导读:本文包含了非线性测量误差论文开题报告文献综述及选题提纲参考文献，主要关键词:温湿度传感器,改进遗传算法,支持向量机,布谷鸟搜索算法
非线性测量误差论文文献综述
姜力[1]（2018）在《温湿度传感器测量误差分析及其非线性补偿方法》一文中研究指出自动气象站测量大气湿度和温度常常部署使用HMP-45D温湿度传感器,但在实际观测时,温湿度传感器易受非目标环境参量影响而导致实际测量误差大,尤其是高温高湿环境下的测量数据误差极大,因此需要补偿温湿度传感器实际测量数据,以期满足业务运行需求。研究温湿度传感器实际测量数据所受非目标参量影响,并确定主要影响因子。针对HMP-45D温湿度传感器实际测量误差影响因子,分别利用改进遗传算法(GA)结合支持向量机(SVM)对湿度数据温度补偿,采用布谷鸟搜索算法融合BP神经网络对温度数据湿度补偿。温湿度传感器测量误差主要干扰参量验证。分别通过理论分析、实验检定来验证分析非目标参量干扰因素,并根据精密仪器操作标准制定验证方案。分析观测数据知,在多非目标参量中,环境温度对相对湿度测量数据影响最大,环境湿度对温度测量数据干扰最大,并且数据误差均呈非线性。湿度传感器温度补偿模型。分析研究温度对湿度传感器观测数据非线性影响,构造遗传算法(GA)适应度函数并对其选择、交叉、变异算子优化,进一步优化遗传算法,用优化后的GA寻优SVM参数,建立GA-SVM湿度传感器温度补偿模型,补偿温度对传感器实测湿度数据的非线性误差,并和SVM模型对比验证,进一步说明GA-SVM在温度补偿上的优越性。结果表明,GA-SVM算法能高效补偿环境温度对湿度观测造成的非线性干扰,提高测量结果数据质量。温度传感器湿度补偿模型。研究采用BP神经网络的训练误差作为CS算法适应度函数,对权值、阈值寻优,建立CS算法改进BP算法的湿度补偿模型,补偿湿度对实际观测温度数据的非线性干扰误差。同时针对布谷鸟寻窝速度慢、精度低等缺陷引入自适应步长到寻窝中,提高CS算法随机性,使算法能跳出局部极值,改善CS-BP算法补偿准确度。建立的温湿度传感器补偿模型均能较好补偿环境干扰因素的非线性误差,有效地提高了温湿度传感器观测数据质量。(本文来源于《南京信息工程大学》期刊2018-05-01）
钱云云[2]（2016）在《带有测量误差的部分非线性变系数模型的统计推断》一文中研究指出回归模型是统计学中占有重要地位的模型之一,它的理论研究丰富,应用较为广泛。而作为回归模型中一个重要的分支,半参数模型以其结合参数模型和非参数模型的特点而受到广泛关注。该模型结合参数分量和非参数函数,充分挖掘数据之间的信息,使模型的拟合效果达到最大化。部分非线性变系数模型作为半参数模型之一,它继承了半参数模型的特点,不但消减了模型偏差,而且避免了"维数祸根"。这些特点使得该模型更能应用到实际问题中。但在解决实际问题时,往往有各种原因使得数据不能精确观测。例如,测量过程中使用的工具或操作不规范、外界环境的影响、抽样等。在统计研究中,我们通常把带有测量误差的问题称为"测量误差问题",把带有测量误差的模型称为"测量误差模型"。本文,我们主要研究带有测量误差的部分非线性变系数模型,其中非参数部分的协变量带有误差,并把误差分为可加和不可加两种情况。对带有可加测量误差的模型,我们采用纠偏的轮廓最小二乘分别得到参数与非参数部分的估计量,针对系数函数是否为常数进行结合Bootstrap方法的广义似然检验,并在适当条件下证明所得结果的渐近性质。对带有不可加测量误差的模型,我们介绍了基于最优差分序列的纠正局部多项式估计和纠偏的一元化估计两种估计方法。在适当的假设条件下,分别证明两种方法所得参数和系数函数的估计量的渐近性质。最后,通过相关数值模拟与实例数据验证文中所提出的估计方法以及检验方法的有效性。(本文来源于《南京理工大学》期刊2016-12-01）
