课程文献中心 更多>>

关键词： 网络化控制系统   区间观测器   隐蔽式攻击   虚假数据注入攻击   未知测量延迟  

摘要： 网络化控制系统引入了开放共享的通信网络给系统带来了连接简单、容易扩展、便于维护等优点的同时也给系统带来了一系列新问题,如数据传输延迟,数据包丢失及遭受网络攻击等,从而导致系统的性能下降。故障诊断和与容错控制技术为提高系统的安全性和可靠性提供了重要的理论支撑,故障估计为设计容错控制策略提供了所需的故障幅值及变化规律。传统的故障点估计方法通常需要假设干扰和噪声满足特定的概率分布,然而在实际系统中干扰和噪声可能有界但却难以描述其统计特性。在此背景下,本课题主要研究网络化控制系统状态与故障的联合区间估计问题,主要研究内容如下:针对传感器通道遭受隐蔽式攻击的网络化控制系统,提出并设计了一种能够对系统状态与故障进行联合区间估计的区间观测器。首先设计区间观测器获取隐蔽式攻击信号的区间估计,然后将执行器故障视为增广状态,并构建与受攻击系统等价的增广系统,基于该增广系统和隐蔽式攻击信号的区间估计设计了TNL型区间观测器。利用Lyapunov稳定性理论和线性矩阵不等式（Linear Matrix Inequality,LMI）方法得到区间观测器的参数矩阵,使得误差系统满足给定的L∞性能指标。TNL型区间观测器增加了观测器的设计自由度,且所有待设计参数矩阵均可转化为LMI进行求解,使得观测器的估计性能得到保障。该观测器得到的结果为后续设计容错控制器提供了故障幅值和系统状态等信息。针对传感器通道和执行器通道同时遭受虚假数据注入攻击的网络化控制系统,提出了一种能够对系统状态与故障进行联合区间估计的集员估计方法。通过将传感器故障视为增广状态,在此基础上设计增广状态观测器并运用Lyapunov稳定性理论和LMI方法得到观测器的参数,然后利用中心对称多胞体技术得到误差信号的区间估计,根据增广状态观测器获取的点估计和误差信号的区间估计得到增广状态的区间估计,从而获得状态与故障的区间估计。该方法通过引入H∞优化技术使得求得的估计结果更加准确,且得到的故障与状态信息可用于后续设计主动容错控制器。针对未知测量延迟下网络化控制系统状态与故障的联合区间估计问题,考虑未知但有界的过程干扰和有界的未知测量延迟,在执行器发生故障的情况下,探索TNL型区间观测器在未知测量延迟网络化控制系统中的应用。首先通过建模分析得到未知测量延迟的明确数学表达式并假设其有界,然后构建增广状态包含系统状态和执行器故障的增广系统,针对该增广系统设计TNL型区间观测器。通过Lyapunov函数借助LMI方法得到区间观测器的参数矩阵,使得误差系统满足给定的H∞性能指标。该观测器得到的故障和状态信息为后续实施主动容错控制策略奠定了基础。

关键词： 大数据   政府统计机构   职能转变  

摘要： 随着大数据、云计算、人工智能等信息技术飞速发展,我国政府需要用大数据来服务经济社会治理、公共服务、教育医疗等工作,作为其中很多工作成绩的支撑和展现,政府统计数据受到日益关注。但大数据背景下,数据收集、处理更加高效快捷,传统统计工作受到了巨大冲击,所以政府统计机构,应该站在时代的前沿,转变、优化、拓展自身职能,为经济社会发展服务。但现阶段学术界的研究主要集中在完善统计管理体制、提升统计机构权威地位、收集高质量数据等方面,对于大数据背景下政府统计机构职能转变的研究仍然处于起步阶段。政府职能定位随环境变化不断调整,本文是对政府统计三大法定职能的重新分析与定位,进而优化统计系统运作机制,精细化管理手段、方法、模式,使统计职能适应大数据环境变化,是对统计三项法定职能的流程再造和深化,是对既定三大职能内涵的丰富和外延的拓展,而不是完全的质变和重新的界定。研究以S省政府统计机构三大职能为切入点,梳理了S省政府统计机构推进职能转变现状,采用文献分析、案例研究、问卷调查、访谈法进行深入研究发现,S省政府统计机构职能转变中存在的问题,包括数据权威地位弱化、数据收集技术不足且渠道不畅、统计产品开发不足发布不及时、统计数据存在安全隐患、统计监督和预警作用仍有短板、各级统计机构均缺乏高层次人才,原因主要是统计数据质量受到质疑、信息收集手段不够和体制不完善、打造服务型政府措施不足、对数据安全问题不够重视、统计监督效能发挥不充分、人才选育模式不适应大数据发展。在此基础上提出改革考核评价机制、优化数据获取能力和来源渠道、拓展统计咨询职能、加强数据保障力量、构建统计造假防惩体系、建设现代化统计队伍等建议。本文全面系统阐述了大数据背景下,S省政府统计机构应如何推进职能转变,特别是通过运用大数据技术为用户画像的方法,提供更有针对性的公共产品,打造服务型政府统计。但是,改革从来不是一蹴而就的,政府统计机构职能转变是一个不断发展和深化的过程,而且涉及到各方面的利益关系,需要长久努力和审慎推进。可以预见的是,未来大数据技术的发展方向将越来越凸显智能化、精准化、“无人化”,统计工作从收集、分析到最后得出结论都可以利用计算机在很短的时间内自动完成,政府统计机构如何深化自身职能,适应这种变化趋势,由数据生产者向数据管理者、服务提供者转变,还需要继续研究。

