导读:本文包含了时空参数论文开题报告文献综述及选题提纲参考文献，主要关键词:时空自回归模型,复共线性,岭估计,渐近性
时空参数论文文献综述
曹连英,张颖[1]（2019）在《时空自回归半参数延迟回归模型的岭估计》一文中研究指出研究时空自回归半参数延迟回归模型.基于局部多项式给出了该模型的两步估计方法,并针对复共线性问题提出该模型的岭估计,给出了岭估计的渐近性质.通过数值模拟验证了提出的估计方法的可行性.(本文来源于《西北师范大学学报(自然科学版)》期刊2019年06期）
刘云,王梓宇[2]（2019）在《非参数触发算法对时空因果关系的优化研究》一文中研究指出为了从多类型时空序列中稳定准确地提取事件类型间的因果关系,提出了一种非参数触发算法(NPTP).首先基于多变量Hawkes模型,用非参数条件强度函数约定出事件类型间的因果关系;然后通过迭代计算事件类型间触发关系的条件概率;最后由秩选择得到显着事件类型对的概率并将概率中值的均值作为显着性度量值,从而获得事件类型间的触发关系.仿真结果表明,与参数算法CSTP和单变量算法MISD相比,在算法的稳定性和准确性指标方面均有优化提升.(本文来源于《云南大学学报(自然科学版)》期刊2019年06期）
徐昌橙,周兴龙[3]（2019）在《基于固定在不同部位的惯性传感器获取跑步步态时空参数的算法研究》一文中研究指出研究目的:竞技体育中的中长跑、马拉松等项目受场地和距离的影响,研究人员获取运动员在训练时的数据手段较少,主要为影像解析。但是,后期数据处理繁杂;此外,在马拉松、竞走等项目中,运动员的比赛场地范围较大,用影像手段获取全程数据的方法并不可靠。惯性传感器以其便携、精度高、使用范围广的优势,吸引众多研究者的注意。随着科技的发展,九轴惯性传感器能获取运动员在比赛或训练时的每个时段的关节的加速度和角速度,但是对于惯性传感器数据的分析处理需要有良好的解决和优化办法。本实验通过使用惯性传感器对比测力台和红外高速动作捕捉系统获取跑步的步态时空参数,为以后将惯性传感器应用于长跑项目进行运动监控提供理论基础。研究方法:2.1实验对象及流程8名健康的受试者,半年内无下肢损伤。受试者在左腿胫骨粗隆、左足跟、左足尖处固定Xsens惯性传感器,传感器上贴有mark点,在长8m、宽2m的跑道上以随意速度跑步。跑道中间有叁块测力台,受试者在起点静止3秒后出发,跑到终点静止站立,以每次左足全脚掌踏上第一块测力台,右足全脚掌踏上第二块测力台和左足全脚掌踏上第叁块测力台为有效数据,每名受试者连续采集十次有效数据。测力台采集频率1000Hz,惯性传感器采集频率100Hz,motion系统采集频率为200Hz;测力台、motion系统与惯性传感器同步采样。2.2实验数据处理2.2.1金标准部分本实验的时空参数的金标准分别为:测力台用于获取时间参数、motion系统用于获取空间参数。本研究选取的指标为传感器与金标准之间的绝对误差或相对误差:着地点时间误差;离地点时间误差;支撑期、摆动期以及周期的相对误差;单足步长、最大抬腿高度的相对误差。金标准的指标计算方法如下:足跟着地点:测力台上z轴方向力值增加到高于20N;足尖离地点:测力台上z轴方向力值减小到低于20N;单足支撑期:测力台上第一次足尖离地时刻减去第一次足跟着地时刻;单足摆动期:测力台上第二次足跟着地时刻减去第一次足尖离地时刻;单足周期:测力台上第二次足跟着地时刻减去第一次足跟着地时刻;单足步长:一个单足周期内,受试者沿跑步前进方向的位移最大值减最小值;最大抬腿高度:一个单足周期内,受试者各部位沿垂直方向的位移最大值减最小值。