一、抽样技术与回归分析方法在教育质量定量分析中的应用(论文文献综述)
马泽洋[1](2021)在《含大规模风电的发—输—配电系统充裕性优化决策研究》文中研究说明以风电为代表的新能源发电是实现“碳达峰、碳中和”目标最现实的战略选择。“碳达峰、碳中和”目标下,风电新增装机容量将持续增加,风电并网规模日益增大。然而,由于风电具有随机性、波动性和反调峰特性,大规模风电并网将使得我国面对巨大的风电消纳压力。随着智能电网的发展,需求响应、储能系统及分布式可控电源等多种灵活性资源成为应对系统不确定性的重要手段;特高压输电技术的快速发展及应用,让输电网结构经历巨大变化的同时,也使得通过多区协调调度成为消纳风电的有效措施。风电发电容量的快速提高、电力系统的结构的日趋复杂,都为电力系统运行带来了更多的不确定性影响因素,对电力系统的稳定运行带来了新的挑战,增加了电力系统发、输、配各环节运行调控的难度和风险。电力系统充裕性优化决策是在电力系统中大量不确定性因素存在下确保系统运行安全、可靠的前提和手段。然而,仅靠确定性的充裕性优化决策方法无法计及系统的不确定性因素,难以满足电力系统运行及决策的需要。因此,考虑发电、输电和配电各环节的不确定性,研究含大规模风电消纳的发-输-配电系统充裕性优化决策方法具有重要的理论意义和实际价值。本文的主要研究内容如下:(1)针对发电系统充裕性评估问题,提出基于需求响应的含风电系统发电充裕性评估模型,该模型能够考虑用户对于需求响应的参与意愿及其行为不确定性对大规模风电并网系统发电充裕性的影响。首先,由于用户作为需求响应决策者是有限理性的,决策结果与其主观标准有关。为刻画用户的主观风险偏好,采用行为金融学中的前景理论价值函数来刻画用户的主观风险态度,给出用户参与需求响应的主观效用值计算公式;其次,考虑到需求响应对于用户用能感受产生的改变会影响用户未来参与需求响应项目的程度和策略,根据用户主观效用值,提出采用改进的Roth-Erev算法刻画用户的需求响应潜力及参与行为,给出系统需求响应可用容量的度量方法;进而,将需求响应可用容量引入到运行约束中,以系统运行成本最低为目标函数,构建需求响应调度模型。最后,基于需求响应可用容量的度量和需求响应调度模型,对经典基于状态持续时间模拟的发电充裕性评估方法进行了扩展,提出了考虑大规模风电消纳和需求响应的发电充裕性评估方法。通过算例分析,验证所提出方法的可行性和有效性。(2)针对发电充裕性调度优化问题,提出Sobol序列改进的拉丁超立方抽样方法,该方法能够提高考虑风电出力相关性的随机场景的生成效率;基于Glue-VaR提出可用发电容量不足指标,进而构建基于Glue-VaR的大规模风电并网系统发电充裕性调度优化模型。首先,为了考虑风电场实际出力的相关性,提出采用D-vine Copula对风速预测误差的相关性进行刻画;其次,为了克服经典简单随机抽样方法均匀性较差,且获得的D-vine Copula样本可能引入非预期的相关性的不足,提出将Sobol序列引入拉丁超立方抽样框架中,提出Sobol序列改进的拉丁超立方抽样方法;进而,考虑不同电力系统参与者的风险偏好,提出基于Glue-VaR的可用发电容量不足指标对发电充裕性进行评估;综合考虑运行成本和发电充裕性风险,建立多目标充裕性调度优化模型;最后,基于ε-约束方法得到帕累托前沿,提出采用熵权-加权聚合和积评价方法来寻找充裕性优化模型的理想有效解。通过算例分析,验证所提出模型的可行性和方法的有效性。(3)针对输电系统可用输电能力决策问题,基于联合累积量提出一种新的可用输电能力的概率评估方法,并据此提出基于期望分位数的风险可用输电能力的决策模型。首先,为解决累积量方法要求变量间相互独立,无法考虑风电出力相关性的问题,提出采用联合累积量结合FGM Copula函数刻画风电出力相关性;其次,针对可用输电能力的概率性评估问题,结合分区积分方法和Cornish-Fisher展开,建立可用输电能力概率评估模型;最后,针对基于风险价值的决策方法仅考虑概率分布尾部实现的概率,无法描述整个分布中产生的风险的问题,提出基于期望分位数的风险可用输电能力指标,并提出其评估流程。通过算例分析,验证所提出指标及模型的可行性和实用性。(4)针对配电系统风电接入充裕性优化问题,提出相对鲁棒GVaR风险度量,并据此提出配电系统风电接入充裕性指标。首先,针对传统鲁棒优化模型优化结果过于保守,且无法考虑配电系统不同参与者的风险偏好的问题,定义一种相对鲁棒GVaR风险度量指标,并对相对鲁棒GVaR指标的性质进行研究;其次,为反映配电系统保证风电接入的能力,结合相对鲁棒GVaR指标,提出配电系统弃风能量相对风险指标,并给出弃风能量相对风险指标的计算公式;进而,为反映历史数据中风电出力和负荷的对应关系,构建了风电-负荷分级功率模型,并基于该模型,以日前运行成本最低和弃风能量相对风险最低建立了随机-鲁棒混合优化模型;最后,采用列和约束生成算法求解随机鲁棒联合优化模型,并将其中难以处理的双线性项采用大M法化简,将模型转换为混合整数线性规划问题进行求解。通过算例分析,验证所提出指标及模型的可行性和有效性。
刘天宇[2](2020)在《基于机器学习的药品风险分级模型》文中进行了进一步梳理现代医学西医在给人类的健康带来福音的同时,亦给人类生活带来了无尽的恐惧和灾难。由于药品具有“治病又致病”的特点,药品安全一直是世界各国关注的焦点。对上市后药品的风险监测是药物警戒的重要工作,药品风险评估也一直是医学界的研究热点。国外许多国家按药品的安全性和有效性的原则将药品分为处方药(RX)和非处方药(Over The Counter,OTC)。在我国,将药品细分为三类:处方药、非处方药甲类(OTC-A)和非处方药乙类(OTC-B),其中处方药的风险等级要高于非处方药品,非处方药甲类的风险等级高于非处方药乙类。世界各国对上市后药品类别转换是根据药品生产企业提出的申请,由药品监管部门组织专家进行风险评估,最终确定满足国家相关标准的药品为非处方药。对处方药与非处方药的转化研究有着重要的现实意义,有利于确保人民的用药安全,提高人们的自我保健意识,建立完善的药品分类管理制度,促进医药行业与国际接轨。经调研,我国在处方药与非处方药转换的评价过程中主要依赖专家经验,缺乏自动化的风险评估模型。为此,本文首次提出利用药品不良反应(Adverse Drug Reaction,ADR)自发呈报系统(Spontaneous Reporting System,SRS)数据库对药品风险进行客观评价,以我国ADR监测报告为研究数据,研究并设计药品风险评价指标模型,利用机器学习中支持向量机的分类技术来实现处方药、非处方药甲与非处方药乙的自动化分级识别,为处方药与非处方药上市后的相互转化提供技术支持,为我国药物警戒提供决策服务。研究内容主要包括以下几个方面:1.数据采集与处理:对我国药品不良反应SRS数据库以及非处方药公开目录进行调研和数据采集。从国家食品药品监督管理局(China Food and Drug Administration,CFDA)提供的2010~2011年ADR监测报告数据中选取“西药”报告作为研究对象。分别建立了药品分类数据库、西药不良反应数据库,并对数据进行标准化、汇总等预处理。2.风险指标构建和计算:对影响药品风险的相关因素进行了分析,指出了目前研究中存在的不足:目前现有的文献研究主是基于ADR为对象,对不良反应进行分级,且仅考虑某种单一因素对药品不良反应的影响。本文首次以药品为对象进行研究,从不良反应的视角提出药品风险评价指标模型,设计定义了用于药品风险评估的三个指标:ADR严重报告率、ADR伤害指数以及ADR覆盖率。建立了以药品为对象,以风险指标值为特征,以药品类别(RX、OTC-A和OTC-B)为标签的研究数据集。3.多分类的支持向量机(Support Vector Machine,SVM)算法应用研究:利用MATLAB实现了一个多分类的SVM算法并应用于上述研究数据集。通过选取适合数据特点的核函数并优化惩罚因子(c)和径向基核参数(g)以提高模型的准确率。实验结果显示,基于多分类的SVM构建的分类器模型的准确率可达到84.00%。4.类不平衡数据分类研究:由于三类样本数据的分布不平衡(其中RX占82.43%,OTCA占14.51%,OTC-B占3.06%),基于SVM的分类模型虽然达到较高的准确率但对比例占少数的OTC-A和OTC-B的分类效果并不理想。为此,在分类之前引入类不平衡抽样技术以实现各类别样本数量的平衡。采用SMOTE(Synthetic Minority Oversampling Technique)抽样技术,对小样本类别的样本量进行了样本扩充并重新构建了分类模型。实验结果表明,新的分类模型的准确率达到88.74%,其中RX准确率为88.14%,OTC-A准确率为90.47%,OTCB准确率为96.77%。本文基于我国SRS报告,构建了基于ADR的药品风险评价模型,建立了一种基于SMOTE过抽样技术及支持向量机的药品风险分类模型。实验结果表明,该模型具有较高的分类准确率,为我国RX、OTC-A、OTC-B三种类别药物的转化提供了一种自动识别的方法。