关键词： 配电网状态估计   高斯过程   伪量测构建   多任务学习   区间估计  

摘要： 随着可持续化发展目标的不断推进,大量分布式能源和电动汽车的并网给配电网调控和可靠性带来诸多挑战。配电网状态估计(distribution system state estimation,DSSE)技术可以让运行人员准确地感知系统的运行状态,为后续优化控制提供数据支撑,具有重要的意义。本文在国家重点研发计划项目《弱互联混合可再生能源系统规划与稳定控制关键技术研究》(2018YFE0127600)的资助下,围绕配电网状态估计展开相关研究,主要研究内容分为三部分。首先,由于缺乏足够的投资和技术支持,实际配电网仅有少量的实时量测装置,为了解决配电网因量测装置不足造成的可观性较差的问题,本文提出了一种基于净负荷预测的伪量测构建方法,该方法以净负荷历史特征和时间信息为输入信息,通过学习输入信息到净负荷之间的映射关系来产生可靠的节点负荷伪量测数据。在澳洲一个新能源微网上的仿真实验表明该方法比其他净负荷预测方法有着更好的预测效果,可以将伪量测误差控制在10%左右。其次,针对实际中很难获取准确的配电网拓扑结构和线路参数而导致传统物理模型DSSE应用受限的问题,本文提出了一种考虑伪量测数据的数据驱动DSSE模型,它结合前文提出的伪量测构建方法,可以在使用少量的支路功率实时量测数据和大量的节点负荷伪量测数据的前提下获得状态估计结果。在IEEE33节点和119节点配电网系统上的仿真实验表明在使用采集与监视控制系统中的海量历史数据训练后,该模型可以在无需系统拓扑结构和线路参数的前提下获得比传统物理模型和其他数据驱动模型更精确的确定性估计结果和更可靠的区间估计结果。最后,实际配电网的拓扑结构会频繁地变化从而导致新拓扑结构未知以及新拓扑下的历史数据较少,为了解决在新拓扑下训练数据不足时数据驱动DSSE难以得到可靠估计结果的问题,本文提出了一种考虑拓扑变换的数据驱动DSSE模型,它通过将其它拓扑下的DSSE和新拓扑下的DSSE构建成多任务学习来找到两种拓扑结构之间的关联性,并利用这种关联性来提升新拓扑下的数据驱动DSSE估计效果。在不同规模配电网系统中的仿真实验证明了所提模型可以在新拓扑只有少量训练数据的前提下得到优异的电压估计结果。

