-21
- 像移殘差對圖像技術調焦的影響
66041）像移殘差對圖像技術調焦的影響李明珠，張玉葉，徐國鋒，王穎穎（海軍航空工程學院青島校區，山東 青島 266041）像移殘差是影響航空相機圖像質量的重要因素，應用圖像法對航空相機實時檢調焦過程中，由于像移殘差的存在，調焦精度降低。當前關于像移殘差和調焦精度兩者的之間關系沒有通用性的理論性研究。從理論上分析了航空圖像線性像移殘差模型，給出了像移殘差模型對評價函數的影響，得到像移殘差與調焦曲線極大值呈負相關的關系。圖像的像移殘差量越大，調焦函數曲線的最
中國設備工程 2017年7期2017-04-10
- 基于帶符號殘差加權的手機定位方法
1)?基于帶符號殘差加權的手機定位方法趙勝輝，趙情恩，王迪，翟迎燦，王迎雪(北京理工大學 信息與電子學院，北京 100081)在蜂窩網的移動終端定位中，非視距(NLOS)環境造成的誤差是導致定位精度下降的主要原因.為降低NLOS誤差的影響，本文提出了一種基于帶符號殘差加權的定位方法.該方法采用Chan算法算出移動臺的初始位置，用帶符號殘差加權模型進行修正，再應用帶符號殘差輔助的泰勒級數展開法進行迭代，得到移動臺的最終估計位置.仿真實驗結果表明，與基于平方殘
北京理工大學學報 2016年3期2016-11-24
- 改進的IMMPF算法在目標跟蹤中的應用研究
最新觀測量得到的殘差值設置一個自適應系數來調整濾波器的似然函數分布，使得采樣點向高似然區域移動，增加了采樣區域和似然函數的重疊部分，在一定程度上保持了粒子的有效性和多樣性，克服了粒子樣本的貧化問題，從而改善了傳統的IMMPF算法在濾波采樣過程中沒有考慮到當前最新的觀測信息而導致使濾波性能下降的問題。經過仿真實驗驗證，該改進方法應用在機動目標跟蹤中，可以有效地提高了跟蹤性能的穩定性?！娟P鍵詞】交互多模型粒子濾波算法 目標跟蹤 殘差 似然函數隨著科學技術的發展
電子技術與軟件工程 2016年8期2016-07-10
- 基于數據驅動的KPI系統最優濾波器設計
olation)殘差,研究基于mDOs觀測器的閉環Kalman濾波器設計方法,實現故障診斷和系統狀態的有效觀測.首先,基于采樣數據得到大型復雜系統的KPI子空間模型,定義了跟蹤誤差,得到了閉環濾波器;其次,將殘差序列表示為Hankel模型,通過定義正交投影補矩陣并選擇恰當的數據列,構建出新的閾值矩陣;最后,得到Kalman濾波增益的計算方法,并給出了最優Kalman濾波器的設計步驟.結果表明,優化后殘差的幅值降低至優化前的1/2.基于數據驅動的KPI系統最
東南大學學報（自然科學版） 2016年2期2016-06-22
- 不確定性平差模型的平差準則與解算方法
性平差模型。依據殘差中不確定性傳播規律，確定了殘差最大不確定度達到最小的平差準則，利用迭代算法得到了不確定性平差模型的解算方法。通過實例分析了最小二乘平差、整體最小二乘平差和不確定性平差準則下最優解的不同特點，從另一個角度探討了不確定性觀測數據處理方法，推廣了現有的誤差理論。關鍵詞：不確定度；平差準則；殘差；整體最小二乘平差；平差模型1引言不確定性是一種廣義的誤差，是不精確性、模糊性、不明確性等概念的總稱，它包含數值和概念的誤差，也包含可度量和不可度量誤差
測繪學報 2015年2期2016-01-07
- 測量數據的殘差分析法
利用最小二乘擬合殘差法分離擬合多向式的可行性，并提出了該方法在數據處理中應用的可行性。關鍵詞：殘差；趨勢項；周期項；最小二乘法中圖分類號：TB9 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2015.19.080測量船在海上航行時，由于測量工況、任務海況、氣候和設備性能等原因，測量設備獲取到的測量數據不可避免地會存在一定的隨機誤差。精確計算隨機誤差，一方面，可以更好地檢驗設備的性能；另一方面，有助于提高數據處理精度。在無線電測量設備
科技與創新 2015年19期2015-10-14
- “北斗”導航衛星定軌殘差特征提取與分布檢驗