智鹏鹏[3](2020)在《轨道车辆结构可靠性分析与优化设计方法研究》文中研究指明随着现代轨道车辆结构日益复杂化和轻量化,对其质量水平提出了更高的要求,面对关键和复杂设计需求的增加,愈加需要对工程实际中存在的几何尺寸、材料属性、载荷等不确定性因素高度关注,并进行精确地度量与评估,以减少其对结构性能的影响,确保轨道车辆结构的可靠性和安全性。但是,传统轨道车辆结构分析一般基于确定的结构参数和载荷条件,并借助数值仿真分析和静/动态试验验证其是否满足标准要求,导致分析结果偏于保守且较为理想化。而基于不确定性的结构分析考虑了工程信息中的不确定性,能够真实地对结构零部件性能进行估计,预判其存在失效的可能性,进而减少主要的不可靠性因素,预防事故的发生。同时,考虑参数不确定性的结构优化能够使轨道车辆设计中的分析模型更加精细,获得兼顾可靠性和优异性能的设计方案。为此,本文考虑参数的不确定性从结构可靠性与优化设计两方面开展适用于轨道车辆结构的设计方法研究,对现有不确定性分析与优化理论体系进行拓展和完善,为轨道车辆在研制阶段的可靠性设计提供理论支持和技术支撑。本文的主要研究内容包括以下几个方面:(1)提出考虑参数不确定性的结构静/疲劳强度分析方法。为了验证结构性能分析中考虑参数不确定性的必要性,基于D-最优试验设计和有限元分析确定设计参数波动下的结构静强度,应用响应面代理模型建立不确定性设计参数与结构静强度的函数表达式,并分析参数的不确定性对结构静强度的影响,进而采用Monte Carlo(MC)方法分析结构静强度可靠性;同理,基于疲劳分析理论构建不确定性影响下结构疲劳强度的评估模型,并采用重要性抽样法分析设计参数的不确定性对结构疲劳强度的影响,结合改进的Goodman-Smith疲劳极限图,评估结构疲劳强度可靠性。所提方法定量分析参数不确定性对结构性能的影响,解决了传统确定性分析相对保守的问题。(2)提出适用于轨道车辆结构设计的单/多工况结构可靠性分析方法。面对结构在复杂载荷工况下可靠性分析准确性的提升问题,结合Chebyshev不等式和6σ原则,建立描述区间变量的分段函数模型,提出新模型中区间变量的生成策略及可靠度计算方法,实现结构在单工况下的可靠度精确计算,减少基于概率分布假设导致分析结果的离散性。此外,改进差分进化粒子群算法(IDEPSO)优化子集模拟(SS),结合改进Ditlevsen方法和最优准则,提出一种基于IDEPSO-SS的多工况结构可靠性分析方法,揭示多工况及其相关性对结构可靠度的影响规律,并确定多工况下结构的最优失效次序。该方法拓宽了可靠性分析方法的应用范围,同时克服了现有模型在多种组合工况下实现轨道车辆结构性能分析的不足。(3)提出基于随机过程的轨道车辆结构静/疲劳强度时变可靠性分析方法。考虑由载荷引起的结构可靠性的时变性与动态性,采用泊松随机过程和概率分布特征描述载荷的作用次数及大小,伽马随机过程描述材料强度的退化,在考虑参数不确定性的条件下建立结构的时变可靠性模型,分析参数的不确定性及时间对结构静强度可靠性的影响。在此基础上,基于线路试验和疲劳损伤理论计算结构的等效应力,利用连续时间模型和伊藤引理,建立时变等效应力与疲劳强度模型,进而提出轨道车辆结构的等效时变动态应力-强度干涉模型,分析结构服役寿命与疲劳可靠度的关系。该模型直观反映了服役寿命(时间)对等效应力和疲劳强度的影响,适用于任意服役寿命(时间)下以动应力为基础的焊接结构疲劳可靠性分析。(4)提出一种基于多级响应面代理模型的模糊优化设计方法。针对隐式结构的多变量优化问题,利用MC方法对结构设计参数进行灵敏度分析,并对其进行分级。采用模糊理论处理设计参数边界约束的不确定性,结合D-最优试验设计和多项式响应面代理模型,依次建立结构的多级响应面模糊优化模型,并应用遗传算法(GA)和非线性规划(NP)对其进行求解。通过与单级响应面代理模型对比,所提方法的计算精度和效率较高,解决了其在多优化变量条件下,拟合精度差及优化效率低的问题。(5)提出一种多目标时变可靠性模糊优化设计方法。为了表征时间对显式结构综合性能的影响,在对其性能指标进行理论推导的基础上,结合连续时间模型和伊藤引理,建立其时变刚度模型和时变强度可靠性模型。同时,采用模糊理论对结构的设计参数进行不确定性量化,应用物理规划法提高设计人员对优化目标的偏好,建立具有时变刚度约束和时变强度可靠性约束的多目标模糊优化设计模型,发展了结合DoE抽样的混合优化求解策略,通过对比三种混合优化策略下的模糊/非模糊优化设计,验证了考虑结构时变可靠度和优化变量模糊性的必要性。该方法在提高优化结果准确性和可靠性的同时,解决了结构设计中因忽略时间因素导致的优化结果偏于危险的问题。
阳帆[4](2020)在《森林资源综合监测体系优化设计研究 ——以保定市为例》文中研究指明国家级森林资源监测体系是获取全国大范围区域尺度上森林资源动态变化信息的主要监测技术手段。森林资源监测数据的时效性、准确性以及监测内容的深度、广度将会影响到林业长期发展方针的制定。目前国际上森林资源监测体系已然向多资源、多目标化的年度综合监测体系方向发展。相比之下,我国国家级森林资源连续清查体系存在以下几点不足:其一,采用单一方形样地作为地面固定样地,其空间信息反映能力较弱,从而影响监测数据的准确性;其二,每5年产出一次森林资源监测报告,监测数据时效性较低;其三,以省为总体设计系统抽样方案,监测数据无法落实到市县级别,且与森林资源规划设计调查体系相互独立运行,存在一个地区两套数的问题;其四,森林资源监测内容较为单一,监测指标多侧重蓄积与面积监测。鉴于此,为优化我国森林资源监测体系,提高监测数据准确性,实现多目标化年度综合监测。本文以保定市为例,从以下4个方面开展研究:1.从样地类型、空间排列方式、样地尺度大小出发,探究在不同类型林分中开展森林资源监测的最优样地类型;2.采用时间序列二相抽样方法设计随机、系统及分层三种年度抽样方案,并通过模拟数据验证开展森林资源年度监测最优抽样方案;3.采用非线性指数模型分别树种组构建蓄积量预估模型,通过预估模型反演更新保定市内所有小班蓄积量信息,从而实现市县蓄积量一体化监测。4.在我国现有监测指标体系基础上,参考国外指标体系研建现状,在林分基本概况信息、森林健康、森林土壤、森林生物量、森林生物多样性以及森林经营管理6个监测内容上进行监测指标的丰富研建。主要研究结果如下:(1)同等面积尺度,群团样地对林分的蓄积抽样预估精度明显高于单一样地,四点圆形群团样地略高于方阵圆形群团样地。(2)在不同类型(起源、龄组)林分中开展蓄积监测,其样地最优规格尺度大小(样地面积、子样地间距)不同。对于样地面积而言:在天然林中开展蓄积量监测时,最优样地面积视龄组而定,幼龄林内最优监测样地面积为841 m2,中龄内最优监测样地面积为729 m2,近成过熟林内最优监测样地面积为625 m2。而人工林中不同龄组林分的最优监测样地面积大小一致,均为625 m2;对于群团样地内子样地间距而言:在幼、中龄林中开展蓄积量监测的群团样地最优间距方案为14 m,在近成过熟林中,最优间距方案为10 m。(3)采用二相回归抽样方法设计随机、系统、分层三种抽取方案对保定市开展连续两个监测年的蓄积年度模拟监测,其抽样监测精度均在90%以上,满足《国家森林资源连续清查技术规定》对活立木蓄积抽样精度达90%以上的要求。验证了本研究所设计的年度监测方案可行性。(4)通过对比分析3种抽取方案的蓄积抽样精度,可以确定以二相回归抽样为基础,采取分层抽取方案(按照地形分层)进行蓄积量年度监测,其抽样效果最佳。连续两个监测年的蓄积抽样精度分别高达96.94%、98.01%。(5)研究建立的7个树种组的蓄积量预估模型统计量(R2、SEE、TRE、MSE、MPE、MPSE)结果表现较好,表明模型具有良好的预估能力。通过蓄积量预估模型获取的保定全市蓄积量与年度抽样监测值之间的误差仅为8.94%,相互验证了市县蓄积量一体化监测方案的可行性。(6)构建了一套涵盖林分基本信息、森林健康、森林生物量、生物多样性、森林土壤、森林经营管理6个监测内容的多目标、多资源化森林资源综合监测指标体系,可为我国今后森林资源监测指标体系研建工作提供参考。本研究针对目前我国森林资源连续清查体系存在的不足点,从多个角度出发开展优化研究,可为我国森林资源监测体系的优化改革提供理论支撑及方法参考。
王慧[5](2020)在《交互作用分析与Ⅰ型错误控制中的若干问题》文中研究指明第一部分介绍了交互作用的定义、分类、研究意义和国内外相关研究进展,讨论了相加交互作用和相乘交互作用的关系,详细综述了相乘和相加交互作用分析相关的技术细节,包括交互作用的研究设计、分析模型、分析程序、结果报告和解释;讨论了分析中模型和程序的选择、分析中评价指标的选择、可信区间计算方法的选择。随后,通过一个实例分析,展示了交互作用分析过程和结果报告的格式。本文旨在帮助研究者深入理解医学研究中的交互作用,并为在分析中选择合适的模型和方法提供参考。接着,进一步综述了交互作用分析中的常用技术和常见问题,常用技术包括数据变换和分析方法,交互作用分析中的常见问题包括多重共线性问题、正确使用标准化回归系数、交互作用与非线性效应的区分、缺失值填补。最后,综述了交互作用筛选中涉及的统计方法。此外,在附录中推导了基于Wald检验的广义线性模型中交互作用分析的样本量估计公式。第二部分首先从一个假设检验中的各种错误指标的基本定义与关系出发,推及多个假设检验下Ⅰ型错误控制,回顾了 Ⅰ型错误控制指标总Ⅰ型错误率(FWER)和错误发现率(FDR)的发展历史,二者之间的联系与区别。系统综述了 Ⅰ型错误控制中的常用公式、常用指标、常用软件(SAS和R)及其软件实现细节。随后,介绍了 Ⅰ型错误控制中的一类方法:闭包检验与分层分析,并介绍了常见FWER控制方法与闭包检验相结合的例子。最后,综述了处理多个假设检验之间相关的方法,其中最着名的方法是Candes等(2018)提出的基于Lasso惩罚的Model-X knockoff框架。第三部分探讨了 Model-X knockoff框架用于高维变量选择中的Ⅰ型错误控制,把Model-X knockoff框架推广到MCP和SCAD两种非凸正则化方法和极高维变量选择方法SIS中。模拟研究显示:采用Model-X knockoff框架结合正则化方法和SIS后,能降低单用正则化方法和SIS的FDR,并有效控制到指定水平附近,筛选变量个数显着降低,但是功效会下降,FNR和FPR水平差异不大,三种正则化方法和SIS结合knockoff框架的方法筛选的变量个数、功效、FNR和FPR非常接近,只在个别情况下,Lasso的功效稍高。探索了把Model-X knockoff框架用于二阶段交互作用筛选方法中主效应的FDR控制,模拟结果显示,控制主效应的FDR,可以降低主效应和交互效应的筛选个数,筛选出主效应的功效和筛选出交互效应的概率仍然很高。此外,附录中列出了Ⅰ型错误控制的相关专着和国内外综述。最后总结了前面两部分需要特别注意的地方,讨论了第三部分模拟研究中发现的问题,最后,提出了本研究进一步的研究方向。