关键词： 碳核查   QAR数据   数据分布特性   区间估计   分位回归   特征选择  

摘要： 碳核查是确保航空业减排目标得以实现的重要环节。业界采用核证航班燃油消费量的方法实现碳核查的目的。随着飞机运营人航班量的显著增加,有限的时间内高质量完成如此巨大核查工作量几乎成为难以逾越的障碍:航空器性能、载量、飞行员操纵行为和运输过程实时大气环境等综合因素会给航班燃油消费量的科学分析与工程性合理判别带来显著困难。因而,迫切需要提出新的方法来完成碳核查中油耗数据合理性的判断。基于油耗数据的分布特性,建立了两种适宜的区间估计方法来解决航班燃油消费量合理性判别所蕴含的科学问题,通过实例反证方法的有效性。首先,研究了油耗数据的分布特性。基于历史航班QAR数据获取用于油耗分析、建模、验证的数据源;采用核密度估计方法发现了短、中、长航程航段油耗数据具有双峰分布现象,研究得出造成该现象的主要原因是:不同的飞机运行方式、载量以及风的影响;发现了截尾油耗数据分布的稀疏性及非正态特性导致基于单因素的油耗估计区间难以建立的问题,为多因素的截尾油耗数据核查方法初步筛选了相关的飞行特征。其次,建立了基于SVQR-Bootstrap的区间估计方法。针对航段油耗数据具有双峰分布特性导致正态分布假设下的区间估计方法估计效果不佳的问题,采用SVQR方法估计油耗条件分位数,并将其输出作为Bootstrap的输入,估计总体统计量,进而构建估计区间。实验结果表明:所提方法无需假设数据先验分布,且能充分利用估计油耗的分布信息,所得估计区间质量较高。使用该方法可实现对油耗数据合理性的初步判断。再次,提出了基于C-SHAP-QRF的区间估计方法。旨在解决截尾油耗数据的分布特性造成基于单因素的油耗估计区间难以建立的问题,首先提出了C-SHAP方法进行特征选择,随后使用随机过采样算法在数据层面上改进QRF区间估计方法。实验结果表明:C-SHAP方法可筛选出较优的特征子集,改进的QRF区间估计方法可提高估计区间质量。使用该方法可进一步对油耗数据的合理性进行判断。

关键词： 区间估计   油耗预测   高斯过程回归   迁移学习   域适应  

摘要： 为检查飞机运营商所报油耗数据的合理性,当前第三方碳排放监测机构通常基于点估计的方法核查油耗,将航程对应的油耗预测值作为阈值,但实际上在一定区间内大于或小于预测值均合理,因而采用区间估计方法给出合理的预测范围更为可靠。同时,部分航段的油耗样本量相对较匮乏,而传统的油耗预测模型需依赖大量的飞机运行历史数据集。针对上述问题,选取具备区间量化能力的混合核函数高斯过程回归法(Mixed Kernel Gaussian Process Regression,MK-GPR)和多源域适应法(Multi-Source Domain Adaptation,MS-DA),前者从算法层面提高模型在有限训练数据条件下的预测精度,而后者是从数据层面降低模型对训练样本数量的需求。通过两种方法的有机结合,提出一种多源域适应区间估计组合模型(MS-DA-GPR),从两个角度同时提升小样本飞机油耗区间质量。主要工作如下:(1)通过分析小样本油耗数据可以看出油耗具有较强的非线性特点,同时确定与油耗相关性较高的几个特征参量,用于后续模型预测环节。分析并对比常用的几种区间估计方法以及域间距离度量方法,选取高斯过程回归法(GPR)量化区间,选取最大均值差异法(MMD)度量域间距离。(2)针对当前高斯过程回归方法在选取核函数时,没有统一标准的问题,结合其数据特点,通过系统分析核函数的结构和混合法则,选取线性核与平方指数核之和作为混合核函数,利用梯度下降法训练并求解核函数中的超参数,得到后验分布,以此建立混合核高斯过程回归模型(MK-GPR),该模型相较于单一核函数能够较好地捕捉到油耗数据中整体的线性特征和局部的非线性特征,增强模型的泛化能力。(3)针对传统综合评价指标CWC无法体现区间外点偏离程度的问题,通过加入区间相对偏差指标MRD,建立改进后的综合评价指标ICWC,可有效保证区间估计指标的可靠性,提高模型预测准确性。(4)针对传统迁移学习容易产生“负迁移”的问题,基于MMD的算法思想,通过联合概率分布适配算法(JDA)缩小两者之间边缘概率分布和条件概率分布差异,采用半监督迁移成分分析法(SSTCA)求解域间最优特征变换矩阵,构建源域与目标域的共享子空间。通过MMD法计算相邻航段间差异程度并设置每个源域的迁移权重,结合GPR模型提出一种多源域适应区间估计组合模型(MS-DA-GPR),该模型相较于单一域适应能够有效降低“负迁移”发生的可能性并提高数据资源利用率和模型训练效率,有利于降低模型对目标域训练样本数量的要求。最后,采用国内某航司A330机型的实际运行数据,将两种方法应用至小样本油耗数据集中。设计两组对比实验,验证所提方法可行性:其一,对比单一核函数与混合核函数在GPR模型中对预测结果的影响;其二,对比单一航段与多航段域适应组合模型对预测结果的影响。结果表明,基于多源域适应区间估计组合模型获得的预测结果总体上区间覆盖率更高、区间平均宽度、累计偏差、综合评价系数均更小,预测效果更好。

