Abstract ：

风荷载极值概率信息对于结构抗风可靠性设计十分重要,基于Hermite多项式模型(Hermite polynomial model,HPM)转换过程方法由于在估计强非高斯性风荷载极值方面表现优异,因而受到研究人员的青睐从而被广泛应用。另一方面,该方法的使用过程繁琐且有较强的理论性,不利于工程应用。为此,本文基于该方法提出非高斯风荷载极值估计的经验公式,首先系统地阐述基于HPM转换过程方法,接着对风荷载的极值分布函数模型展开讨论,之后通过回归分析提出风荷载极值分布函数的经验公式,并对其适用性和精确性加以验证。研究成果表明,仅需知晓风荷载若干统计特征的情况下,经验公式可快速估计风荷载极值,精度上与HPM转换过程方法基本相同,而在效率和便捷性方面显著提升,便于在工程中推广使用。

Keyword ：

Gumbel分布 经验公式 风荷载极值 广义极值分布 非高斯过程 Hermite多项式模型

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本申请涉及一种固废焚烧过程炉温区间预测方法和系统，包括获取影响炉温区间变化的特征变量以及对应的炉温历史数据并进行数据预处理，得到训练集；基于高斯混合算法对训练集进行分解，得到M个子数据集；基于随机配置网络算法与高斯过程回归根据所述子数据集训练构建基模型；基于集成策略将基模型输出的预测结果合并作为元数据集，训练元模型，得到炉温预测区间，本申请能够实现尽可能快速地预测炉温区间的变化趋势，从而快速了解焚烧情况，为焚烧过程的优化控制奠定基础，提高工作效率。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

探究人-椅系统的振动传递特性对改善驾乘舒适性具有重要的实践意义,而振动环境变化、人体体征参数的个体差异性与座椅动力学因素等使得准确预测人-椅系统的动态响应较为困难。本文以双轴激励振动环境下的人-椅系统振动实验为基础,以人员体征参数(年龄、身高、体重、臀宽、膝盖高度)和激励特征(垂向激励幅值、水平前后向激励幅值)作为输入特征,结合贝叶斯超参数优化算法,对比分析了四种机器学习模型(决策树回归、支持向量机回归、高斯过程回归、人工神经网络)对地板到坐垫处的垂向同轴和水平前后向正交轴座椅频响函数的预测性能,并结合模型可解释性探究激励环境和人员体征参数与座椅频响函数及其正交轴效应的关联机理。研究表明,人-椅系统的座椅频响函数及其正交轴效应在单轴与双轴激励幅值的影响下呈现具有一定差异的非线性变化趋势,并与生物动力学响应的非线性特性存在不同。经超参数优化后的各个机器学习模型对预测双轴激励下的人-椅系统振动特性具有良好性能,其中人工神经网络模型与决策树回归模型分别在预测坐垫处垂向同轴与水平前后向正交轴座椅频响函数时的具有相对最佳的预测性能,其R2值分别达到0.943与0.924。同时,决策树回归模型对座椅频响函数共振频率及共振频率处幅值的局部预测性能也较为出色,为研究人体体征参数、激励幅值特征与人-椅系统振动传递特性之间的关联关系提供了一种新的研究思路。

Keyword ：

座椅频响函数 超参数优化 双轴激励 人-椅系统 监督机器学习模型

Cite：

Copy from the list or Export to your reference management。

Abstract ：

为对球磨机软测量方法中的测量结果精度实时估计，同时改善软测量信号分解中的模态混叠问题，本文提出了一种新的基于自适应噪声完备集合经验模态分解、高斯混合模型与高斯过程的球磨机负荷软测量方法，核心思想是使用改进CEEMDAN-GMM方法将球磨机振声和振动时域信号分解为一系列的本征模态函数并分类，由高斯过程回归给出预测值。相较于其他软测量方法，完全集合经验模态分解可以很大程度上避免经验模态分解带来的模态混叠影响，高斯混合模型可以通过设定概率阈值的方法在特征聚类的同时识别异常信号，高斯过程回归不但可以给出基于数据驱动的预测值，还能给出相应的置信区间，并据此向操作人员发出异常预警。实验证明，相较于其他软测...