刘强[6](2020)在《波流作用下海上施工栈桥承载性能评估及可靠度分析》文中提出21世纪以来,为加快对海洋开发的步伐和促进沿海地区经济快速发展,我国先后多座跨海特大型桥梁已建成或正在规划。海上施工栈桥作为一种可以在海洋上快速化装配的施工辅助设施,在我国跨海桥梁建设中得到广泛应用。与陆地环境不同,海洋环境极其复杂恶劣,这也使得修建于其中的海上施工栈桥不可避免地遭受各种恶劣的自然作用,其中,极端波浪和海流是造成海上施工栈桥破坏的关键因素,给海上施工栈桥的正常服役带来了严峻挑战。本文在归纳与梳理现有文献的基础上,以平潭海峡公铁两用大桥海上施工栈桥为工程背景,采用数值模拟结合理论推导的研究手段,对其在波流作用下的承载性能以及可靠度相关问题展开了系列研究与分析。主要研究内容与结论包括:(1)提出了波流作用下海上施工栈桥承载性能评估方法,并以平潭海峡公铁两用大桥所使用的海上施工栈桥为例,详细给出了该方法的实现流程,并研究了极端波流作用下海上施工栈桥的倒塌失效机制。研究结果表明,本文方法可同时考虑波高、流速变化对结构侧向力分布的影响,能反映结构在不同波流荷载作用下的响应信息,为服役海上施工栈桥全尺度荷载强度下的安全评估提供数据支持;损伤临界线可更为直观衡量海上施工栈桥的承载性能;海上施工栈桥的薄弱部位位于钢管桩底部及支撑框架下横撑与钢管桩相交节点的附近钢管桩单元处。(2)基于波流作用下海上施工栈桥承载性能评估方法,系统地研究了环境腐蚀、海洋附着物、钢管桩长度三个因素对海上施工栈桥承载性能的影响规律,建立了腐蚀时间、海洋附着物厚度、钢管桩长度与海上施工栈桥极限承载能力之间的数学关系。研究结果表明,随着腐蚀时间的增长,海上施工栈桥极限承载能力均先缓慢减小,随后迅速减小,最后趋于稳定;随着海洋附着物厚度或者钢管桩长度的增大,海上施工栈桥极限承载能力均呈近似线性减小的趋势,且以上三种影响因素并不改变结构的倒塌失效机制;借助于本文所提出的数学公式可快速获取考虑以上因素影响下海上施工栈桥的承载性能。(3)基于最优线性无偏估计的Kriging模型,并结合良好空间填充性的拉丁超立方抽样技术,提出了一种海上施工栈桥可靠度分析方法,基于该方法求解了海上施工栈桥的可靠度指标,并将该方法的计算结果及分析时间和Monte Carlo法、拉丁超立方法进行对比;同时采用本文方法并结合所提出的数学公式研究了环境腐蚀、海洋附着物、钢管桩长度对海上施工栈桥可靠度的影响规律。研究结果表明,相比于Monte Carlo法和拉丁超立方法,基于Kriging模型的海上施工栈桥可靠度分析方法能以更少的计算量得到海上施工栈桥较为准确的可靠度指标,可作为海上施工栈桥可靠度分析的有力手段;随着腐蚀时间的增长,海上施工栈桥的可靠度指标先缓慢减小,随后迅速减小最后趋于平稳状态;随着海洋附着物厚度的增大或者钢管桩长度的增大,海上施工栈桥的可靠度指标呈线性减小趋势。
陆健健[7](2020)在《基于集成学习算法的个人信用评分研究》文中提出近年来,随着我国社会主义市场经济由高速发展转向高质量发展,我国社会对高质量的信用经济服务也逐步提出了更多的要求。在人们的日常生活中,借钱、借书、租车、房贷等各种个人信用交易无处不在。假若仍然以传统的信用评分技术去衡量个人的信用状况,会引起个人信贷金额匹配有误的问题,导致银行贷款配发未达到最优,有时候更会造成信用误判,将信用很差的用户判断为优质用户,会给商业银行等金融借贷机构带来的巨大的违约风险,同时增加了金融经济市场的不稳定因素。与此同时,随着我国科技与教育事业的进步,近些年人工智能与机器学习领域也得到了快速的发展。在金融领域也诞生了一批用于处理个人信用评分技术的算法,例如Logistic回归算法、SVM算法、随机森林算法以及神经网络等深度学习算法。借助这些技术手段,可以快速而有效的提高金融机构对用户信用识别的精准度。本文考虑从经济学与统计学这两个学科交叉融合的角度,研究在金融领域,商业银行等金融机构对个人信贷用户信用评分建立模型的问题,即研究个人信用评分领域的评分模型建立的问题。本文将统计学算法思想运用到个人信用评分领域,试图建立一个合理有效、准确度高、稳定性强的个人信用评分模型。为商业银行等金融信贷机构提供一个既提高个人信用评分精度,又降低用户违约风险的实用而有效的模型。在第一章绪论部分,本文梳理了国内外多位学者在个人信用评分领域的研究,找出了个人信用评分研究的主要过程,包括个人信用指标选择、信用样本数据集预处理与不平衡研究、个人信用评分模型建立以及个人信用评分模型评估等四个方面。在第二第三章,本文分别介绍了个人信用评分的基本概念、集成学习算法的基本概念、集成学习算法的类型和一些常用的集成学习算法。第四章中本文提出一种改进的Random-SMOTE算法,用于处理个人信用评分第二阶段的数据集不平衡问题。在第五章中,本文提出一个以XGBoost算法为核心的个人信用评分模型,并用德国信用数据集进行实验分析。在第六章中,本文提出一个以Stacking集成算法为核心的个人信用评分模型,并用Lending Club的信用数据集进行实证分析。在文章最后,提出了对个人信用评分的总结与期望。最后,本文创新点以及主要贡献在于提出基于XGBoost算法的个人信用评分模型和基于Stacking算法的个人信用评分模型。对比SVM、随机森林、GBDT等常用算法,结果表明本文提出的两个集成学习算法在准确率(Accuracy)、精准率(Precision)、召回率(Recall)、F1得分以及ROC曲线和AUC值等性能评价指标上具有一定的优势,特别是预测精度上,显示本文提出的集成学习信用评分模型具有较好性能。
林玲[8](2020)在《面向概念漂移的数据流统计抽样方法研究》文中进行了进一步梳理随着互联网和现代化工业的发展,各种类型的数据流,如网络点击流、传感器网络流、电商购物交易、导航数据流等相继涌现。这些数据流具有数据量大、维数高、时序性强等特点,往往不能全部载入内存,只能单趟扫描。数据流对数据库存储、数据挖掘方法的计算效率提出了全新的挑战。因此,在很多实际问题中采用近似算法,对原始数据流构建概要数据结构以降低数据量对问题求解的影响。概要数据结构的质量直接影响数据库查询或数据流挖掘任务的最终结果,因此如何构建一个高质量的概要数据结构是数据流研究领域的一个重要课题。好的数据流概要应该能表示总体中的样本分布。简单地讲,它能获得与总体几乎完全同样的分析结果。抽样是生成数据流概要的主要方法,由于其生成的数据流概要通用性较强,是近几年学术界研究的热点问题之一。现有的抽样方法很少考虑数据流中概念漂移、高维特性导致的偏离以及计算存储复杂性高的问题。针对上述问题,本论文主要研究了面向概念漂移和高维数据流的概要数据结构表示,重点研究了突变式、渐变式、离群点概念漂移统计抽样问题,其主要研究内容和贡献如下:1.现有基于抽样的数据流概要算法仅考虑了稳态数据流,忽视了数据流中存在的概念漂移现象。本论文提出了一种能够适应数据分布变化的多维数据流概念漂移的统计抽样方法(Concept Drift Based Multi-Dimensional Data Streams Sampling Method,简称为CDMDSS)。具体而言:(1)单元划分的抽样策略。对参考窗口中的数据流进行单元划分,获得各维度数据的频率统计,并根据数据在滑动窗口内出现的频率按比例进行抽样;(2)自适应策略。通过滑动窗口检测数据流是否产生概念漂移。若数据分布未发生变化,则保留原始抽样数据作为数据概要,否则,将当前滑动窗口替换为参考窗口捕获新的数据分布。与经典的抽样算法相比,本论文提出的概要生成方法能够实时捕捉接近总体分布的样本,而且该方法即适合于离散性数据流也适合连续属性数据流。2.研究了渐变式的概念漂移数据流统计抽样问题。针对高维数据流中计算复杂性高和存储代价大的问题,提出了基于动态特征选择和特征保持的混合统计抽样算法。具体的,(1)重要性特征动态选择策略。依据滑动窗口变化,使用矩阵低秩近似策略选择重要性特征;(2)重要特征一致性策略。基于重要属性表示的样本分布与总体属性表示的样本分布保持一致的约束,对于当前窗口,保持重要特征不变,抽样高质量样本作为数据概要。该算法只在重要属性上做频率统计,消除了冗余计算,提高了抽样效率;当出现特征概念漂移时,算法也能获得高质量的代表性样本;最后,算法使用先进先出的队列数据结构限制随时间变化所需的内存空间上限。3.研究了异常检测任务驱动的数据流统计抽样问题。离群点在总体中占的比例很小,但服从一定的分布,可认为是数据流概念漂移现象。针对异常检测任务驱动的数据流概要中,异常点难捕捉问题,提出了一种侧重离群点抽样的数据流概要生成方法,以便及时发现异常并给出相应的处理。该方法首先使用样本不平衡划分策略,将样本划分为高密度和低密度簇,高密度簇中的数据采用随机抽样;低密度簇中的数据,利用相对距离度量算法抽样离群点;其次,使用高密度簇优先替换策略,解决数据流概要分配的空间用尽时,新数据的处理。对真实数据集的实验结果表明,本论文的方法在异常可表示性方面优于现有方法,效果优于一些经典异常检测算法。
