高斯过程

摘要： 在上软下硬的地质条件下采用拱盖法进行大跨度暗挖车站施工时,由于土岩复合和跨度较大的特点,使得车站的围岩参数难以准确获取。针对这一问题,提出了一种适用于拱盖法车站的智能反分析方法:高斯过程-差异进化协同优化算法(GP-DE算法)。以大连地铁五号线石葵路车站为工程背景,在车站典型断面处安装传感器,采集施工中应力位移数据;同时建立FLAC^(3D)有限元模型,设计25组正交方案进行计算,并得出结果,通过敏感性分析找出关键参数;联合传感器实测数据与正交方案所得监测数据,运用该算法进行位移应力联合反分析,并使用FLAC^(3D)正算验证反演参数的精度。结果表明,反分析所得参数代入有限元模型正算结果与实际值较为吻合,反分析结果精度高。将反演结果运用到车站设计中,反演精度满足工程需要。

摘要： 近年来智能网联汽车发展迅速,云端预先存储的道路参数信息对于提升网联汽车的悬架控制以及检测路面不规则度至关重要。目前关于道路参数估计的工作大多在单个车辆上完成,此类算法对于车辆模型不确定性以及测量误差较敏感。针对该问题,提出了一种新的协同式估计架构,该架构能够充分利用多个同质的网联汽车的测量信息以提高估计精度。首先,在云端利用前方行驶的全部车辆的数据对高斯过程模型进行训练以通过众包方式获取道路参数的估计结果。然后,该结果以未测量的方式发送到后方相邻车辆,后方单个车辆结合自车车载传感器(如加速度计、横摆角速度以及侧倾角速度)和由云端获取的基于众包高斯过程估计结果,使用卡尔曼滤波对该估计结果进一步优化。进而估计结果被发送到云端以更新高斯过程模型。大量的仿真实验结果表明,以该种方式使用云端估计的道路参数作为额外的未测量信息能够提高道路参数的估计精度,验证了该算法的有效性。

摘要： 变压器绕组变形会导致电流过大损坏电气设备,甚至会造成严重的人身安全事故,为此提出基于高斯过程的变压器绕组微小变形监测方法。基于高斯过程提取多次观测变压器绕组经验值,经过多次查看资料统计结果获取误差,清除影响监测结果的奇异值,实现变形监测预处理。利用伏安法将变压器二次侧短接,其中一次侧施加测试电压,生成流经阻抗电流,测试施加于阻抗上的电压和电流,分析变压器短路的阻抗。引入参数辨识法,估算变压器绕组的漏电感参数,把监测辨识参数和变压器出厂时的参数进行对比,当参数值发生偏离较小时,即可认为变压器发生微小变形。通过实验验证,所提监测方法得出三相绕组的一次侧等值电阻以及漏电感存在一定的波动,不过变化的幅度不大,证明上述方法可以实现对变压器绕组微小变形的有效监测。

摘要： 传统的基于高斯过程的扩展目标跟踪(Gaussian Process Extended Target Tracking,GP-ETT)算法通常将高斯过程的输入视为精确值,输入不确定性不可忽略时,引起跟踪性能的降低。针对这一问题,定量推导了GP-ETT算法中GP输入噪声的前二阶矩,提出基于泰勒级数与数值近似的3种带输入噪声的GP-ETT算法,并求得理想环境下带输入噪声的GP-ETT最优理论性能界。仿真结果表明,改进算法的马氏距离更小,得到的性能界更合理。

摘要： 构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。

摘要： 振动是金属构件疲劳失效的重要因素,残余应力可以表征金属构件疲劳状态。然而残余应力在构件疲劳过程中演化行为复杂,传统寿命模型通常适用于残余应力缓慢松弛过程,且较少考虑初始残余应力、冷作硬化、材料差异性等影响,评估误差大。该研究融合Kodama物理模型和基于高斯过程的数据驱动方法,建立了物理模型和高斯过程融合驱动的疲劳状态评估模型。通过铝合金疲劳试验,证明该方法可减少试样材料、表面强化工艺等差异性对评估结果的影响,提高残余应力演化模型准确性。