Keyword ：

高斯过程回归 自适应噪声完备集合经验模态分解 软测量 高斯混合模型 球磨机

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种基于贝叶斯理论的超声C扫描路径优化方法，属于超声无损检测领域。采集初始超声信号，提取出待检测深度的缺陷特征值，并估算阈值。将已采集信号位置的缺陷特征值投入到高斯过程回归模型中和增益期望函数，计算出各个未采集信号位置的补充采集得分，并以补充采集得分高于阈值的全部极值点坐标，作为新一轮的补充采集坐标。经过多轮次的补充采集后，检测区域内不存在补充采集得分高于阈值的坐标，结束扫描，输出全部坐标缺陷特征值的置信均值并成像。实现对块状结构内部缺陷的快速检测和准确表征。该算法以较少的补充检测轮次和较少数据采集量，实现金属构件内部缺陷状况的准确评估。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种基于多健康因子的锂离子电池健康状态估计方法，属于电池管理技术领域，主要解决在快速充电条件下电池健康状态估计精度不高的问题。基于电池快速充放电循环实验中的电压和电流测试数据，从恒流充电过程中提取健康因子组成特征向量，特征向量包含充电过程中局部电压区间内的充电时间、充电能量和信息熵。以特征向量为输入，电池SOH为输出建立高斯过程回归预测模型，并用实验数据对高斯过程回归模型进行训练。在线状态下，获取输入特征向量，输入到已训练的高斯过程回归模型中，可以对电池SOH进行预测。本发明不需要建立复杂的电池物理模型，通过数据驱动的方法，可实现电池SOH在线评估，具有非常高的精确度和较好的通用性。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

城市抗震防灾系统是一个复杂开放巨系统,系统中由于灾情的动态演化导致的建筑物震陷量形成机理也日趋复杂。根据高斯过程理论和贝叶斯规则,对训练样本进行的"归纳推理学习",即综合先验信息,调整各随机变量的后验分布,进而提出基于高斯回归过程的建筑物震陷量非线性预测模型。采用EP(expectation propagation)算法获得预测样本潜在函数的近似后验高斯分布,并对其超参数和协方差函数的选择进行了探讨,利用LSSVM(least square support vector machine)模型、PLS(partial least squares)模型和MLR(multiple linear re...

Keyword ：

抗震防灾 建筑物震陷 高斯回归 统计建模

Cite：

Copy from the list or Export to your reference management。

Abstract ：

CNN框架中,如何对其模型的超参数进行自动化获取一直是一个重要问题.提出一种基于改进的贝叶斯优化算法的CNN超参数优化方法.该方法使用改进的汤普森采样方法作为采集函数,利用改进的马尔可夫链蒙特卡罗算法加速训练高斯代理模型.该方法可以在超参数空间不同的CNN框架下进行超参数优化.利用CIFAR-10、MRBI和SVHN测试集对算法进行性能测试,实验结果表明,改进后的CNN超参数优化算法比同类超参数优化算法具有更好的性能.

Keyword ：

高斯过程 贝叶斯优化 卷积神经网络 超参数优化

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种基于充电过程的锂离子健康状态估计方法在离线状态下，通过锂离子循环充放电实验获取电压、电流和时间等实验数据，从恒流充电过程中提取特征向量，特征向量为恒流充电过程中局部电压区间[Va, Vb]的时间间隔(恒流充电中，电压从Va到Vb所需要的时间)。并通过灰色关联度分析和高斯过程回归模型对提取的特征向量进行筛选，获取最优特征向量所属的电压区间和其训练模型。在线状态下，获取离线状态下得到的电压区间的时间间隔，作为输入特征向量，输入到已训练的高斯过程回归模型中，得到电池SOH。本发明不需要建立复杂的等效电路模型，通过数据驱动的方法，可在线对电池SOH进行估计，具有非常好的精确度。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

CNN框架中,如何对其模型的超参数进行自动化获取一直是一个重要问题.提出一种基于改进的贝叶斯优化算法的 CNN 超参数优化方法.该方法使用改进的汤普森采样方法作为采集函数,利用改进的马尔可夫链蒙特卡洛算法加速训练高斯代理模型.该方法可以在超参数空间不同的CNN框架下进行超参数优化.利用CIFAR-10、MRBI和SVHN 测试集对算法进行性能测试,实验结果表明,改进后的 CNN 超参数优化算法比同类超参数优化算法具有更好的性能.

Keyword ：

高斯过程 贝叶斯优化 卷积神经网络 超参数优化

Cite：

Copy from the list or Export to your reference management。