史建红,宋卫星[3]（2015）在《测量误差为Laplace分布的非线性统计推断》一文中研究指出当p-维参数θ通过矩条件Em(X,θ)=0定义,且X带有Laplace测量误差时,即我们只能观测到Z=X+U,文献中提出了一种基于无条件期望关系Em(X,θ)=EH(Z,θ)的估计方法,其中H为某个形式已知的函数.然而该方法仅适用于U的各分量服从Laplace分布且相互独立的情况.文章将介绍一种一般的多元Laplace分布,并将基于无条件期望的估计方法推广到具有这种多元Laplace分布的测量误差模型中.另外,基于无条件期望关系的估计方法对一些统计推断问题并不适用.文章将构造一种基于条件期望E[m(X,θ)|Z]的估计方法.当X为一维时,我们对这些估计的大样本性质进行了讨论.(本文来源于《系统科学与数学》期刊2015年12期）
司小胜,胡昌华,周东华[4]（2013）在《带测量误差的非线性退化过程建模与剩余寿命估计》一文中研究指出剩余寿命(Remaining useful lifetime,RUL)估计是设备视情维护和预测与健康管理(Prognostics and health management,PHM)中的一项关键问题.采用退化过程建模进行剩余寿命估计的研究中,现有方法仅考虑了具有线性或可以线性化的退化轨迹的问题.本文提出了一种基于扩散过程的非线性退化过程建模方法,在首达时间的意义下,推导出了剩余寿命的分布.该方法可以描述一般的非线性退化轨迹,现有的线性退化建模方法是其特例.在参数的推断中,考虑到真实的退化过程受到测量误差的影响,难以直接测量得到,因此,在退化建模的过程中引入了测量误差对退化观测数据的影响,通过观测数据,提出了一种退化模型未知参数的极大似然估计方法.最后,通过激光发生器和陀螺仪的退化测量数据验证了本文方法明显优于线性建模方法,具有潜在的工程应用价值.(本文来源于《自动化学报》期刊2013年05期）
时从波[5]（2012）在《非线性自抗扰控制对偶然测量误差的抑制作用》一文中研究指出金刚石超精密切削是加工微结构表面的有效方法,其关键技术是快速刀具伺服系统(FTS),控制器性能是FTS的一个重要性能指标。针对电磁驱动原理的快速刀具伺服系统,建立执行机构简化的传递函数模型,引入自抗扰控制器作为快速刀具伺服系统的控制器并介绍自抗扰控制器参数的整定。最后采用非线性自抗扰控制技术,并利用MATLAB仿真非线性自抗扰控制(NLADRC)和线性自抗扰控制(LADRC)对偶然测量误差的抑制作用,得出结论为非线性自抗扰控制相比线性自抗扰控制可以更好的抑制偶然测量误差造成的不利影响。(本文来源于《机械设计与制造》期刊2012年07期）
张君[6]（2012）在《测量误差数据下半参数模型与非线性模型的若干研究》一文中研究指出这篇论文致力于对测量误差领域中的一些统计模型,方法以及相关理论进行研究探索。测量误差数据的统计研究在最近20多年来一直是统计学研究的重要问题之一。这是因为在许多学科中,如医学,经济学,工程学等,测量误差数据经常出现。对这些带有测量误差的数据进行分析时,如果忽略了测量误差,最后得到的结果也往往是有偏甚至是不相合的估计。为此,人们须用相应的测量误差模型来处理实际问题,测量误差数据的统计分析也因此而不断发展。在本文中,我们研究了两种结构的测量误差模型,第一种是具有相乘结构的一些测量误差模型,我们称之为扭曲测量误差模型；第二种是具有可加结构的一些测量误差模型,后者也包括传统的测量误差模型。在本文的第二章,第叁章以及第四章是将一些重要的半参数模型引入扭曲测量误差数据的分析当中。第二章我们考虑了部分线性单指标模型的参数估计与变量选择,其中响应变量与模型线性部分的协变量都不能直接观察,而是受到了单个混杂变量以及扭曲函数的污染。在解决参数估计问题时,我们借鉴最小平均方差(Minimum Average Variance Estimation, MAVE, Xia et al.[80])的方法来得到参数的估计。对于模型线性部分的变量选择,我们提出基于稀疏主成分的思路来达到变量选择的目的。