摘要： 现有大多数工作都是通过智能电表数据独立地预测单户特性,而忽略了不同特性的联合分析,对此构建一种多任务学习模式,判别多任务间关系。该模式将每个特征看作一个独立的任务,并尝试同时预测多个家庭特征。主要解决了不同特征之间关系的嵌入结构问题和原始训练数据中存在冗余特征问题。模型通过获取任务协方差矩阵捕捉不同特征之间的内在联系,得到一个简单而鲁棒的权重矩阵。以爱尔兰用户智能电表数据为例,验证了算法的有效性。

摘要： 目的 提出一种基于高斯过程的下肢关节力矩估计方法,实现人体自然步态下下肢关节力矩精确估计。方法 根据自然步态关节力矩曲线特点,选取平方指数核函数探索关节角度和关节力矩之间的相互关系,建立基于高斯过程的数据融合模型,该模型输入为下肢关节角度,输出为关节力矩。结果 1例健康受试者以0.8 m/s的行走速度在步态跑台行走,采用提出的高斯过程模型进行3次关节力矩预测试验,试验结果显示大部分预测的期望值都落在置信区间内,89%的预测值与实际值的r~2> 0.8。结论 该方法可以较为精确地估计出关节力矩。该研究潜在应用在于优化外骨骼机器人、控制主动式假肢以及调节类人机器人的关节力矩等。

摘要： 回归类算法在估计系统谐波状态时,谐波源间的高度相关性会引起法矩阵的病态,从而显著影响谐波估计精度。为了更加准确地估计系统谐波状态,提出一种基于贝叶斯优化弹性网络回归的谐波状态估计方法。首先,在用最小二乘法进行谐波状态估计时,将带权值的1范数和2范数同时加入惩罚函数中;另外,为了更加高效准确地估计系统谐波状态,将高斯过程和贝叶斯优化应用于1范数和2范数的权值选取;最后,在IEEE 14节点中验证了所提方法的有效性。结果表明:在谐波源间存在相关性时,所提方法仍能实现合理的谐波源定位及谐波责任划分。

摘要： 考虑短期内需求不确定情况下同类型产品的定价策略研究,引入高斯过程进行需求函数的学习,利用批量汤普森算法建立基于探索-利用的两阶段学习和决策过程的定价模型。在利用提出的GP-PTS(Gaussian process-parallel Thompson sampling)算法完成数值实验和某平台出行的真实数据应用后得出的结果表明:算法的精准度取决于特征是否完备,若给定一个先验且产品特征完备时,基于GP-PTS算法模拟出来的价格会取得比目前平台价格策略更好的收益,为企业在短期内进行定价决策提供良好借鉴。

摘要： 针对盾构隧道结构设计中勘察报告提供各土层c、Φ值不准确或缺失,岩土勘察结论不明确等问题,提出了一种粒子群优化(PSO)与高斯过程回归(GPR)机器学习方法的协同优化算法(PSO-GPR)应用于岩土力学参数反分析方法.该算法在寻优过程中采用GPR模型来构建决策变量与适应度函数值之间的映射关系,以GPR模型作为适应度评价工具对PSO算法进行局部加速,减少适应度函数评价次数.通过对南京地铁轨道交通5号线(七桥翁站到小天堂站区间)下穿宁铜铁路工程实例验证了反演方法的可行性,研究结果表明,与基本PSO算法相比,该方法可显著减少参数反演过程中的有限元分析次数,计算效率明显较高,且具有不依赖于预设训练样本的优点,对高计算代价的岩土体参数反演问题具有良好的适应性.

摘要： 针对GPS高程转换的小样本、非线性特点,基于高斯过程算法提出具有概率意义的GPS高程转换模型.利用高斯过程采用4种不同建模方案建立GPS高程转换模型,并与平面拟合、一次曲面拟合、支持向量机方法进行精度对比.同时构建基于高斯过程的GPS高程转换结果置信区间估计方法,分析结果的可靠性.实例分析证实,高斯过程方法针对4种方案均获得很高精度,并且精度指标优于其余3种方法;各GPS点的实测正常高均在置信区间内,证实高斯过程方法具有很好的可靠性。