2.2.2传感器部分用惯性传感器确定跑步着地和离地特征点的方法为:用matlab软件将测力台垂直于地面的力值与传感器各轴加速度、线性加速度以及角速度作图;以测力台足跟着地点和足尖离地点作为金标准,找到传感器数据曲线中的特征点,以此判定为传感器获取的足跟着地和足尖离地点。找到足跟着地和足尖离地点后,支撑期、摆动期以及周期的算法同金标准。用惯性传感器确定跑步步态空间参数的方法为:用matlab软件对传感器获取的各轴线性加速度进行积分得到各部位的速度,此方法获取到的速度数据曲线有线性漂移的趋势。因此,本研究采用零速度更新方法,对速度数据进行漂移校正。零速度更新的原理为:先找到每个速度周期的零点,再将每个周期的速度按线性等比例增大或减小。得到校正后的速度,对单足周期的速度进行积分,获取到位移曲线,分别计算出单足步长和最大抬腿高度。研究结果:3.1时间参数3.1.1步态特征点足跟处传感器确定的着地点和离地点误差最小,大小分别为0.0062±0.0060、0.0067±0.0060(单位:s),足尖和胫骨处误差平均值均大于0.01s。3.1.2步态时相足跟处传感器支撑期、摆动期误差最小,分别为0.0094±0.0083和0.0088±0.0075(单位:s),足尖和胫骨处平均值均大于0.01s;周期误差足尖处最大,大于0.01s,足跟处最小:0.0076±0.0056(单位:s);各部位的支撑期、摆动期和周期的相对误差数据显示足跟处最小,分别为:3.29%、2.04%、1.06%。3.2空间参数由于胫骨处无完全静止期,因此,胫骨处不能以本研究的零速度漂移更新方法进行对速度校正。通过对步长和抬腿高度的计算,足跟处步长的相对误差较小为:2.41%;足尖处的步长相对误差为3.41%;抬腿高度足跟和足尖处相对误差均大于10%。研究结论:与展望4.1结论将惯性传感器放置于足跟处获取到的跑步步态参数误差较小。着地和离地特征点的判定误差在0.01s以内,小于自身的采集频率;计算出支撑期、摆动期以及周期的相对误差均小于3.3%;步长的相对误差为2.41%;抬腿高度的计算相对误差较大,大于10%。本实验通过传感器计算得到的时间参数和空间参数中的单足步长的相对误差小于前人研究中的误差。4.2展望将该惯性传感器放置于长跑运动员足跟处,可用于对运动员各个时段单足的支撑期、摆动期、周期以及步长的计算。通过对比分析不同时段的运动员的支撑期、摆动期的变化、各自占单足周期的比例以及全程单足步长的变化来对运动员进行全程的训练监控。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
徐昌橙,周兴龙[4]（2019）在《基于不同部位的惯性传感器获取步态时空参数》一文中研究指出本实验通过贴在不同部位的惯性传感器对比测力台获取跑步步态时间参数以及红外高速动作捕捉系统分析空间参数的精度,为以后传感器进行步态参数的获取从而对下肢健康的分析提供理论基础。本实验招募8名健康的受试者,受试者在左侧胫骨粗隆、足跟、足尖固定Xsens惯性传感器,传感器上贴有Mark点,在跑道上以随意速度跑步,跑道中间有叁块测力台,红外高速动作捕捉系统采集区域为跑道范围,叁类仪器同步采样。实验结果:足跟处传感器确定的着地点和离地点误差最小,大小小于0.01s,足尖和胫骨处误差平均值大于0.01s;足跟处支撑期、摆动期最小,均小于0.01s,足尖和胫骨平均误差大于0.01s;周期误差足尖最大,大于0.01s,足跟最小,小于0.01s;各部位的支撑期、摆动期和周期的相对误差数据足跟最小,分别为:3.29%、2.04%、1.06%;空间参数方面:足跟处步长相对误差较小为2.41%;足尖处的步长相对误差为3.41%;抬腿高度足跟和足尖处相对误差均大于10%。研究结论:固定在足跟处的惯性传感器找到的步态特征点十分精准,且时间参数和空间参数的相对误差均小于3.3%,可用于日后的科研以及运动健康研究。(本文来源于《中国力学大会论文集（CCTAM 2019）》期刊2019-08-25）