刘亭亭[9](2019)在《地震动复合强度参数自适应构造方法及在地震风险分析中的应用》文中认为基于性能的地震工程理论广泛应用于结构抗震设计实践,该理论建立在概率框架基础上,以地震风险为研究目标,将危险性分析、需求分析、损伤分析、损失分析作为主要研究内容。地震动强度参数(Intensity measure,IM)是连接地震危险性与需求分析的关键环节,也是量化地震动破坏势的关键参数,如何选择合理的地震动强度参数是一个非常重要的研究课题。从不确定性分析的角度,选择与工程需求参数(Engineering demand parameter,EDP)相关性较高的地震动强度参数,将有助于减小结构地震需求预测结果的不确定性,从而通过选择较少数量的地震动记录,合理量化地震动记录的RTR(Record-to-record)不确定性,进而减小结构地震需求分析所需的计算资源。基于上述研究背景,选择PEER NGA-West2地震动数据库记录作为输入,根据聚类分析对地震动记录分组,分析得到单自由度体系在各组地震作用下的最大位移和滞回能量。采用多元统计分析中的主成分分析以及典型相关分析方法开展地震动强度参数与工程需求参数之间的相关性,在此基础上利用偏最小二乘回归方法构造自适应地震动复合强度参数,基于所提出的地震动复合强度参数,对西安地区进行概率地震危险性分析、易损性分析以及风险分析。本文的主要研究内容如下:(1)基于遗传模拟退火算法的聚类分析对美国PEER强震数据库中2157组水平双向地震动记录进行分组。将初选地震动记录聚类分成四组:第一组是大震级M远距离R;第二组是小震级M远距离R;第三组是小震级M近距离R;第四组是大震级M近距离R。最后将每组的地震动记录按照场地类别分类,然后将不同聚类分组的Ⅰ类场地、Ⅱ类场地、ⅠⅡ类场地的加速度反应谱进行对比分析,提出了根据震级和距离聚类并考虑场地类别的地震动记录初选方法。(2)基于主成分分析方法,以单自由度体系为研究对象,将不同聚类分组地震动记录作为输入,挑选6个地震动强度参数作为基本参数,分析地震动多元强度参数主成分与工程需求参数的相关性及其变化规律,以期为全面、准确地了解地震动强度参数与工程需求参数之间的相关性提供帮助。结果表明:由于考虑多元地震动强度参数,相比于单一地震动强度参数与工程需求参数之间的相关性,地震动多元强度参数主成分与工程需求参数之间的相关性更为稳定。(3)为了考虑多元地震动强度参数和多元工程需求参数对地震动破坏势的影响,提出一种基于典型相关分析的地震动多元破坏势评估方法。通过使多元地震动强度参数和多元工程需求参数的相关系数达到最大,获得可以较好评估地震动破坏势的地震动强度参数典型变量,为量化地震动破坏势提供了新思路。结果表明:相比于单一地震动强度参数,多元地震动强度参数可以更好地评估地震动破坏势。(4)基于偏最小二乘回归方法,将多元地震动强度参数对数线性组合成为地震动复合强度参数,对地震动复合强度参数与工程需求参数之间进行概率地震需求分析,在此基础上对地震动复合强度参数进行统计性能评价,以期为全面、准确地预测结构响应提供帮助。结果表明:地震动复合强度参数比单一地震动强度参数有效性更强,有益性更好,并且地震动复合强度参数的充分性和鲁棒性都很好。(5)基于所提出的自适应复合谱加速度,以西安地区为研究对象,依托西安地震局提供的信息,得到西安地区复合谱加速度的地震动预测模型,根据蒙特卡洛模拟得到西安地区概率地震危险性分析。在此基础上进行概率地震危险性分解,最后根据加权方法确定0.2s、1.0s、3.0s这三个结构周期的设定地震。从PEER地震动数据库中选出与西安地区场地条件相似的地震动记录,提出基于自适应复合谱加速度的条件目标谱及地震动记录优选方法。(6)将优选的地震动记录输入到单自由度体系进行增量动力分析(Incremental dynamic analysis,IDA),以位移延性系数作为需求参数,给出不同位移延性系数水平下的易损性曲线。根据概率地震危险性分析和易损性分析卷积计算概率地震风险分析,得到了位移延性系数地震风险曲线,实现了基于自适应复合谱加速度的概率风险分析。结果表明:对于概率地震风险分析而言,复合谱加速度的风险结果小于单一谱加速度的。
刘金成[10](2019)在《林分因子测计关键技术研发与应用》文中进行了进一步梳理森林生态系统是人类赖以生存和发展的最为稳定和最为丰富的资源库之一,对维持全球生态系统平衡起着不可替代的重要支撑作用。如何正确认识和经营管理好森林生态系统一直是科学界研究的重点和热点问题。林分作为森林生态系统中区划森林的最小地域单位,其特征因子是反映森林生态系统现状及其变化规律的基础数据,因此,在林业、生态和环境等诸多领域内,林分因子都成为了相关基础研究的关键数据,且需求量很大。如何高效率、高质量、低成本地对这些林分因子进行获取和统计分析,对于正确认识和指导森林生态系统的规划和决策具有较大的现实意义。为了实现这一目的,本文将林分因子的测量、计算、统计和预测分析等一体化流程统称为林分因子测计过程,并分别围绕林分的观测、监测/检测和建模预测等核心需求展开,以北京市作为研究区,以“互联网+3S技术”为技术支撑,重点研发了林分信息化观测技术、林分微样地空间抽样技术和林分生物量/碳储量动态预测技术等林分因子测计领域的关键技术,同时,分别从理论、方法和实践层面对林分因子测计关键技术的现实需求性、理论可行性和技术适用性等进行了探讨和评价分析。其主要研究结果如下:(1)林分信息化观测技术研发率先将手持式PX-80激光扫描仪引入到我国林分观测中,分别在平坦实验区和山区坡地实验区对其测计能力进行了验证,实验结果表明,其偏差(Bias)、均方根误差(RMSE)、相对偏差(rBias)和相对均方根误差(rRMSE)等评价指标均满足精度要求,是一种较为推荐的林分信息化观测技术手段。研制了一种实时动态多功能立体摄影测树系统——RTK测树仪,并依此设计了适用于单木级观测的“双向交叉摄影测量法”和适用于林分观测的“仿航线法”,实现了样木位置、胸径、树高及任意高处直径等单木级因子测计和林分三维点云构建、树心坐标位置、林分平均胸径、林分平均高等林分因子测计。实验结果表明,地面摄影测量技术以其高效性、灵活性和廉价性等优势有望在林分观测中有良好的应用前景。(2)林分微样地空间抽样技术研发基于“互联网+3S技术”思维和地理空间相似性原理,提出一种大尺度林分微样地同质化抽象聚类方法,并将北京市全域聚类为300~1000个林分微样地,同时,采用5~9棵树法对选定的微样地进行定时、定点、定位、定标的现场复测,实现对林分生长动态监测和检测的目的。为了评价其可行性,随机选取100个微样地,将其林分因子提取结果与对应的标准样地进行对比,结果表明,林分微样地法可以达到与标准样地法相近的抽样精度,其提取结果可以代表特定林分的整体平均情况。在现场实测微样地的基础上,提出利用RTK测树仪的环绕连续摄影构建可量测林分微样地3D点云的方法,实现了微样地的三维可视化,并可依据点云模型提取样木点位坐标、胸径、树高等测树仪因子,进而计算出林分平均胸径、林分平均高、株数密度和蓄积量等林分因子。实验结果表明,点云微样地法与实测微样地法具有较强的相关性,林分因子提取精度较高,同时,点云微样地法还具有三维可视化、数据采集效率高、人工成本投入低等优点,是一种推荐的林分微样地抽样方法。(3)林分生物量/碳储量动态预测技术研发以北京市214个连续清查固定样地为研究对象,在考虑环境因素影响的前提下,基于第六、第七、第八次连续3期的固定样地数据,以时间(林分年龄)参数为主导关键因子,借助SPSS Modeler软件建立了基于异速生长方程的林分生物量多元回归预测模型,实现了对未来时间段内林分生物量和碳储量的预测。结果表明,建模样本和检验样本的R2均在0.82以上,表明模型系数的拟合优度较好,估计值的标准差(SEE)、总相对误差(TRE)、平均系统误差(MSE)、平均预估误差(MPE)和平均百分标准误差(MPSE)等评价指标同样满足精度要求。此外,借助Matlab平台建立了基于BP人工神经网络的林分生物量动态预测模型,对于训练样本和检验样本,其R2均在0.88以上,拟合效果要优于多元回归模型,SEE、TRE、MSE、MPE和MPSE等评价指标同样满足精度要求,且略优于多元回归模型。同时,分别利用建立的多元回归模型和BP-ANN模型对214个固定样地下一期的生物量和碳储量进行了预测分析,证明了两种模型的稳定性和适用性。
二、抽样技术与回归分析方法在教育质量定量分析中的应用(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、抽样技术与回归分析方法在教育质量定量分析中的应用(论文提纲范文)
(1)含大规模风电的发—输—配电系统充裕性优化决策研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 发电充裕性评估模型 |