摘要： 为了对网络监视领域中样本进行预测和相关处理,大多数研究在计算基线时,都忽略了样本的概率特征,未能结合样本的数据分布,对样本进行相关的处理.因此,本文首先分析样本历史数据的噪音,通过引入高斯过程机器学习方法,提出了基于周期样本的高斯过程机器学习方法,通过采用复合核函数,实现了网络主动监控中的基线计算。通过实验,与其它算法相比,大大提高了效率,而且保证了近似的准确性。最终保障网络安全、提升网络性能和用户满意度。

摘要： 针对单一高斯过程在化工过程软测量建模中存在估计精度不高的问题，利用Bagging和高斯过程回归算法，提出一种基于Bagging 算法的集成高斯过程软测量建模方法，该算法使用 Bagging技术从训练样本集中选取若干子训练样本集，利用该若干子集形成多个高斯过程模型，并通过加权组合方式进行集成，得到最终的模型输出。将该方法应用到某双酚A 生产装置缩合反应釜出口24BPA 含量的软测量建模中，仿真结果表明相比于单一高斯过程模型，该集成算法具有

摘要： 在复杂工程结构不确定性分析等情形,常用可快速计算的代理模型替代原始的耗时数值模拟,以此提高分析效率.高斯过程响应面模型是一种新型代理模型,不仅灵活性好,精度高,还能量化自身的不确定性,在强调不确定性源辨识与量化的现代模型验证与确认(V&V )研究中具有独特的价值.然而,这种新方法在理论上还不是十分完善,应用起来也较为复杂,所以目前还没有被工程界广泛接受.为了推动其向工程应用方向发展,作者等人在高斯过程响应面模型关键技术细节的处理方法、不确定性分析中设计点的选择方法、贝叶斯模型确认/参数校准框架的简化和扩展以及复杂多输出自适应高斯过程响应面模型等方面开展了一系列研究工作,取得了一些进展.本文简要介绍了作者等人在上述几个方面取得的研究进展,并探讨存在的问题以及今后可能开展的工作.

摘要： 高斯过程响应面模型是一种新型代理模型,与蒙特卡罗方法相结合,不仅可以高效实现耗时数值模拟的不确定性(传播)分析,而且还能量化所获得的期望、方差或概率分布/密度函数等分析结果自身的不确定性。设计点选择对高斯过程响应面模型及不确定性分析结果有重要影响,本文提出了一种新方法,基于输入变量已知的概率分布而不是假设的均匀分布使用拉丁超立方设计来选择设计点.算例证实,新方法具有一定优势.

摘要： 电力系统短期负荷预测是多变量复杂预测问题,可视为一个回归问题。本文分析了影响电力负荷预测的主要因素,针对短期负荷预测中负荷与影响因素之间的复杂非线性关系,考虑了历史负荷和气象因素的影响,将预测日前5 日最大负荷和预测日平均气温作为模型输入,建立了基于高斯过程回归的短期负荷预测模型,该模型具有参数少、参数寻优容易,易收敛等优点.算例仿真表明,将高斯过程回归应用于短期电力负荷预测是可行的,所提方法预测准确度较高,且能较好地反映负荷的变化趋势。

摘要： 针对单模型建模存在泛化能力差的问题，提出一种基于仿射传播聚类和高斯过程的多模型建模方法。该方法定义了一种新的相似度使仿射传播聚类算法把样本数据按照不同的工作点进行聚类，获得的子聚类样本数据再分别使用高斯过程建立相应的子模型，用“切换开关”方式组合作为最终模型的输出。将该建模方法应用到某双酚A反应釜出口丙酮含量的软测量建模中，仿真结果表明该方法具有较高的估计精度和一定的实用价值。

摘要： 针对传统聚类方法过于依赖数据空间分布先验知识的缺点,本文提出了一种改进的扩张搜索聚类算法.由于工业过程具有非线性、多工况等特点,用单一模型描述过程特性难以取得理想效果.通过引入多模型软测量建模方法,能够对工业中不可测变量实现准确的估计,从而改善模型估计精度,提高模型泛化能力.该算法充分考虑了样本疏密度的影响,适用于任何形状的样本分布,排除样本中的孤立点,根据每个样本点的疏密度给予不同的搜索距离,并引入阈值对不同疏密度的样本点采用不同的聚类方式.采用这种改进的扩张搜索聚类算法对样本数据进行聚类,再用高斯过程对各类样本子集分别建立对应的软测量子模型,最终得到一个集成的软测量模型.仿真实验显示:基于改进的扩张搜索聚类算法建立的软测量模型具有更高的模型精度和良好的泛化性能.