摘要： ~~

关键词： 广义半正态分布   区间估计   恒定应力加速寿命试验   广义置信区间  

摘要： 随着生活水平的不断提高,人们对产品的可靠性要求也越来越高。可靠性指的是部件、产品等在规定的条件下与规定的时间内,完成规定的功能的能力。定量分析可以较为精准的评估和比较产品的可靠性。通过寿命试验,获取并分析产品的失效数据是一种常用的定量分析方法。因此,采用合适的分布拟合产品的寿命十分重要。近年来,广义半正态分布引起了一些学者的注意。与现在常用的分布相比,广义半正态分布具有更厚的弹性左尾。对于不同的参数值,广义半正态分布能呈现出正偏度和负偏度,这一特征使得广义半正态分布对寿命数据的拟合效果更好。基于以上背景,本文研究广义半正态分布基于寿命试验数据的区间估计问题。基于完全寿命试验数据的广义半正态分布的区间估计,本文首先构造形状参数和尺度参数的广义枢轴量和相应的广义置信区间。然后将结果应用到一些可靠性指标的区间估计上。最后通过蒙特卡洛模拟将本文的方法与Bootstrap方法和Wald方法进行了比较,结果显示广义置信区间的区间覆盖率更为接近名义水平,最后通过实例说明。基于定数截尾恒加试验数据的广义半正态分布的区间估计,本文首先利用广义推断方法构造了形状参数的广义枢轴量,然后根据尺度参数对数变换后的线性加速模型构造模型参数的广义枢轴量。最后,将结果外推到正常应力下一些可靠性指标的广义置信区间。通过蒙特卡洛模拟将本文的方法与Bootstrap方法进行比较,得到的结果说明广义置信区间的区间覆盖率整体比较满意,最后通过实例说明。

关键词： 鞍点逼近   Bootstrap方法   零截断泊松分布   流行病学   区间估计  

摘要： 现代统计方法所使用的模型或算法需要从复杂的分布中计算各类概率,这可能导致异常复杂的计算过程,而鞍点逼近则是可行的解决方案。鞍点逼近方法是一个非常有效的近似工具,它的优势在于表达简单,计算高效,逼近精度高。特别是体现在小样本环境下,逼近误差显著优于正态近似方法。本文从经典的鞍点逼近方法入手,系统的阐述了其来源、发展、衍生以及部分应用。然而经典的鞍点逼近方法要求总体分布已知或可以推断,这一前提条件在实际工作中难以实现,因此需要进一步完善总体分布未知下的鞍点逼近方法。另一方面,现代流行病学中对指标区间估计的精度提出了更高的要求。尽管鞍点逼近方法能够给出相对高精度的估计结果,但前提是要对数据建立合适的分布模型,零截断泊松分布作为刻画家族聚集性流行病的统计分布尚鲜有研究。 为进一步扩展鞍点逼近方法,本文在格里文科定理的基础下,以经验分布函数代替总体分布函数的方式,推导了总体分布信息未知条件下经验的鞍点逼近方法,并证明了这种替换的可行性。通过蒙特卡洛模拟实验和实例分析,分别检验了其对连续型、离散型随机变量密度、质量函数逼近的精确性。结果表明经验鞍点逼近方法在小样本、大样本下相较于其他逼近方法有着更高的精确度且不需要总体信息。考虑到经验鞍点逼近方法属于逐点近似,耗时较高,本文在Python编程语言环境下设计了一种基于Numpy的矩阵算法,显著提高了计算效率。 以往对于家族聚集性流行病的建模基本集中于二项分布或泊松分布。本文考虑了一类用于研究家族聚集性流行病学统计分布:零截断泊松分布。首先给出了该分布的鞍点逼近过程,其次基于该分布和鞍点逼近方法分别对肝癌发病人数和家族聚集性的相对危险度两个指标进行了区间估计。模拟实验和实例研究表明,零截断泊松分布对家族聚集性流行病的拟合效果比二项、泊松分布更好;鞍点逼近方法在小样本和大样本条件下都能获得最短的区间长度和令人满意的覆盖率且未出现异常区间;相比较已有文献中所给出的区间估计结果得到了较大的改善。