1.2.2 发电充裕性优化模型 |
1.2.3 输电系统可用输电能力决策 |
1.2.4 配电系统充裕性评估 |
1.3 研究内容及结构 |
1.3.1 研究内容 |
1.3.2 研究结构 |
1.4 论文的主要创新点 |
第2章 相关基础理论研究 |
2.1 发电充裕性评估理论 |
2.1.1 发电充裕性指标概述 |
2.1.2 发电充裕性指标的计算 |
2.1.3 基于蒙特卡洛法的发电充裕性评估 |
2.2 拟蒙特卡洛法 |
2.3 随机优化与场景分析理论 |
2.3.1 随机优化的基本概念与模型 |
2.3.2 场景分析理论 |
2.4 相关性分析理论 |
2.4.1 相关系数 |
2.4.2 Copula理论 |
2.4.3 藤Copula理论 |
2.5 风险度量 |
2.5.1 风险与风险度量概述 |
2.5.2 VaR和CVaR的定义及性质 |
2.5.3 VaR和CVaR的计算方法 |
2.6 本章小结 |
第3章 基于需求响应的含风电系统发电充裕性评估模型 |
3.1 发电机组特性建模 |
3.1.1 发电机组出力特征建模 |
3.1.2 发电机组的可靠性模型 |
3.2 用户负荷特征建模 |
3.2.1 刚性负荷 |
3.2.2 可中断负荷 |
3.2.3 可转移负荷 |
3.3 用户参与需求响应策略分析 |
3.3.1 前景理论中的价值函数 |
3.3.2 用户主观效用值的计算 |
3.3.3 基于改进Roth-Erev算法的用户行为意愿模型 |
3.4 考虑大规模风电消纳的需求响应调度模型 |
3.5 发电充裕性评估模型 |
3.5.1 发电充裕性指标的计算 |
3.5.2 发电充裕性评估模型 |
3.6 算例分析 |
3.6.1 测试系统与基本数据 |
3.6.2 发电充裕性评估结果及分析 |
3.6.3 对比分析 |
3.7 本章小结 |
第4章 基于Glue-VaR的大规模风电并网系统发电充裕性调度优化模型 |
4.1 基于Sobol序列改进拉丁超立方抽样的随机场景生成方法 |
4.1.1 风速预测误差的非参数分布模型 |
4.1.2 基于D-vine Copula的风速预测误差相关性分析模型 |
4.1.3 Sobol序列改进的拉丁超立方抽样方法 |
4.1.4 基于SaLHS的随机场景生成方法 |
4.2 基于Glue-VaR的发电充裕性评估指标 |
4.3 考虑发电充裕性风险的调度优化模型 |
4.3.1 目标函数 |
4.3.2 约束条件 |
4.3.3 基于熵权-加权聚合和积评价的多目标求解方法 |
4.4 算例分析 |
4.4.1 基于SaLHS的风速预测误差场景生成 |
4.4.2 多目标日前随机调度结果及分析 |
4.4.3 对比分析 |
4.5 本章小结 |
第5章 基于期望分位数的含风电系统可用输电能力的决策模型 |
5.1 考虑大规模风电消纳的可用输电能力决策问题分析 |
5.1.1 可用输电能力评估框架 |
5.1.2 考虑相关性的多风电场联合出力不确定性建模 |
5.1.3 考虑大规模风电消纳的可用输电能力评估模型 |
5.2 基于联合累积量的可用输电能力概率评估模型 |
5.3 基于期望分位数的风险可用输电能力决策模型 |
5.3.1 期望分位数 |
5.3.2 基于期望分位数的风险可用输电能力评估指标 |
5.3.3 基于期望分位数的风险可用输电能力决策步骤 |
5.4 算例分析 |
5.4.1 测试系统与基本数据 |
5.4.2 可用输电能力评估结果及分析 |
5.4.3 对比分析 |
5.5 本章小结 |
第6章基于相对鲁棒GVaR的配电系统风电接入充裕性优化模型 |
6.1 基于相对鲁棒GVaR的风电接入充裕性指标 |
6.1.1 风电接入充裕性 |
6.1.2 相对鲁棒GVaR风险评估模型 |
6.1.3 基于相对鲁棒GVaR的配电系统风电接入充裕性指标 |
6.2 风电-负荷分级功率模型 |
6.3 考虑风电接入充裕性的随机-鲁棒混合优化模型 |
6.3.1 目标函数 |
6.3.2 约束条件 |
6.4 随机-鲁棒混合优化模型转换与求解 |
6.5 算例分析 |
6.5.1 测试系统与基本数据 |
6.5.2 优化结果及分析 |
6.5.3 对比分析 |
6.6 本章小结 |
第7章 研究成果与结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(2)基于机器学习的药品风险分级模型(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 药品不良反应 |
1.2.2 处方药与非处方药转化 |
1.3 研究内容 |
1.4 论文组织结构 |
第二章 相关技术 |
2.1 数据挖掘技术 |
2.2 药品风险评价 |
2.3 机器学习概述 |
2.3.1 机器学习介绍 |
2.3.2 机器学习方法 |
2.4 支持向量机分类 |
2.4.1 支持向量机介绍 |
2.4.2 线性分类与非线性分类 |
2.5 本章小结 |
第三章 数据采集与预处理 |
3.1 ADR数据集 |
3.1.1 自发报告数据库 |
3.1.2 ADR数据采集 |
3.1.3 ADR数据的预处理 |
3.2 非处方药数据集 |
3.2.1 非处方药数据采集 |
3.2.2 非处方药数据处理 |
3.3 药品类别标注 |
3.4 本章小结 |
第四章 药品风险指标构建 |
4.1 药品风险相关因素分析 |
4.2 药品风险指标设计 |
4.2.1 ADR严重报告率 |
4.2.2 ADR伤害指数 |
4.2.3 ADR覆盖率 |
4.2.4 风险模型构建 |
4.3 药品风险指标分析 |
4.4 本章小结 |
第五章 基于SVM的药品风险分级研究 |
5.1 SVM分类过程 |
5.2 三分类实验设计 |
5.3 基于SVM的三分类模型实验仿真 |
5.3.1 Lib SVM工具包简介 |
5.3.2 分类器构建 |
5.3.3 参数优化 |
5.4 结果分析 |
5.5 本章小结 |
第六章 类不平衡抽样技术在药品风险分级中的应用 |
6.1 类不平衡技术 |
6.2 基于数据层的方法改进在风险分级中的应用 |
6.2.1 随机欠采样数据改进 |
6.2.2 SMOTE过抽样数据改进 |
6.3 结果分析 |
6.4 本章小结 |
第七章 总结与展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的专利 |
附录2 攻读硕士学位期间参加的科研项目 |
致谢 |
(3)轨道车辆结构可靠性分析与优化设计方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 可靠性分析方法研究现状 |
1.2.1 不确定性的来源与分类 |
1.2.2 可靠性分析的主要方法 |
1.2.3 可靠性分析方法在轨道车辆结构性能分析中的应用 |
1.3 结构优化设计的研究现状 |
1.3.1 结构优化设计的研究现状简述 |
1.3.2 优化设计方法在轨道车辆结构优化中的应用 |
1.4 存在的主要问题 |
1.5 本文主要研究内容及组织结构 |
第二章 结构可靠性分析与优化设计基本理论 |
2.1 引言 |
2.2 应力-强度干涉模型 |
2.2.1 静态应力-强度干涉模型 |
2.2.2 动态应力-强度干涉模型 |
2.2.3 时变动态应力-强度干涉模型 |
2.3 基于概率的可靠性求解方法 |
2.3.1 一次和二次可靠度方法 |
2.3.2 Monte Carlo和子集模拟方法 |
2.3.3 代理模型方法 |
2.4 结构优化设计模型 |
本章小结 |
第三章 参数不确定性对结构静/疲劳强度的影响分析 |
3.1 引言 |
3.2 考虑参数不确定性的结构静强度分析 |
3.2.1 基于D-最优试验设计的响应面代理模型 |
3.2.2 参数不确定对结构静强度影响的可靠度表示 |
3.2.3 工程算例分析 |
3.3 考虑参数不确定性的结构疲劳强度分析 |
3.3.1 多轴疲劳强度分析方法 |
3.3.2 改进Goodman-Smith疲劳极限图的绘制 |
3.3.3 参数不确定对结构疲劳强度影响的可靠度表示 |
3.3.4 基于试验的疲劳强度分析模型验证 |
3.3.5 基于RSSM的疲劳强度分析 |
本章小结 |
第四章 面向载荷工况的结构可靠性分析方法 |
4.1 引言 |
4.2 基于6σ的单工况结构可靠性分析方法 |
4.2.1 基于6σ的结构区间变量的确定 |
4.2.2 区间变量的生成策略及结构可靠度计算 |
4.2.3 工程算例分析 |
4.3 基于IDEPSO-SS的多工况结构可靠性分析方法 |
4.3.1 IDEPSO-SS算法的基本原理 |
4.3.2 多工况结构可靠性分析方法 |
4.3.3 工程算例分析 |
本章小结 |
第五章 基于随机过程的结构时变可靠性分析方法 |
5.1 引言 |
5.2 考虑参数不确定性的结构静强度时变可靠性分析方法 |
5.2.1 基于泊松和伽马随机过程的应力-强度时变性描述 |
5.2.2 结构静强度的时变可靠性分析模型 |
5.2.3 工程算例分析 |
5.3 基于等效时变动态应力-强度干涉模型的结构疲劳强度可靠性分析方法 |
5.3.1 线路试验及数据处理 |
5.3.2 时变等效应力模型 |