邵步粉,蒋滔,姚林塔,郑颖青[5]（2019）在《福州市冰雹的时空分布及雷达参数统计分析》一文中研究指出利用福州市1987-2016年冰雹灾害资料,统计分析得到福州地区冰雹的时空分布特征。同时对相对应的新一代天气雷达资料物理量进行统计分析,初步得到福州地区冰雹单体雷达预报指标为:回波强度达到60d Bz以上(3-7月),VIL值跃增至41 kg/m~2(3月)、44kg/m~2(4月)、57 kg/m~2(5月和7月),强回波核高度达到4.8km(3月)、5.4km(4月)、5.8km(5月)、5.2km(7月),单体高度达到8km以上。(本文来源于《海峡科学》期刊2019年08期）
王志楼,邢涛[6]（2019）在《林木参数监测多传感器的时空配准》一文中研究指出本文基于多传感器集成以及时空配准技术,实现林木的立体参数采集。采用自主研发的林木参数多传感器集成系统,在东北林业大学林场样地进行林木的数据采集,利用传感器间坐标系转换关系与双目视觉算法实现点云数据和图像数据的时空配准。对配准后数据提取标靶坐标与全站仪得到真实坐标进行比较,X、Y、Z叁个方向的RMSE分别为0. 074、0. 117、0. 153 m,RMSE平均值为0. 115 m。结果表明该集成系统采集数据有效,配准效果良好。(本文来源于《森林工程》期刊2019年05期）
周长青,周兴龙[7]（2019）在《不同前跷对步态时空参数和下肢关节运动的影响》一文中研究指出选取16名成年男性受试者,穿着前跷分别为0°(0#)、5°(1#)、7.7°(2#)、10.3°(3#)和15.5°(4#)的5双测试鞋按日常习惯速度行走,使用红外高速运动捕捉系统(200 Hz)采集下肢运动学数据进行分析。结果表明:穿前跷鞋与地面接触的时间均长于平底鞋(左足P=0.030,右足P=0.002)。穿前跷鞋时,左腿膝关节在右足足跟离地(RHO)时刻(P=0.003)、左腿踝关节在左足足跟离地(LHO)时刻(P<0.001)、右足足跟触地(RHS)时刻(P<0.001)、左足足尖离地(LTO)时刻(P=0.023)的屈伸角均大于平底鞋。穿前跷鞋时踝关节屈伸角的最大值(P=0.135)和最小值(P<0.001)均大于平底鞋,但极值的差值(P=0.476)没有差异。因此得出,前跷增大可以延长足与地面的接触时间;前跷增大会增加摆动腿在摆动阶段的膝关节屈角,有利于摆动腿的向前摆动;前跷的改变主要改变了踝关节在矢状面内的运动范围,没有改变踝关节的运动幅度。(本文来源于《中国皮革》期刊2019年07期）
孙舒曼[8]（2019）在《广义时空变系数自回归模型的参数估计及应用研究》一文中研究指出随着大数据时代的来临,数据量成倍骤增,为更加便捷的管理和使用这些数据,常常将它们分类保存.若按时间或空间划分,可将收集的数据划分为空间数据和时间数据,统称时空数据.通过对时空数据的研究和分析,能够更好的度量不同时空位置对某一定点的影响程度,此外,时空数据还具有时空相关性和时空异质性等特点.近年来,非参数模型方法日益完善,变系数模型受到了更多学者的关注,为解决时空数据问题,时空变系数回归模型孕育而生,然而该时空模型多用于解决连续时空数据问题,对离散时空数据问题研究甚少.本文针对时空离散数据问题,提出新的时空变系数模型,并应用到时空艾滋病数据的研究之中.首先,本文构建了广义时空变系数回归模型和广义时空变系数自回归模型.