导读:本文包含了辅助变量论文开题报告文献综述、选题提纲参考文献，主要关键词:变量,神经网络,克里,算法,钉螺,模型,闭环。
辅助变量论文文献综述写法
王志超,张志杰,赵晨阳[1]（2019）在《基于改进型辅助变量法的压力传感器建模》一文中研究指出针对经典压力传感器建模方法存在适应性较差、难以准确获取压力传感器动态特性的问题,提出了一种基于改进型辅助变量法的压力传感器动态建模方法。首先运用粒子群算法预估计模型参数,将预估计的参数代入差分方程构造辅助变量。然后利用输入、输出数据用辅助变量法辨识模型的参数,进行压力传感器系统仿真,在不同噪声模型及信噪比下得到系统输出,分别用提出的方法和现有方法建模,比较建模结果的差异。最后用激波管动态校准实验平台对压力传感器进行动态校准。根据输入、输出数据构造信息矩阵并对其正交分解确定模型阶次,再次用提出的方法和现有方法建模,验证仿真结果。通过压力传感器系统仿真及实验数据验证表明:在压力传感器建模中,改进型辅助变量法的辨识精度明显高于现有方法。(本文来源于《科学技术与工程》期刊2019年32期）
郭明,陈伟锋[2]（2019）在《基于混合准则的软测量建模辅助变量选择方法》一文中研究指出软传感器在工业中被广泛应用于预测与产品质量密切相关的关键过程变量,这些变量很难在线测量;要建立一个高精度的软传感器,选择合适的辅助变量是至关重要的;针对这个问题,通过耦合训练集的BIC准则以及验证集的MSE准则得到一个混合整数非线性规划问题,并将该MINLP问题分成内外两层结构,外层采用遗传算法对二元整数变量进行寻优,内层在整数变量固定之后退化成了较易于求解的非线性规划问题;在此基础上经过进一步分析提出了基于混合准则的变量选择方法,然后将所得辅助变量子集代入BP神经网络进行软测量建模;最后,通过4组案例对所提出方法进行验证;结果表明,所提出方法建立的软测量模型具有较好的预测性能。(本文来源于《计算机测量与控制》期刊2019年08期）
张建军,吕海燕,乔松珊[3]（2018）在《基于排序集样本和双辅助变量的比率估计改进方法》一文中研究指出基于排序集样本和双辅助变量建立总体均值的改进比率估计量,研究了估计量的偏差和均方误差,并从理论上比较了两种抽样方法下的估计效率,最后借助随机模拟和实际例子分析了比率估计方法的有效性.结果表明,利用双辅助变量的改进比率估计精度明显高于简单随机抽样或者单辅助变量比率估计.(本文来源于《西北师范大学学报(自然科学版)》期刊2018年04期）
江叶枫,郭熙[4]（2018）在《基于辅助变量和回归径向基函数神经网络(R-RBFNN)的土壤有机质空间分布模拟》一文中研究指出为快速准确地获取土壤有机质的空间分布状况,以江西省万年县齐埠镇为例,运用四方位搜索法、地统计学和遥感影像分析技术提取环境因子和邻近信息,构建基于环境因子和邻近信息的回归克里金法(RK)和回归径向基函数神经网络法(R-RBFNN),对齐埠镇耕地表层(0~20 cm)土壤有机质空间分布进行模拟,并与普通克里金法(OK)相比较。结果显示:齐埠镇耕地表层土壤有机质含量在17.30~53.58 g·kg~(-1),平均值为35.03 g·kg~(-1),变异系数为23.61%,呈中等变异性。半变异函数分析显示,土壤有机质的块金效应值为0.59,表现为中等空间相关性,自相关范围较大。利用62个采样点进行建模、16个采样点进行独立验证,误差分析表明,应用环境因子和邻近信息作为辅助变量的RK和R-RBFNN预测结果的均方根误差、平均绝对误差、平均相对误均差较OK降低,测试集中的相对提高度分别为66.67%和71.79%,显示出较高精度。但R-RBFNN无须计算半方差函数,使用简单,因此更具优势。(本文来源于《浙江农业学报》期刊2018年04期）