摘要： 高斯过程是一种最近发展起来新的机器学习技术,对处理非线性复杂问题具有很好的适应性.非点源污染负载与其影响因素之间是复杂的非线性关系,针对传统方法的局限性,提出一种基于高斯过程的非点源污染负载预测的新方法,建立相应的非点源污染负载预测模型,基于文献资料,通过1976到1990年资料建立训练数据集和测试数据集,采用高斯过程方法建立非点源污染负载与影响因素之间的各影响因素之间的非线性映射关系,1991到1993年资料用作检验.研究结果表明,预测结果与实际观测结果比较合理,用高斯过程方法预测非点源污染负载是科学可行的.与神经网络方法和SVM方法相比,高斯过程方法具有算法参数自适应化的特点,且适用于小样本问题,预测精度高,并易于实现,具有良好的应用前景.

摘要： 本发明涉及一种变分推理的高斯非高斯成分协同的混杂过程故障检测方法，该方法基于学生t‑分布高斯/非高斯成分提取框架，并用于混杂过程故障检测；使用变分推理自动确定模型参数和模型选择，保证模型性能的提高；克服现有两阶段高斯/非高斯信息抽取算法存在的计算量大、忽略了两类信息的关联性等缺点，能够同时提取并灵活表示混杂分布中的高斯/非高斯信息,克服现有方法假设噪声水平单一的问题，提高了混杂过程信息提取能力。本发明给出独立成分的混合矩阵以及高斯成分的负荷矩阵初始化方法，加快算法的收敛速度。本发明的方法能够准确建立高斯分成、非高斯成分以及残差的监测统计量，更好地观测过程运行特点，有利于提高工业过程的认识水平。

摘要： 本发明公开了一种基于独立慢特征分析的非高斯非线性过程监控方法，属于工业过程监控与故障诊断领域。包括以下步骤：一、收集历史正常工况下的观测数据，利用ISFA从观测数据中提取出既相互独立又变化缓慢的隐变量；二、建立相关统计指标，并利用核密度估计方法估计统计指标的概率密度函数确定控制限；三、采集在线过程数据，计算在线数据的统计指标并与控制限进行对比，如果超出控制限，则判断过程中存在故障。本发明可以在观测数据由隐变量非线性混合而成的非高斯、非线性过程中，更好地提取出能够刻画过程非线性的隐变量，从而能获得比传统数据驱动方法更准确的检测结果，从而减少故障带来的损失，提高过程运行的安全性。

摘要： 本发明公开了一种基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法，包括以下步骤：(1)对待检测的控制过程，采集与待检测变量相关的过程变量传感器的输出信号；(2)对采集的过程变量的信号数据进行预处理，去除异常值；(3)对预处理后的数据进行重新排列并保留数据的阶段信息；(4)所有数据进行特征提取并建立回归模型；(5)保存当前参数权重，计算最终最大后验值，若不满足停止条件，更新参数并重复步骤(4)，直至达到停止条件；(6)保存各层参数值，对新的预测点进行重新计算并获得几何质量的概率分布。利用本发明，能够获取更高精度的虚拟计量结果，并计算预测结果的不确定度，为模型进一步提升提供数值基础。

摘要： 本发明公开了一种基于高斯过程回归和遗传算法的装载机铲装过程优化方法，包括以下步骤：⑴、人工操作进行多次铲装实地作业，提取每次作业的AB、BC、CD和DE四个阶段的装载机位移、动臂油缸位移和转斗油缸位移以及A点的插入瞬时速度，获得多组轨迹特征参数；⑵、编码：⑶、引入适应度函数，适应度函数为高斯过程回归模型⑷、种群进化，设定种群进化次数，每次进化过程如下：①、选择过程；②、交叉过程；③、变异过程；④、进化过程；⑤、重复进行步骤①‑④，直至达到设定的种群进化次数，得到完成进化后的种群；⑸、解码过程：得到最佳轨迹特征参数。本发明方法优化后的装载机铲装自动作业轨迹更为准确，工作效率更高。