5.3.3 时变疲劳强度模型 |
5.3.4 等效时变动态应力-强度干涉模型 |
5.3.5 工程算例分析 |
本章小结 |
第六章 多变量/时变可靠性条件下的结构模糊优化设计方法 |
6.1 引言 |
6.2 基于多级RSSM的结构模糊优化设计 |
6.2.1 基于多级RSSM的模糊优化设计方法 |
6.2.2 基于MC方法的优化变量确定及分级 |
6.2.3 模糊优化数学模型的建立 |
6.2.4 各级RSSM的构建及优化 |
6.2.5 多级RSSM模糊优化设计的有效性验证 |
6.3 基于时变可靠性的结构多目标模糊优化设计 |
6.3.1 结构性能指标的理论推导 |
6.3.2 基于随机过程的时变可靠性模型 |
6.3.3 多目标模糊优化模型的建立 |
6.3.4 工程算例分析 |
本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
创新点摘要 |
参考文献 |
攻读博士学位期间取得的成果及参与的科研项目 |
致谢 |
(4)森林资源综合监测体系优化设计研究 ——以保定市为例(论文提纲范文)
摘要 |
ABSTRACT |
1 前言 |
1.1 研究背景与意义 |
1.2 研究现状及研究进展 |
1.2.1 国外森林资源综合监测体系研建现状 |
1.2.2 我国森林资源监测体系现状 |
1.2.3 森林资源地面监测样地类型应用与研究 |
1.2.4 森林资源监测指标体系应用与研究 |
1.3 研究目标 |
1.4 研究内容 |
1.5 技术路线 |
2 研究区概况 |
2.1 地理位置 |
2.2 森林资源概况 |
2.3 自然条件 |
2.3.1 气候条件 |
2.3.2 土壤条件 |
2.3.3 水文特征 |
2.3.4 植被类型 |
3 森林资源综合监测地面固定样地优化研究 |
3.1 引言 |
3.2 研究方案 |
3.2.1 大样地选择 |
3.2.2 单一样地类型设计方案 |
3.2.3 群团样地类型设计方案 |
3.3 结果与分析 |
3.3.1 单一样地最优样地面积尺度研究结果 |
3.3.2 群团样地最优间距研究结果 |
3.3.3 不同类型样地对比分析 |
3.4 结论与讨论 |
3.4.1 章节小结 |
3.4.2 章节讨论 |
4 森林资源综合监测年度抽样方案研究 |
4.1 引言 |
4.2 年度监测方案抽样框架及样地布设 |
4.2.1 正六边形抽样框架布设 |
4.2.2 地面固定样地布设 |
4.3 年度抽样监测方案设计 |
4.3.1 随机抽取方案 |
4.3.2 系统抽取方案 |
4.3.3 分层抽取方案 |
4.4 年度抽样监测案例试验 |
4.4.1 正六边形抽样框架大小确定 |
4.4.2 圆形群团样地监测数据模拟 |
4.4.3 年度抽样监测结果 |
4.5 结论与讨论 |
4.5.1 章节小结 |
4.5.2 章节讨论 |
5.森林资源综合一体化监测方案研究 |
5.1 引言 |
5.2 研究方案 |
5.2.1 树种组划分 |
5.2.2 模型构建 |
5.2.3 模型评价 |
5.2.4 市、县蓄积量预估及更新 |
5.3 研究结果 |
5.3.1 分别树种组模型构建结果 |
5.3.2 市、县一体化监测结果 |
5.4 结论与讨论 |
5.4.1 章节小结 |
5.4.2 章节讨论 |
6 森林资源综合监测指标体系优化研究 |
6.1 引言 |
6.2 指标体系研建方案 |
6.2.1 森林资源综合监测体系构建原则 |
6.2.2 森林资源综合监测指标体系构建思路 |
6.3 指标体系构建 |
6.3.1 林分基本概况信息监测 |
6.3.2 森林健康监测 |
6.3.3 土壤监测 |
6.3.4 森林生物量监测 |
6.3.5 生物多样监测 |
6.3.6 森林经营管理监测 |
6.4 结论与讨论 |
6.4.1 章节小结 |
6.4.2 章节讨论 |
7 结论 |
7.1 结论 |
7.2 创新点 |
7.3 研究展望 |
附录 国家级森林资源地面固定样地类型介绍 |
1 德国国家级地面固定样地(方阵式圆形群团样地代表) |
2.日本国家级地面固定样地(单一同心圆群团样地代表) |
3.美国国家级地面固定样地(四点圆形群团样地代表) |
4.加拿大国家级地面固定样地(样线结合圆形群团样地类型代表) |
5.喀麦隆国家级地面固定样地(复合样地类型代表) |
6.澳大利亚国家级地面固定样地(样带结合方形样地类型代表) |
参考文献 |
个人简介 |
导师简介 |
获得成果目录清单 |
致谢 |
(5)交互作用分析与Ⅰ型错误控制中的若干问题(论文提纲范文)
摘要 |
Abstract |
常用缩写词中英文对照表 |
前言 |
第一部分 交互作用分析 |
1.1 交互作用概述 |
1.1.1 交互作用的定义 |
1.1.2 交互作用的分类 |
1.1.3 相加交互作用与相乘交互作用的关系 |
1.1.4 交互作用的研究意义 |
1.1.5 交互作用的国内外研究进展 |
1.2 交互作用分析过程 |
1.2.1 研究设计 |
1.2.2 分析模型 |
1.2.3 评价指标 |
1.2.4 程序实现 |
1.2.5 结果报告 |
1.2.6 实例分析 |
1.3 交互作用分析中的常用技术和问题 |
1.3.1 常用数据变换 |
1.3.2 多重共线性问题 |
1.3.3 常用分析技术 |
1.3.4 标准化回归系数 |
1.3.5 交互效应与非线性效应 |
1.3.6 缺失值 |
1.4 交互作用的筛选 |
1.4.1 一阶段法 |
1.4.2 多阶段法 |
1.4.3 其他 |
第二部分 Ⅰ型错误控制 |
2.1 Ⅰ型错误控制概述 |
2.1.1 一个假设检验中的基本概念 |
2.1.1.1 一个假设检验中错误控制 |
2.1.1.2 从诊断试验看Ⅰ型错误 |
2.1.2 m个假设检验中的Ⅰ型错误控制 |
2.1.2.1 FWER控制 |
2.1.2.2 FDR控制 |
2.1.2.3 FDR(或pFDR)、local FDR与q值估计 |
2.1.2.4 小结 |
2.1.3 常用公式 |
2.1.4 常用指标 |
2.1.5 π0或m0的估计与自适应方法 |
2.1.6 常用软件及其实现 |
2.2 闭包检验与分层分析 |
2.2.1 闭包原理与闭包检验 |
2.2.2 闭包检验与序贯法 |
2.2.3 闭包检验与P值合并方法 |
2.2.4 闭包检验与固定顺序检验、守门法 |
2.2.5 闭包检验与组间比较 |
2.2.6 截尾闭包检验与序贯法 |
2.2.7 截尾闭包检验与两两比较 |
2.3 相关的处理 |
2.3.1 传统方法与相关 |
2.3.2 对相关结构建模 |
2.3.3 保留数据的相关结构 |
2.2.3.1 重抽样技术 |
2.2.3.2 伪变量 |
第三部分 Model-X knockoffs框架用于高维变量选择中的Ⅰ型错误控制 |
3.1 Model-X knockoffs框架结合不同正则化方法控制FDR的模拟研究 |
3.2 Model-X knockoffs框架结合SIS控制FDR的模拟研究 |
3.3 Model-X knockoffs框架结合两阶段方法在交互作用筛选中Ⅰ型错误控制的探讨 |
总结与讨论 |
参考文献 |
附录 |
附录1 交互作用分析 |
附录1.1 logisitc回归中基于Wald检验的样本量计算推导 |
附录1.2 logisitc回归中相乘交互作用和相加交互作用的样本量计算推导 |
附录1.3 常用分析模型(binary exposure and binary confounder)基于Wald检验的样本量计算公式中V的计算 |
附录1.4 线性回归模型的样本量计算的推导 |
附录1.5 McClelland等(2017)模拟数据的分析程序与结果 |
附录1.6 线性回归中模型总的多重共线性诊断指标汇总 |
附录1.7 线性回归中单个变量多重共线性的诊断指标汇总 |
附录2 Ⅰ型错误控制 |
附录2.1 多重检验相关的专题着作列表 |
附录2.2 多重检验相关的综述(不完整收集) |
附录2.3 多重检验相关书籍的书评(不完整收集) |
附录2.4 国内多重检验相关的综述与标准(不完整收集) |
附录2.5 Model-X knockoffs框架结合正则化方法的模拟结果1线性回归,A=4 |
附录2.6 Model-X knockoffs框架结合正则化方法的模拟结果2线性回归,A=6 |
附录2.7 Model-X knockoffs框架结合正则化方法的模拟结果3 logistic回归,A=8 |
附录2.8 Model-X knockoffs框架结合正则化方法的模拟结果4 logistic回归,A=14 |
附录2.9 Model-X knockoffs框架结合SIS的模拟结果 |
附录2.10 Model-X knockoffs框架结合Lasso用于两阶段交互作用筛选方法模拟结果,强边际原则 |
附录2.11 Model-X knockoffs框架结合Lasso用于两阶段交互作用筛选方法模拟结果,弱边际原则 |
综述 高维变量选择中的Ⅰ型错误控制综述 |
致谢 |
个人简介 |
(6)波流作用下海上施工栈桥承载性能评估及可靠度分析(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 海上施工栈桥的研究现状 |
1.2.2 海洋结构承载性能评估方法研究 |