然后,通过局部线性GWR估计和迭代加权最小二乘估计的方法对广义时空变系数回归模型中的参数进行求解,并由模拟实验得到系数函数模拟曲面,通过对比,发现广义时空变系数回归模型比广义空间变系数回归模型更适合处理时空离散数据问题.接着,使用GWR估计、N-R迭代和Fisher标分法的方法对广义时空变系数自回归模型中的参数进行求解,同样经过模拟实验得到系数函数模拟曲面,对比发现:在相同的参数估计方法下,广义时空变系数自回归模型比广义时空变系数回归模型更适合处理时空离散数据问题.本文使用广义时空变系数回归模型分析中国31个省份、直辖市和自治区在2011-2016年滋病发病率的时空变化情况,并讨论客运量、人均GDP、人口密度和每千人医疗机构床位数这四个宏观因素对艾滋病发病率的影响以及该影响的时空变化特性.同时,使用广义时空变系数自回归模型分析在2011-2016年非洲南部10个大陆国家的艾滋病时空变化情况,以及人均GDP和人口密度对艾滋病发病率影响的时空变化特性.研究发现:1)艾滋病高度发病区存在明显的变化趋势和时空聚集性;2)不同区域不同时间,各个宏观因素对艾滋病发病率影响的强度不同;3)艾滋病发病率的时空分布特征与宏观因素的变化特征密切相关.(本文来源于《新疆大学》期刊2019-06-30）
王志楼[9]（2019）在《林木参数监测多传感器集成及时空配准方法的研究》一文中研究指出针对目前林业信息采集及森林资源监测急需,研发叁维激光扫描、CCD立体测量和林木健康检测等多传感器集成及其搭载技术,利用多源采集数据构建林木参数变化监测技术体系,形成移动式林木参数动态监测关键技术平台并进行试验示范,实现对林木参数(林木胸径、树高、冠幅、林分郁闭度、林分生物量等参数)的动态监测,促进林业信息数字化发展进程以及作业精准化和科学管理,为大区域森林资源动态监测提供技术和数据支持。本文首先研究分析了目前林业信息化采集的技术发展概况,根据目前林业信息化采集的需求,提出了一种结合嵌入式系统的特点,集成多种传感器来监测林木参数的技术,研发了一套林木参数监测多传感器集成系统。其次,就是以嵌入式系统为核心搭建了林木参数监测多传感器集成系统平台。本文从系统的硬件部分和软件部分两部分进行了设计实现,详细叙述了系统实现的方法和流程。在硬件方面,选用高性能的ARM9S3C2440A作为处理器,优化接口驱动电路和动态电源管理,从而降低了系统功耗,设计了相机曝光控制系统,有效提高相机曝光精度,引入GPS时间系统从计算机系统时钟和GPS时钟获取时间基准,实现异源数据时间基准统一,提高多传感器时间配准精度。在软件方面,以Linux为软件开发平台,对多传感器集成系统进行设计,通过内核裁剪和动态电压管理有效降低功耗,运用Qt开发了应用程序,降低了系统操作的复杂性,实现了人机友好界面。最后,对林木监测多传感器集成系统进行了实验验证。通过系统的验证表明,本文研发的林业监测多传感器集成系统可以实现林木的点云数据和图像数据的同步采集,并且实现了异源数据的时间统一,同时结合双目视觉技术,提高了林木点云数据和图像数据时空配准精度。(本文来源于《东北林业大学》期刊2019-06-01）
蔡娜[10]（2019）在《星云湖水质参数的时空变化及水位上涨期叶绿素α的响应》一文中研究指出目前我国湖泊水环境和水资源问题突出,湖泊富营养化是云贵高原湖区存在的主要问题,因此污染治理成为解决云南水质型缺水问题的重中之重。本文选取云南富营养化程度较为严重的浅水湖泊星云湖为研究对象,对水温(WT)、总氮(TN)、总磷(TP)、氮磷比(TN/TP)、藻蓝蛋白(PC)、叶绿素a(Chl-a)、浊度(Turb)、pH值、光学溶解氧(ODO)、总溶解性物质(TDS)和电导率(Cond)等参数进行了近叁年的监测,旨在分析星云湖长期以来水质的时空变化特征及关联性,以及水位上涨期叶绿素a的变化特征及影响因素,探索主要水质污染物及来源,为污染治理提供理论参考。