在具体操作时我们可通过采用坐标无关稀疏充分降维方法(Coordinate Independent Sparse Sufficient Dimension Reduction, CISE, Chen et al.[7])来得到一个稀疏主成分,这也是扭曲测量误差数据下变量选择的一个首次尝试。我们相应地给出了参数估计与变量选择的渐近近结果,通过数值模拟来说明我们方法的可行性与有效性,并分析了一组实际数据。在第叁章,我们考虑了在单个混杂变量影响下的扭曲测量误差数据的降维分析。我们首次把降维方法引入扭曲测量误差的分析之中,结合了Zhu et al.[88]的累积切片估计(CUME)与Cui et al.[12]提出的直接估计方法,我们给出了扭曲测量误差数据中降维空间的估计方法,研究了估计量的渐近性质；并将我们的方法应用于波十顿房价数据,从全新的角度重新分析了这组数据,给出了更加合理的解释。第四章,我们考察了多个混杂变量同时存在时非线性模型的统计分析。我们用单指标模型来拟合多个混杂变量自身的扭曲函数。对单指标参数的估计,我们采用Cui et al.[13]的函数估计方法(EFM)。对非线性模型中参数的估计,我们接着采用Cui et al.[12]的直接估计方法,并用经验似然方法构造了参数的置信域。我们研究了相应统计量的大样本性质,进行了数值模拟,此外我们还将我们的方法详细地分析了一组糖尿病数据。在接下来的两章内容中,我们考察具有可加结构测量误差数据的统计分析。在第五章,我们仍旧考察部分线性单指标模型的参数估计与变量选择。这里侧重的是模型中线性部分的变量,其中一部分不能被观察到,但是我们可以得到其可观察的辅助变量。通过辅助变量把不可观察的变量估计出来,进而利用估计出来的变量来考察模型中的参数估计与变量选择。我们已经知道,Liang et al.[53]采用的剖面最小二乘(profile least square)方法可以达到参数估计的半参有效下界。Zhu et al.[93]对单指标部分建议的“去一分量”方法能更加有效地利用单指标模长为一的信息。因此我们在参数估计的时候,结合上述两种方法的优点,提出了“去一分量”剖面最小二乘的估计；对于变量选择,我们基于Fan and Li [17]提出的SCAD惩罚的变量选择方法,进而提出了“去一分量”剖面惩罚最小二乘方法来达到变量选择的目的。我们研究了参数估计以及变量选择的大样本性质,用数值模拟来说明我们方法的有效性,并分析了一组实际数据。在第六章,我们考察传统的一类可加结构的测量误差数据的降维分析。我们构造出不可观察自变量的替代变量,基于响应变量与替代变量并结合了Zhu et al.[88]的累积切片估计(CUME)来得到响应变量与不可观察自变量本身的降维空间估计。我们的方法可适用于自变量维数发散的情形。在理论上,我们考察自变量维数发散的情形,研究了估计相合性与渐近正态性成立时发散维数的发散速度。我们用数值模拟比较了一些已知的方法来验证我们方法的优越之处,接着我们将我们的方法应用于一组实际数据来说明我们方法的应用价值所在。(本文来源于《华东师范大学》期刊2012-03-01）
解其昌,赖绍永[7]（2011）在《含有Berkson与经典测量误差的非线性模型估计》一文中研究指出使用一个两阶段最小距离矩估计方法,给出了含有Berkson测量误差和经典线性测量误差的非线性模型估计.得到了参数的一致估计及其渐近正态性.此外,基于傅里叶分析方法推导出了非线性函数的一个识别方程.(本文来源于《浙江大学学报(理学版)》期刊2011年06期）
刘强,薛留根[8]（2009）在《带有Berkson测量误差的非线性半参数模型的渐近性质》一文中研究指出考虑了协变量带有Berkson测量误差的非线性半参数模型.采用核估计和最小距离方法给出了未知参数γ和未知函数g(.)的估计,证明了未知参数估计的相合性和渐近正态性,同时也给出未知函数估计的收敛速度.所得结果可以应用于生物工程,金融分析,网络工程等领域的数据处理.(本文来源于《北京工业大学学报》期刊2009年11期）