斗”導航衛星定軌殘差特征提取與分布檢驗陳略1,2唐歌實1,2崔紅正1,2陳明1,2劉薈萃1,2王美1,2(1 北京航天飛行控制中心，北京 100094) (2 航天飛行動力學技術國家級重點實驗室，北京 100094)針對“北斗”導航衛星定軌殘差中非建模系統誤差問題，提出基于總體平均經驗模式分解(EEMD)與Hilbert譜分析相結合的定軌殘差特征提取方法，并對定軌殘差正態分布特性進行卡方檢驗。首先，分析總體經驗模式分解原理，提出濾波輔助的改進EEMD方法與
中國空間科學技術 2015年2期2015-06-09
- 格爾木地震臺初至波到時殘差分析*
一定時差，即到時殘差或稱為波速異常。1956年宮本貞夫通過研究福井7.2級地震發現，震前在震中距400～600 km的首波異常達到± (2～3)s，這是首次觀測到大震前波速異?，F象 (馮德益，1981)。隨著地震學的發展，利用P波走時殘差研究更加廣泛，不僅更多的用來研究地球內部結構，還用地震前的波速異常來預測地震 (馮德益等，1980;顧瑾平，盛國英，1983;馮銳等，1976;姜秀娥，陳非比，1981;戴維樂，1991)。此后全球地震工作者對波速異常進行
地震研究 2014年1期2014-12-25
- 基于多普勒輔助的電離層殘差探測與修復周跳改進方法
法產生,如電離層殘差法[5]、M-W法(雙頻碼相組合法)[6],電離層殘差法是目前周跳探測與修復相對最準確的方法,可以準確探測到1周的小周跳,但當多個頻點于同一歷元發生周跳時,無法有效地進行周跳探測與修復。本文充分研究電離層殘差法與多普勒積分探測周跳的原理以及特點,提出了一種基于多普勒輔助的改進的電離層殘差法來探測與修復周跳,并通過實驗分析證明了該改進的方法有效解決了電離層殘差法存在的上述問題,當多頻點于同一歷元發生周跳時,也能探測與修復小至1周的周跳,提
全球定位系統 2014年5期2014-08-21
- 連續型過程的二元殘差T2控制圖
續生產過程，采用殘差T2控制圖，用鋼鐵聯合企業的實際數據進行分析，研究了在穩定狀態和不穩定狀態下的傳統T2控制圖和殘差T2控制圖，比較在兩種狀態下兩控制圖的平均運行鏈長ARL的大小，驗證了殘差T2控制圖能夠有效的控制連續型過程的多元自相關過程。關鍵詞：連續型過程；殘差；T2控制圖；ARL0 前言統計過程控制[1]是一種運用統計技術對生產過程質量進行監控的方法，以發現和預測生產中可能出現的異?，F象。統計過程控制常用的工具是控制圖，控制圖[2]是休哈特博士于1
科技經濟市場 2014年2期2014-06-20
- 基于GPS測站坐標殘差序列的小波工具應用與分析
究GPS測站坐標殘差序列時，考慮到殘差序列理論意義上整體都是噪聲，那么通過選取特定的閾值和小波基函數，從殘差序列中提取的噪聲，通過試驗，本文發現這些提取的噪聲實際具有一些非線性周期變化規律，這些具有研究價值的非線性變化規律已經不再是傳統意義上的隨機噪聲，而是包含了因各種地球物理機制以及GPS本身系統性誤差引起的測站坐標非線性變化規律。因此，通過靈活應用小波去噪思想，對于進一步直觀地研究GPS測站坐標殘差序列的非線性變化規律，進而提高地心坐標精度有重要意義。
測繪工程 2013年1期2013-12-06
- 模型誤差補償技術在路基沉降預測中的應用
模型誤差，用基于殘差的神經網絡方法對預測模型進行補償.由預測模型計算模型殘差，借助神經網絡根據殘差對預測模型進行補償，將預測模型與補償結果疊加獲得補償后的實用模型.對同一地質情況不同軟基處理方式進行工程實例驗證，結果表明:基于殘差的神經網絡方法能有效補償模型誤差，神經網絡方法補償后的路基沉降預測模型，其預測精度平均提高了56%，優于原預測模型.關鍵詞:模型誤差;誤差補償;殘差;神經網絡;路基沉降預測2004年，交通部制定了《國家高速公路網規劃》.國家高速公
東南大學學報（自然科學版） 2013年2期2013-09-17
- 殘差自適應回歸TLS*
莊050000)殘差自適應回歸TLS*陳西江1，2)花向紅1，2)魯鐵定3)翟高鵬4)楊燕景3)(1)武漢大學測繪學院，武漢 430079 2)武漢大學災害監測與防治研究中心，武漢 430079 3)東華理工大學測繪工程學院，撫州 344000 4)河北省測繪產品質量監督檢驗站，石家莊050000)TLS在擬合及推估過程中，其擬合和推估的殘差會隨著觀測數據量的增加而呈現上揚的趨勢，為了抑制殘差的上揚，將自適應回歸模型引入到TLS的擬合及推估中，采用適宜的回
大地測量與地球動力學 2012年3期2012-11-14