关键词： 政府统计职能   服务型统计   数据开放  

摘要： 政府统计是反映社会经济发展以及国情国力的重要手段。随着经济社会的快速发展,社会公众对统计信息的需求和关注度也在不断增加,对政府统计职能提出了更高的要求。在政府职能转变的背景下,政府统计部门也应以此为契机,从管理型统计过渡到服务型统计,激发各统计主体活力,加大数据开放力度,以提升统计工作的社会认可度和政府统计的服务水平,最终实现统计职能的服务型转变。本文以威海市政府统计为研究对象,运用文献研究法、理论分析法、案例分析法、比较研究法等方法,结合信息不对称理论、新公共管理理论以及流程再造理论,对政府统计职能问题及优化方案进行了研究。本文首先从政府统计、统计职能及数据开放等概念入手,在参考国内外现有文献的基础上对政府统计职能的研究现状进行了综合分析,提出本文研究的重要理论和实践意义以及相关理论概念。其次通过对威海政府统计的职能现状进行分析,深入研究了目前统计职能存在的问题及原因,找到目前威海政府统计职能的症结所在,确定了统计职能优化方案的思路。再次,本文结合威海市政府统计工作实际,根据以服务为导向、依法行政、多主体共治原则,对威海市政府统计职能的优化方案进行了设想,提出在完善统计监督职能、建立部门联动机制的基础上,实现以统计服务市场化为手段,以信息化建设下数据开放为目的的统计职能优化方案,并对政府统计服务的流程进行重新设计。最后,为促进流程再造方案的实施,本文根据方案设想和工作实际,提出一系列制度、技术和要素等方面的保障措施,以切实提高政府统计服务水平,为国内其他城市政府统计职能的优化探索提供可行性的参考建议。

关键词： 序贯区间估计   主动学习   多分类   有序多分类   标签噪声   观测误差   自适应设计   最优设计  

摘要： 分类问题是科研与实际应用中非常重要的一类问题,它在生物医疗,社会科学以及工程领域等都有着广泛的应用。对于分类问题来说,数据不足会导致模型估计有偏,因此拥有足够的高质量数据至关重要。而分类数据广泛存在的一个问题是样本稀缺,且标注成本较高。本文主要研究在不同的分类场景下,如何进行样本选择以及估计所需样本量,使得在确保分类精度的前提下降低标注成本。本文主要针对多分类问题以及含有分类噪声的二分类问题进行研究,在序贯区间估计以及主动学习的方法下给出相应的样本量估计与样本选择策略。第一章介绍了本文的研究背景和意义,主要参考文献以及研究创新与不足。第二章给出了基于二分类逻辑回归算法的多分类主动序贯区间估计。首先,我们针对有序以及无序多分类问题,提出了一个统一的基于二分类逻辑回归的参数估计方法。此外,针对提出的参数估计方法,我们给出了它在样本自适应情形下的强相合性与渐近正态性。基于以上参数估计方法及其渐近性质,我们给出了序贯区间估计下的样本选择方法以及停止条件。同时,我们对于给出的序贯区间估计满足的理论性质进行了讨论,并给出相应证明。第三章给出标签噪声存在时的二分类主动序贯区间估计。首先,我们基于已知的错分概率进行建模,对于二分类逻辑回归模型进行修正。针对修正后的逻辑回归模型,我们给出了不满足严格凸性的似然估计方法,以及另一种满足严格凸性的代理参数估计方法。对于以上两种参数估计方法,我们均给出了在样本固定以及自适应情形下的强相合性与渐近正态性。基于以上参数估计以及渐近性质,我们同样给出了序贯区间估计下的样本选择方法以及停止条件,并且给出相应理论性质。第四章给出特征噪声与标签噪声同时存在时的二分类主动序贯区间估计。本章中给出了特征噪声再在满足何种性质时,第三章所提出的两种参数估计方法仍能够保持渐近性质,并且进行有效的序贯区间估计。同时,我们对于满足条件的特征噪声的现实意义以及合理性进行了阐明。基于以上参数估计方法以及特征噪声的性质,我们给出了相应的样本选择方法及序贯区间估计,并给出了序贯理论性质。对于第二章与第三章的研究,我们均给出了模拟数据与真实数据上的实验结果。而第四章的数据由于真实数据难以获得,我们给出了模拟数据上的实验结果。以上实验结果均表明我们所提出的序贯估计方法及样本选择策略能够在在保持估计精度的前提下,极大地节约样本量并且具有较高的计算效率。第五章总结全文,并讨论了进一步的工作展望。