徐亮,李艳,林金官,夏乐天[9]（2009）在《基于SA-MCMC算法的非线性测量误差模型数据删除影响》一文中研究指出为了研究非线性测量误差模型强影响点的识别问题,首先将非线性测量误差模型中存在误差的不可观测的数据当作缺失数据,利用SA-MCMC算法求得模型参数的最大似然估计,然后用Q函数代替可观测数据的对数似然函数进行影响分析,得到了建立在Q函数基础上的广义Cook距离及其一步近似,最后通过算例说明了诊断统计量的有效性.(本文来源于《河海大学学报(自然科学版)》期刊2009年04期）
金晶亮[10]（2009）在《非线性测量误差模型的Bayes估计》一文中研究指出讨论了非线性测量误差模型在未知参数具有正态先验分布时的参数Bayes估计,并对这种估计进行了影响分析,证明了删除模型(CDM)和均值漂移模型(MSOM)具有相同的参数Bayes估计,同时给出了参数Bayes估计的影响函数.(本文来源于《南通大学学报(自然科学版)》期刊2009年02期）
非线性测量误差论文开题报告
（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：
回归模型是统计学中占有重要地位的模型之一,它的理论研究丰富,应用较为广泛。而作为回归模型中一个重要的分支,半参数模型以其结合参数模型和非参数模型的特点而受到广泛关注。该模型结合参数分量和非参数函数,充分挖掘数据之间的信息,使模型的拟合效果达到最大化。部分非线性变系数模型作为半参数模型之一,它继承了半参数模型的特点,不但消减了模型偏差,而且避免了"维数祸根"。这些特点使得该模型更能应用到实际问题中。但在解决实际问题时,往往有各种原因使得数据不能精确观测。例如,测量过程中使用的工具或操作不规范、外界环境的影响、抽样等。在统计研究中,我们通常把带有测量误差的问题称为"测量误差问题",把带有测量误差的模型称为"测量误差模型"。本文,我们主要研究带有测量误差的部分非线性变系数模型,其中非参数部分的协变量带有误差,并把误差分为可加和不可加两种情况。对带有可加测量误差的模型,我们采用纠偏的轮廓最小二乘分别得到参数与非参数部分的估计量,针对系数函数是否为常数进行结合Bootstrap方法的广义似然检验,并在适当条件下证明所得结果的渐近性质。对带有不可加测量误差的模型,我们介绍了基于最优差分序列的纠正局部多项式估计和纠偏的一元化估计两种估计方法。在适当的假设条件下,分别证明两种方法所得参数和系数函数的估计量的渐近性质。最后,通过相关数值模拟与实例数据验证文中所提出的估计方法以及检验方法的有效性。
（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。
非线性测量误差论文参考文献
[1].姜力.温湿度传感器测量误差分析及其非线性补偿方法[D].南京信息工程大学.2018
[2].钱云云.带有测量误差的部分非线性变系数模型的统计推断[D].南京理工大学.2016
[3].史建红,宋卫星.测量误差为Laplace分布的非线性统计推断[J].系统科学与数学.2015
[4].司小胜,胡昌华,周东华.带测量误差的非线性退化过程建模与剩余寿命估计[J].自动化学报.2013
[5].时从波.非线性自抗扰控制对偶然测量误差的抑制作用[J].机械设计与制造.2012
[6].张君.测量误差数据下半参数模型与非线性模型的若干研究[D].华东师范大学.2012
[7].解其昌,赖绍永.含有Berkson与经典测量误差的非线性模型估计[J].浙江大学学报(理学版).2011
[8].刘强,薛留根.带有Berkson测量误差的非线性半参数模型的渐近性质[J].北京工业大学学报.2009
[9].徐亮,李艳,林金官,夏乐天.基于SA-MCMC算法的非线性测量误差模型数据删除影响[J].河海大学学报(自然科学版).2009
[10].金晶亮.非线性测量误差模型的Bayes估计[J].南通大学学报(自然科学版).2009