1.2.3 海洋结构承载性能的影响因素研究 |
1.2.4 海洋结构的可靠度研究 |
1.3 存在的问题 |
1.4 本文主要研究内容 |
第2章 波流作用下海上施工栈桥承载性能评估方法 |
2.1 基本假设 |
2.2 极限状态 |
2.3 非线性分析与求解 |
2.3.1 几何非线性分析 |
2.3.2 材料非线性分析 |
2.3.3 非线性问题求解方法 |
2.4 评估流程 |
2.5 本章小结 |
第3章 跨海桥梁海上施工栈桥承载性能评估 |
3.1 工程背景 |
3.2 结构有限元模型建立 |
3.3 环境荷载计算方法 |
3.3.1 波浪荷载 |
3.3.2 海流荷载 |
3.3.3 波流共同荷载 |
3.4 波流作用下海上施工栈桥承载性能评估 |
3.5 本章小结 |
第4章 海上施工栈桥承载性能的影响因素分析 |
4.1 环境腐蚀对海上施工栈桥承载性能的影响 |
4.1.1 海洋环境腐蚀规律与类型 |
4.1.2 环境腐蚀模型确定与工况设置 |
4.1.3 计算结果与分析 |
4.2 海洋附着物对海上施工栈桥承载性能的影响 |
4.2.1 海洋附着物的影响机制 |
4.2.2 工况设置 |
4.2.3 计算结果与分析 |
4.3 钢管桩长度对海上施工栈桥承载性能的影响 |
4.3.1 工况设置 |
4.3.2 计算结果与分析 |
4.4 本章小结 |
第5章 基于Kriging模型的海上施工栈桥可靠度分析 |
5.1 结构可靠度基本理论 |
5.1.1 结构可靠度基本概念 |
5.1.2 结构极限状态与极限状态函数 |
5.1.3 结构失效概率和可靠度指标 |
5.2 基于Kriging模型的海上施工栈桥可靠度分析方法 |
5.2.1 Kriging模型基本原理 |
5.2.2 拉丁超立方抽样基本原理 |
5.2.3 海上施工栈桥可靠度分析方法 |
5.3 跨海大桥海上施工栈桥可靠度分析 |
5.3.1 环境荷载分布函数 |
5.3.2 极限状态函数建立 |
5.3.3 可靠度分析结果 |
5.4 海上施工栈桥可靠度的影响因素分析 |
5.4.1 环境腐蚀的影响 |
5.4.2 海洋附着物的影响 |
5.4.3 钢管桩长度的影响 |
5.5 本章小结 |
结论与展望 |
一、本文主要结论 |
二、需要进一步研究的问题 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文及参与的科研成果 |
攻读硕士学位期间获得的荣誉奖励 |
(7)基于集成学习算法的个人信用评分研究(论文提纲范文)
摘要 |
abstract |
符号和缩略词说明 |
第一章 绪论 |
1.1 选题的来源、背景和意义 |
1.1.1 选题来源 |
1.1.2 选题的背景 |
1.1.3 选题的意义 |
1.2 文献综述 |
1.2.1 个人信用评分指标体系 |
1.2.2 个人信用评分模型 |
1.3 研究内容和创新思想 |
1.3.1 研究内容与框架 |
1.3.3 创新点 |
1.4 研究方法和思路 |
1.4.1 研究方法 |
1.4.2 研究思路 |
第二章 个人信用评分的基本概念 |
2.1 个人信用评分基本概念 |
2.1.1 个人信用的含义 |
2.1.2 个人信用评分的含义 |
2.2 个人信用评分系统的基本概念 |
2.2.1 个人信用评分系统的界定 |
2.2.2 个人信用评分系统的构成 |
第三章 集成学习的基本概念 |
3.1 集成学习的定义 |
3.2 集成学习中重抽样技术 |
3.2.1 自助法(Bootstrap) |
3.2.2 交叉验证法(Cross Validation) |
3.3 集成学习的类型 |
3.3.1 Bagging(Bootstrap Aggregating)集成思想 |
3.3.2 Boosting集成思想 |
3.3.3 选择性集成算法 |
3.4 集成学习之结合策略 |
3.4.1 平均法 |
3.4.2 投票法 |
3.4.3 学习法 |
3.5 常见集成学习算法介绍 |
3.5.1 随机森林算法 |
3.5.2 梯度提升树算法 |
第四章 基于NR-SMOTE算法的个人信用不平衡数据方法研究 |
4.1 数据不平衡及其常见处理方法介绍 |
4.1.1 数据不平衡介绍 |
4.1.2 数据不平衡处理方法 |
4.2 NR-SMOTE算法介绍 |
4.2.3 NR-SMOTE算法介绍 |
4.2.4 NR-SMOTE算法流程 |
4.3 实验研究 |
4.4 本章小结 |
第五章 基于XGBoost算法的个人信用评分模型研究 |
5.1 XGBoost算法 |
5.2 实证分析 |
5.2.1 数据来源与描述统计 |
5.2.2 数据预处理 |
5.2.3 结果分析 |
5.3 本章小结 |
第六章 基于Stacking算法的个人信用评分研究 |
6.1 Stacking算法 |
6.1.1 Stacking算法简介 |
6.1.2 Stacking算法流程 |
6.1.3 Stacking模型建立 |
6.2 实证分析 |
6.2.1 数据来源与描述统计 |
6.2.2 数据预处理 |
6.2.3 模型评价指标 |
6.2.4 结果与分析 |
6.3 本章小结 |
第七章 总结与展望 |
7.1 论文总结 |
7.2 论文展望 |
参考文献 |
攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
致谢 |
(8)面向概念漂移的数据流统计抽样方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.1.1 数据流 |
1.1.2 数据流挖掘 |
1.1.3 数据流的应用 |
1.2 国内外研究现状 |
1.2.1 数据流管理系统 |
1.2.2 数据流挖掘技术 |
1.3 数据流窗口模型 |
1.4 数据流概要方法 |
1.4.1 直方图 |
1.4.2 小波 |
1.4.3 草图 |
1.4.4 抽样 |
1.5 概念漂移 |
1.5.1 概念漂移的定义与分类 |
1.5.2 概念漂移检测 |
1.6 本论文的研究问题以及组织结构 |
第二章 数据流抽样技术 |
2.1 传统的抽样方法 |
2.1.1 简单随机抽样 |
2.1.2 分层抽样 |
2.1.3 系统抽样 |
2.1.4 整群抽样 |
2.2 数据流抽样方法 |
2.2.1 伯努利抽样 |
2.2.2 蓄水池抽样 |
2.2.3 分层蓄水池抽样 |
2.2.4 链式抽样 |
2.2.5 概念漂移的抽样 |
2.3 本章小结 |
第三章 面向概念突变的多维数据流统计抽样 |
3.1 引言 |
3.2 相关工作 |
3.3 面向概念漂移的数据流概要方法 |
3.3.1 主成分分析 |
3.3.2 基于PCA降维的变化检测 |
3.3.3 概念漂移的统计抽样(CDMDSS) |
3.4 实验结果及评估 |
3.4.1 合成数据集上的实验对比 |
3.4.2 真实数据集上的实验对比 |
3.5 本章小结 |
第四章 面向特征重要性渐变的高维数据流统计抽样 |
4.1 引言 |
4.2 相关工作 |
4.3 提出的方法 |
4.3.1 方法流程 |
4.3.2 符号表示与问题描述 |
4.3.3 特征选择和特征保持的抽样 |
4.3.4 方法实现和复杂度分析 |
4.4 实验结果及评估 |
4.4.1 数据集和评价指标 |
4.4.2 参数设置与实验结果 |
4.5 本章小结 |
第五章 面向异常检测任务驱动的统计抽样 |
5.1 引言 |
5.2 背景知识和相关工作 |
5.2.1 异常检测背景知识 |
5.2.2 相关工作 |
5.3 基于密度划分的数据流概要 |
5.4 实验结果及评估 |
5.4.1 数据集和评价指标 |
5.4.2 实验结果和分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
简历与科研成果 |
致谢 |
(9)地震动复合强度参数自适应构造方法及在地震风险分析中的应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.1.1 课题的来源 |
1.1.2 课题的研究背景 |
1.1.3 课题的研究目的和意义 |
1.2 地震动强度参数研究现状 |
1.2.1 单一标量型地震动强度参数 |
1.2.2 复合标量型地震动强度参数 |
1.2.3 向量型地震动强度参数 |
1.2.4 研究现状评述 |
1.3 概率地震危险性分析研究现状 |
1.3.1 标量型概率地震危险性分析 |
1.3.2 向量型概率地震危险性分析 |
1.3.3 条件型概率地震危险性分析 |
1.3.4 研究现状评述 |
1.4 概率地震易损性和风险分析研究现状 |
1.4.1 标量型概率地震易损性分析 |
1.4.2 向量型概率地震易损性分析 |
1.4.3 概率地震风险分析 |
1.4.4 研究现状评述 |
1.5 地震动记录选取和调整研究现状 |
1.5.1 地震动记录选取 |
1.5.2 地震动记录调整 |
1.5.3 研究现状评述 |
1.6 本文的主要研究内容 |
第2章 地震动记录的聚类分析与初选 |
2.1 引言 |
2.2 地震动记录数据库的建立 |
2.3 基于模糊C-均值算法的聚类分析 |
2.3.1 模糊C-均值聚类算法 |
2.3.2 聚类分析结果 |
2.4 基于遗传模拟退火算法的聚类分析 |