毕画,伍业锋[5]（2017）在《混合类型辅助变量下模型校准抽样估计研究》一文中研究指出在超总体模型中,一般用于构建模型的辅助变量多为连续型变量,对混合类型辅助变量的模型研究较少。为了同时利用与研究变量相关的连续型和离散型辅助变量的信息,本文提出在模型校准的框架下,利用非参数核回归方法,得到混合类型辅助变量下的模型校准估计量。研究证明,该估计量是渐进设计无偏、设计一致和渐进正态的,并给出了估计量的方差和方差的估计量。数值模拟的结果显示,本文在总体回归函数为线性和非线性的情况下,估计效果均有所提高。此外,通过CLHLS数据的验证也表明该估计量的效果优于仅利用连续型辅助变量的估计量。(本文来源于《统计研究》期刊2017年09期）
孙晓茹,薛付忠[6]（2017）在《精准医学研究中混杂控制的外置辅助变量因果推断模型》一文中研究指出背景与目的:当今生物组学大数据及精准个性化医学时代,特别在肿瘤等疾病的生物组学标记筛选中,筛选与疾病发生、发展或转归结局相关的生物标记是研究者的重点关注问题。然而,由于广泛存在的不可观测或未测量混杂因子,筛选出的大量与结局相关的生物标记往往可能是假因果关联,给后续实验验证带来巨大挑战。因此,如何有效避免混杂偏倚,逼近因果效应,已成为生物医学研究中必须解决的瓶颈问题。(本文来源于《2017年中国卫生统计学学术年会论文集》期刊2017-08-22）
江叶枫,郭熙,叶英聪,孙凯,饶磊[7]（2017）在《基于辅助变量和神经网络模型的土壤有机质空间分布模拟》一文中研究指出为快速准确获取省域尺度下土壤有机质的空间分布状况。以江西省2012年测土配方施肥项目采集的16 582个耕地表层(0~20 cm)土壤样点数据,借助四方位搜索法、地统计学和遥感影像分析技术提取环境因子和邻近信息作为辅助变量,构建基于地理坐标与辅助变量的BP神经网络模型和普通克里金法结合的方法(BPNN_OK)、基于地理坐标与辅助变量的RBF神经网络模型和普通克里金法结合的方法(RBFNN_OK)和普通克里金法(OK法)3种方法,模拟省域尺度下耕地表层(0~20 cm)土壤有机质的空间分布。对2 416个验证样点进行独立验证的研究结果显示:基于辅助变量的神经网络模型较普通克里金法有较大提升。BPNN_OK法对土壤有机质预测结果的均方根误差、平均绝对误差、平均相对误差较OK法分别降低了2.76 g/kg、2.34 g/kg、9.83%,RBFNN_OK法较OK法分别降低了2.70 g/kg、2.29 g/kg、9.61%。研究显示,基于辅助变量的神经网络模型与OK法结合的方法明显地提高了土壤有机质空间分布模拟精度,并且存在改进和提高的空间。(本文来源于《长江流域资源与环境》期刊2017年08期）
马平,李珍,梁薇[8]（2017）在《基于互信息的辅助变量筛选及在火电厂NO_x软测量模型中的应用》一文中研究指出辅助变量的选取是软测量建模中重要的一步;但由于待选变量数目多、与主导变量非线性相关、信息冗余大等因素导致辅助变量的选择不够合理。在信息熵和互信息理论基础上,改进IBF和MIFS变量筛选算法,综合考虑了辅助变量和主导变量之间的最大相关性,以及辅助变量之间的最小冗余性。作为算例使用改进后的算法,筛选了某燃煤机组运行历史数据,建立了省煤器出口NOx浓度的GA-BP软测量模型。实验证明这种基于互信息的变量筛选方法可以有效提高模型的输出精度和泛化能力。(本文来源于《科学技术与工程》期刊2017年22期）