得出的具体结论如下:(1)水质参数的时空变化各有特点:TDS与Cond时空变化较小;pH值的空间变化较小,时间变化较大;TN、TP、TN/TP、和Turb时空变化较大;ODO、Chl-a和PC时空变化显着。分析发现,时空变化大的参数多为与藻类的生长相关性较高的参数。从近叁年PC与其他水质参数间的相关性看,星云湖藻类生长不仅在WT和pH的影响下受到内源释放的营养盐的影响,使得Turb和ODO随着藻类的大量繁殖发生变化,也受到降水驱动带入的营养盐的影响,长期以来TN与藻类生长的相关性较强。(2)丰水期,整体上Chl-a浓度随水位上涨而增加,营养盐是驱动星云湖水质变化的主要因子。与近叁年来水质参数间的相关性相比,此时期营养盐对藻类生长的影响显着性增强,理化参数与营养盐的相关性也增强,表明此时期随着水位变化,湖水理化性质随之发生改变,对内源营养盐的影响增强。而此时期藻类指标和营养盐相对于降水的变化规律有一定的滞后性,表明湖泊内部沉积的内源污染物与降水带入的外源污染物有一定的相关性,降水驱动使湖泊内源营养盐增加。(3)在所监测的水位上涨期内,星云湖营养程度为重度富营养-异常富营养。长期水质等级在IV~劣V类之间,水质功能较低,夏季水质超标最为严重。超标的主要污染物为TN、pH和TP,因此可根据对应污染物的性质,采取适当的措施治理。(4)星云湖水体TDS和Cond,PC和Turb、TN、TP的时空变化趋势基本一致,两组数据内部参数高度相关,因此可通过建立模型用已知参数预测未知或者错误参数。(本文来源于《云南师范大学》期刊2019-06-01）
时空参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了从多类型时空序列中稳定准确地提取事件类型间的因果关系,提出了一种非参数触发算法(NPTP).首先基于多变量Hawkes模型,用非参数条件强度函数约定出事件类型间的因果关系;然后通过迭代计算事件类型间触发关系的条件概率;最后由秩选择得到显着事件类型对的概率并将概率中值的均值作为显着性度量值,从而获得事件类型间的触发关系.仿真结果表明,与参数算法CSTP和单变量算法MISD相比,在算法的稳定性和准确性指标方面均有优化提升.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时空参数论文参考文献
[1].曹连英,张颖.时空自回归半参数延迟回归模型的岭估计[J].西北师范大学学报(自然科学版).2019
[2].刘云,王梓宇.非参数触发算法对时空因果关系的优化研究[J].云南大学学报(自然科学版).2019
[3].徐昌橙,周兴龙.基于固定在不同部位的惯性传感器获取跑步步态时空参数的算法研究[C].第十一届全国体育科学大会论文摘要汇编.2019
[4].徐昌橙,周兴龙.基于不同部位的惯性传感器获取步态时空参数[C].中国力学大会论文集（CCTAM2019）.2019
[5].邵步粉,蒋滔,姚林塔,郑颖青.福州市冰雹的时空分布及雷达参数统计分析[J].海峡科学.2019
[6].王志楼,邢涛.林木参数监测多传感器的时空配准[J].森林工程.2019
[7].周长青,周兴龙.不同前跷对步态时空参数和下肢关节运动的影响[J].中国皮革.2019
[8].孙舒曼.广义时空变系数自回归模型的参数估计及应用研究[D].新疆大学.2019
[9].王志楼.林木参数监测多传感器集成及时空配准方法的研究[D].东北林业大学.2019
[10].蔡娜.星云湖水质参数的时空变化及水位上涨期叶绿素α的响应[D].云南师范大学.2019