2.4.1 遗传算法 |
2.4.2 模拟退火算法 |
2.4.3 基于遗传模拟退火算法聚类分析的基本流程 |
2.4.4 聚类分析结果 |
2.5 考虑场地类别的地震动记录初选 |
2.6 本章小结 |
第3章 地震动多元强度参数主成分与单一工程需求参数的相关性分析 |
3.1 引言 |
3.2 地震动强度参数的选取 |
3.3 单自由度体系建模与工程需求参数的选取 |
3.4 地震动多元强度参数主成分与工程需求参数的相关性分析 |
3.4.1 主成分分析的基本原理 |
3.4.2 地震动多元强度参数主成分 |
3.4.3 相关系数 |
3.4.4 结构模型对相关性的影响分析 |
3.4.5 地震动聚类分组对相关性的影响分析 |
3.5 相关性的对比分析 |
3.6 本章小结 |
第4章 地震动多元强度参数与多元工程需求参数的典型相关分析 |
4.1 引言 |
4.2 典型相关分析的基本原理 |
4.3 地震动多元强度参数典型变量与多元工程需求参数典型变量 |
4.4 假设检验与优选准则 |
4.5 结构模型和地震动聚类分组对典型相关性的影响分析 |
4.6 相关性的对比分析 |
4.7 本章小结 |
第5章 基于偏最小二乘回归分析的地震动复合强度参数自适应构造方法 |
5.1 引言 |
5.2 基于PLSR构造地震动复合强度参数的原理 |
5.2.1 偏最小二乘回归分析原理 |
5.2.2 交叉验证 |
5.2.3 偏最小二乘回归参数检验 |
5.3 基于PLSR的地震动复合强度参数自适应构造方法 |
5.4 地震动复合强度参数的交叉验证和假设检验结果 |
5.5 地震动复合强度参数的统计性能评价 |
5.5.1 有效性 |
5.5.2 有益性 |
5.5.3 充分性 |
5.6 本章小结 |
第6章 基于自适应复合谱加速度的概率地震危险性分析与地震动记录优选 |
6.1 引言 |
6.2 复合谱加速度的自适应构造 |
6.3 复合谱加速度的地震动预测方程 |
6.4 基于蒙特卡洛模拟的概率地震危险性分析及分解 |
6.4.1 概率地震危险性分析及分解原理 |
6.4.2 基于蒙特卡洛模拟的概率地震危险性分析及分解 |
6.4.3 基于蒙特卡洛模拟的概率地震危险性分析结果 |
6.4.4 基于蒙特卡洛模拟的概率地震危险性分解结果 |
6.5 基于复合谱加速度的概率地震危险性分析 |
6.6 基于复合谱加速度的概率地震危险性分解 |
6.7 基于复合谱加速度的条件均值谱和条件谱构建 |
6.8 基于条件均值谱与条件谱的地震动记录选取与调幅 |
6.9 本章小结 |
第7章 基于自适应复合谱加速度的概率地震易损性与风险分析 |
7.1 引言 |
7.2 概率地震风险分析的基本原理 |
7.3 基于复合谱加速度的增量动力分析 |
7.4 基于复合谱加速度的概率地震易损性分析 |
7.5 基于复合谱加速度的概率地震风险分析 |
7.6 本章小结 |
结论与展望 |
1. 主要结论 |
2. 创新点 |
3. 展望 |
参考文献 |
附录A:初选地震动记录聚类分析结果 |
附录B:优选地震动记录 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(10)林分因子测计关键技术研发与应用(论文提纲范文)
摘要 |
ABSTRACT |
1. 引言 |
1.1. 研究背景与意义 |
1.2. 国内外研究综述 |
1.2.1. 森林调查技术体系的发展 |
1.2.2. 林分观测技术的发展 |
1.2.2.1. 林分观测技术的四个阶段 |
1.2.2.2. 林分观测装备的研究现状 |
1.2.2.3. 林分信息化观测技术的研究现状 |
1.2.3. 林分抽样调查技术的发展 |
1.2.4. 林分生物量/碳储量预测技术的发展 |
1.3. 研究内容 |
1.3.1. 研究目标 |
1.3.2. 研究内容 |
1.3.3. 技术路线 |
1.3.4. 关键科学问题 |
1.4. 章节安排 |
1.5. 本章小结 |
2. 研究区概况 |
2.1 总体自然条件 |
2.1.1. 地理位置 |
2.1.2. 地形地貌 |
2.1.3. 水文条件 |
2.1.4. 气候条件 |
2.1.5. 植被条件 |
2.2. 总体社会经济 |
2.2.1. 人口及组成 |
2.2.2. 经济状况 |
2.3. 实验区概况 |
2.3.1. 平地实验区 |
2.3.2. 坡地实验区 |
2.4. 本章小结 |
3. 林分信息化观测技术 |
3.1. 信息化森林资源观测技术评述 |
3.2. 材料准备 |
3.2.1. 激光雷达设备 |
3.2.1.1. 硬件构成 |
3.2.1.2. 软件构成 |
3.2.1.3. 功能及参数 |
3.2.2. 摄影测量设备 |
3.2.2.1. 硬件构成 |
3.2.2.2. 核心硬件的设计与组装 |
3.2.2.3. 软件构成 |
3.2.2.4. 功能及参数 |
3.3. 精度检验指标 |
3.4. 地面激光雷达森林观测技术 |
3.4.1. 测量原理 |
3.4.2. 数据获取与处理 |
3.4.2.1. 数据获取 |
3.4.2.2. 数据预处理 |
3.4.2.3. 树木坐标提取 |
3.4.2.4. 树木胸径和树高提取 |
3.4.3. 实验结果与分析 |
3.4.3.1. 林分平坦地区验证 |
3.4.3.2. 林分山区验证 |
3.4.3.3. 讨论与结论 |
3.5. 地面摄影测量森林观测技术 |
3.5.1. 测量原理与方法 |
3.5.1.1. 单木常规测量 |
3.5.1.2. 单木高精度建模测量 |
3.5.1.3. 林分测量 |
3.5.2. 实验结果与分析 |
3.5.2.1. 单木常规测量验证 |
3.5.2.2. 单木高精度建模验证 |
3.5.2.3. 林分平坦地区验证 |
3.5.2.4. 林分山区验证 |
3.5.2.5. 讨论与结论 |
3.6. 本章小结 |
4. 林分微样地空间抽样技术 |
4.1. 林分微样地设计 |
4.2. 林分微样地建立方法 |
4.2.1. 微样地建立标准 |
4.2.2. 基于现场实测的微样地建立方法 |
4.2.3. 基于影像点云的微样地建立方法 |
4.3. 林分微样地观测原理 |
4.3.1. 林分因子计算原理 |
4.3.2. 林分微样地监测原理 |
4.3.3. 林分微样地检测原理 |
4.4. 精度检验指标 |
4.5. 实验验证与分析 |
4.5.1. 微样地布设基本情况 |
4.5.2. 微样地法与实测样地法对比 |
4.5.3. 点云微样地法与实测微样地法对比 |
4.5.4. 讨论分析 |
4.6. 本章小结 |
5. 林分生物量/碳储量动态预测技术 |
5.1. 模型研建思路 |
5.2. 研究数据采集与处理 |
5.2.1. 数据来源 |
5.2.1.1. 连续清查固定样地数据 |
5.2.1.2. 环境因子数据 |
5.2.2. 数据整理 |
5.2.2.1. 样地数据关联 |
5.2.2.2. 样地生物量计算 |
5.2.2.3. 建模因子筛选 |
5.2.3. 主要数据处理工具 |
5.3. 建模技术方法与评价 |
5.3.1. 样地数据划分 |
5.3.2. 模型评价指标 |
5.3.3. 林分生物量数理统计模型的建立方法 |
5.3.3.1. 建模因子标准化 |
5.3.3.2. 模型建立 |
5.3.3.3. 模型结果及精度评价 |
5.3.3.4. 分析与讨论 |
5.3.4. 林分生物量机器学习模型的建立方法 |
5.3.4.1. 数据整理 |
5.3.4.2. 模型建立方法 |
5.3.4.3. 模型结果与精度评价 |
5.3.4.4. 分析与讨论 |
5.4. 林分生物量/碳储量预测分析 |
5.4.1. 林分生物量预测 |
5.4.2. 林分碳储量预测 |
5.4.3. 不同建模方法的对比分析 |
5.5. 本章小结 |
6. 结论与展望 |
6.1. 结论 |
6.2. 技术对比 |
6.3. 创新点 |
6.4. 展望 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
四、抽样技术与回归分析方法在教育质量定量分析中的应用(论文参考文献)
- [1]含大规模风电的发—输—配电系统充裕性优化决策研究[D]. 马泽洋. 华北电力大学(北京), 2021(01)
- [2]基于机器学习的药品风险分级模型[D]. 刘天宇. 南京邮电大学, 2020(02)
- [3]轨道车辆结构可靠性分析与优化设计方法研究[D]. 智鹏鹏. 大连交通大学, 2020(01)
- [4]森林资源综合监测体系优化设计研究 ——以保定市为例[D]. 阳帆. 北京林业大学, 2020(01)
- [5]交互作用分析与Ⅰ型错误控制中的若干问题[D]. 王慧. 山西医科大学, 2020(11)
- [6]波流作用下海上施工栈桥承载性能评估及可靠度分析[D]. 刘强. 西南交通大学, 2020(07)
- [7]基于集成学习算法的个人信用评分研究[D]. 陆健健. 上海工程技术大学, 2020(05)
- [8]面向概念漂移的数据流统计抽样方法研究[D]. 林玲. 南京大学, 2020(12)
- [9]地震动复合强度参数自适应构造方法及在地震风险分析中的应用[D]. 刘亭亭. 哈尔滨工业大学, 2019
- [10]林分因子测计关键技术研发与应用[D]. 刘金成. 北京林业大学, 2019(04)