摘要： 本发明提供了一种基于高斯过程回归的烧结过程运行性能预测的方法，以田口过程能力指数作为运行性能的评价指标。首先，利用互信息分析方法选择出与运行性能具有较强相互依赖关系的检测参数。将选择出的检测参数作为运行性能预测模型的输入，运行性能作为输出，利用高斯过程回归方法构建运行性能预测模型。将获取的实际烧结过程中的检测数据输入至所述运行性能预测模型，得到当前烧结过程的运行性能。本发明的有益效果是：提高了烧结过程运行性能的预测精度，为操作人员评价烧结过程提供了有力指导，具备实用性，具有广阔的应用前景。

摘要： 本发明公开了一种基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法，包括以下步骤：(1)对待检测的控制过程，采集与待检测变量相关的过程变量传感器的输出信号；(2)对采集的过程变量的信号数据进行预处理，去除异常值；(3)对预处理后的数据进行重新排列并保留数据的阶段信息；(4)所有数据进行特征提取并建立回归模型；(5)保存当前参数权重，计算最终最大后验值，若不满足停止条件，更新参数并重复步骤(4)，直至达到停止条件；(6)保存各层参数值，对新的预测点进行重新计算并获得几何质量的概率分布。利用本发明，能够获取更高精度的虚拟计量结果，并计算预测结果的不确定度，为模型进一步提升提供数值基础。

摘要： 结晶过程晶体尺寸分布的及时在线高斯过程回归模型方法，属于工业分布式产品预测技术领域。它包括如下步骤：1、对典型的批量结晶过程提取特征，提取特征参数包括时间、温度和种子长度；2、对提取到的特征建立局部在线高斯过程回归模型进行训练并评估，采用GPR与JIT策略集成对数据进行分析预测。本发明从仿真数据中提取的特征及建立局部在线高斯过程回归模型并对训练模型进行评估，在高斯过程回归模型的基础上集成JIT(just‑in‑time)策略，使其结果更加符合实际标签值，最终其结果可以应用到工业结晶过程的晶体尺寸分布预测过程中，予以一定的指导意义。

摘要： 本发明属于水体遥感技术领域，具体涉及一种基于高斯过程回归的QAA水体固有光学特性反演方法。该方法在使用QAA算法进行水体固有光学特性反演过程中，参考波段λ0的吸收系数a(λ0)和颗粒物后向散射系数光谱斜率Y不再使用经验模型，而利用高斯过程回归构建得到第一反演模型GPR‑a和第二反演模型GPR‑Y，利用这两个模型来计算参考波段λ0的吸收系数a(λ0)和颗粒物后向散射系数光谱斜率Y。相较于传统的QAA算法，本发明方法的反演精度得到了显著提升，且提升了水体适应性，同时由于引入了高斯过程回归，使得其可以评估反演结果的不确定性。

摘要： 本发明公开了一种融合高斯过程的飞行器轨迹控制方法，包括以下三部分：三维数据收集、高斯过程建模和模型预测控制。该方法使用模型预测控制作为主控算法，同时融合高斯过程对下一时刻的过程进行预测，并将融合高斯过程的模型预测控制与四旋翼飞行器运动速度轨迹相结合，具有一定的高效性、精确性和实时性，通过本发明所提出的方法，飞行器轨迹跟踪误差能够有效减少。本发明的飞行器轨迹模型预测控制方法通过对训练样本中数据集进行采样来降低模型预测控制过程中的优化难度，提高模型预测控制的稳定性。

摘要： 本发明公开了一种基于高斯过程的工业互联网入侵检测方法，包括：利用拉普拉斯特征映射算法对选取的特征进行降维，采用融合柯西变异算子的灰狼优化算法选取最优超参数，通过高斯过程检测异常流量，工控流量包含三类重要特征：基于时间序列、数据包头和数据内容信息。本发明提出了一种新的工业互联网入侵检测方法，可以提前发现工业互联网中的入侵行为，进行防御以阻止设备被攻击破坏。