汪训平,赵安[9]（2017）在《以植物丰度为辅助变量的钉螺空间分层采样研究》一文中研究指出目的优化湖沼型血吸虫病流行区钉螺调查方法,为提高查螺效率提供依据。方法基于一处50 m×50 m的草洲范围内推扫式的钉螺调查数据,提出一种基于植物丰度分布特征为辅助变量的钉螺空间采样策略;根据植物丰度数据进行空间分层,通过Hammond McCullagh方程计算各子区域内的最优采样点数量;采用多向插值离散度的空间采样布局方案(MDI),确定采样点部署策略;并对比空间随机采样、系统采样、空间分层采样和叁明治采样。结果 5种采样策略中,本研究提出的采样策略所得到的抽样绝对误差最小,为0.213 8,系统抽样误差最大为0.924 4。结论本研究提出的钉螺采样策略能够获得比空间随机采样策略、系统采样策略、空间分层采样策略和叁明治采样策略更高的估算精确度。(本文来源于《中国血吸虫病防治杂志》期刊2017年04期）
刘艳君,韩雪,丁锋[10]（2017）在《基于辅助变量的压缩采样匹配追踪闭环系统辨识方法》一文中研究指出针对被控对象和反馈通道均具有未知时滞的闭环系统,提出一种基于辅助变量的压缩采样匹配追踪辨识方法.该方法利用辅助变量方法对压缩采样匹配追踪算法进行改进,获得过参数化辨识模型稀疏参数向量的估计,根据稀疏向量的结构得到前向通道的参数估计和时滞估计,进而根据模型等价原理获得反馈通道的参数估计.仿真结果表明,所提出方法仅需少量的迭代即可获得这类闭环系统参数与时滞的有效估计.(本文来源于《控制与决策》期刊2017年10期）
辅助变量论文开题报告范文
（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：
软传感器在工业中被广泛应用于预测与产品质量密切相关的关键过程变量,这些变量很难在线测量;要建立一个高精度的软传感器,选择合适的辅助变量是至关重要的;针对这个问题,通过耦合训练集的BIC准则以及验证集的MSE准则得到一个混合整数非线性规划问题,并将该MINLP问题分成内外两层结构,外层采用遗传算法对二元整数变量进行寻优,内层在整数变量固定之后退化成了较易于求解的非线性规划问题;在此基础上经过进一步分析提出了基于混合准则的变量选择方法,然后将所得辅助变量子集代入BP神经网络进行软测量建模;最后,通过4组案例对所提出方法进行验证;结果表明,所提出方法建立的软测量模型具有较好的预测性能。
（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。
辅助变量论文参考文献
[1].王志超,张志杰,赵晨阳.基于改进型辅助变量法的压力传感器建模[J].科学技术与工程.2019
[2].郭明,陈伟锋.基于混合准则的软测量建模辅助变量选择方法[J].计算机测量与控制.2019
[3].张建军,吕海燕,乔松珊.基于排序集样本和双辅助变量的比率估计改进方法[J].西北师范大学学报(自然科学版).2018
[4].江叶枫,郭熙.基于辅助变量和回归径向基函数神经网络(R-RBFNN)的土壤有机质空间分布模拟[J].浙江农业学报.2018
[5].毕画,伍业锋.混合类型辅助变量下模型校准抽样估计研究[J].统计研究.2017
[6].孙晓茹,薛付忠.精准医学研究中混杂控制的外置辅助变量因果推断模型[C].2017年中国卫生统计学学术年会论文集.2017
[7].江叶枫,郭熙,叶英聪,孙凯,饶磊.基于辅助变量和神经网络模型的土壤有机质空间分布模拟[J].长江流域资源与环境.2017
[8].马平,李珍,梁薇.基于互信息的辅助变量筛选及在火电厂NO_x软测量模型中的应用[J].科学技术与工程.2017
[9].汪训平,赵安.以植物丰度为辅助变量的钉螺空间分层采样研究[J].中国血吸虫病防治杂志.2017
[10].刘艳君,韩雪,丁锋.基于辅助变量的压缩采样匹配追踪闭环系统辨识方法[J].控制与决策.2017