残差修正

摘要： 为满足给水系统日常管理对短期需水量预测时效的需求,建立了所需训练时间短的核极限学习机模型(kernel-based extreme learning machine,KELM);从提升预测精度的角度考虑,构造了以傅里叶级数为理论依据的残差修正模块(Fourier se-ries,FS),利用该模块对需水量初始预测值与观测值之间的差值进行建模,完成对初始预测值的残差修正,将该模块叠加于KELM模型上形成了组合预测模型(KELM+FS).通过实际数据对模型进行性能测试,结果表明:KELM模型能够与人工神经网络模型、支持向量回归模型产生相似的预测精度,但预测时间仅为二者平均值的5％左右;组合模型KELM+FS在未显著增加预测时间的前提下,比KELM模型相对预测精度提升了12％左右.在用于短期需水量预测时,无论单一模型KELM还是组合模型KELM+FS都能达到有效提升预测效率的目的.

摘要： 针对单一模型在矿山地表沉降预测中的缺陷,提出了一种基于贝叶斯估计法的沉降预测组合模型。以甘肃金昌西二采区为例,以Sentinel-1A卫星SAR影像为数据源,分别用差分整合移动平均自回归(ARIMA)模型和径向基函数神经网络模型进行单一模型预测,另外基于残差修正法和贝叶斯估计法进行组合模型预测,结果表明:ARIMA模型、径向基函数神经网络模型、残差修正法组合模型、贝叶斯估计法组合模型的平均绝对误差分别为14.067、9.427、7.415、3.326 mm,平均相对误差分别为11.40%、7.39%、6.14%、2.65%,均方根误差分别为15.878、12.097、11.335、6.254 mm;组合模型预测精度较单一模型有明显的提升,其中基于贝叶斯估计法的组合模型性能最佳,可用于中长期的矿山地表沉降预测。

摘要： 国内生猪价格频繁波动,导致难以对其进行预测。为提高生猪价格预测精度,提出ARIMA模型与SVR的组合预测模型;首先利用ARIMA模型预测生猪价格的线性特征,通过SVR模型修正ARIMA模型的预测残差得到非线性部分,最终线性部分与非线性部分相结合获得组合预测值。比较ARIMA-SVR组合模型与其单一模型的预测结果发现,ARIMA-SVR模型能够有效减少预测误差,提高生猪价格预测精度,为养殖者制定决策提供一定的科学借鉴。

摘要： 在研究构建残差修正后的GM(1,1)模型基础上,基于1995-2015年安徽省人口普查和1%人口抽样调查数据,预测2020-2050年安徽省乡村人口变动趋势。结果显示,安徽乡村人口规模将急剧萎缩,预计2030年降至2078.25万人,2050年进一步降至1262.03万人;城市人口吸纳效应持续发挥,2030年人口城镇化率将从2020年的58.33%提升至72.63%。分析了未来乡村地区将面临空心化程度加深,劳动力流失削减乡村发展潜力,老龄化向乡村养老保障施压问题。提出推进乡村振兴的过程中,要积极探索多渠道引流回流机制,提升乡村劳动力素质水平,完善新时代乡村建设与养老医疗保障服务的对策建议。

摘要： 传统的GM(1,1)模型预测精度较低,本文分别对GM(1,1)模型进行卡尔曼滤波预处理、非线性多项式拟合残差修正和组合卡尔曼滤波与残差修正的综合改进,以陕西北部某煤矿地表沉降趋于稳定后的15期实测累计沉降观测值为实验数据,开展了三种改进方法的对比分析。结果表明:组合卡尔曼滤波与残差修正的综合改进是本文三种方法中最为有效的GM(1,1)模型改进方式,为非线性系统理论在变形预测领域的更广泛应用提供了实践参考。

摘要： 工程监测中常用灰色系统的GM(1,1)模型对建(构)筑物沉降进行预测分析,但由于GM(1,1)模型本身的局限性,其预测往往存在较大误差,为了提高GM(1,1)模型在预测分析上的准确性,本文提出采用利用残差修正的方法对GM(1,1)模型进行改进,并利用该改进模型对地铁运营隧道的沉降进行预测分析,实验证明该方法相对于传统的GM(1,1)模型在预测分析的精度及可靠性上均得到了大幅提高,在工程监测上有较好的适用性.

摘要： 以经济技术开发区企业为研究对象,考虑当地气候因素,基于灰色系统理论,建立工业企业短期用电量预测模型,采用残差修正法对偏离的预测值进行修正,设计实现一种短期用电量预测算法.实验结果表明,给出的算法预测准确高,可用于指导企业计划生产所需的短期用电量.

摘要： 以某分析类别动车组百万公里故障数据为基础,研究建立了基于灰色GM(1,1)残差修正模型的动车组百万公里故障率预测模型.在优化模型中背景值的基础上,对残差进行修正,用t-3,t-2,t-1时刻的残差构造输入数据,t时刻的残差作为输出数据,用支持向量回归机对残差进行拟合,采用等维信息灰色GM(1,1)模型对建模数据进行更新.用此模型对某分析类别动车组百万公里故障率进行预测,并进行精度检验,结果表明该模型能较好的拟合该分析类别动车组百万公里故障率数据,预测准确度较高.

摘要： 鸢乌贼(Sthenoteuthis oualaniensis)是南海重要的经济头足类之一,巨大的开发潜力与经济价值使其在我国南海海洋渔业中的地位日益凸显。为深入了解南海鸢乌贼单位捕捞努力量渔获量(Catch per unit effort,CPUE)变化情况并作出科学预测,文章选择构建灰色预测模型GM(1,N),结合海洋环境因子,对2013—2019年春夏季南海鸢乌贼生产数据进行拟合预测,使用Simpson公式和Fourier级数改造原模型背景值并对拟合值残差做修正。结果显示,在鸢乌贼CPUE预测上,普通GM(1,N)模型的平均相对误差为7.78%,优化灰色GM(1,N)模型为2.54%;在2019年鸢乌贼CPUE预测上,优化灰色GM(1,N)模型将相对误差从普通GM(1,N)模型的4.79%降至1.87%。结果表明,优化的灰色模型较普通多因素GM(1,N)模型的预测精度更高,为准确预测鸢乌贼资源相对丰度提供了一种新思路。

摘要： 鸢乌贼(Sthenoteuthis oualaniensis)是南海重要的经济头足类之一,巨大的开发潜力与经济价值使其在我国南海海洋渔业中的地位日益凸显.为深入了解南海鸢乌贼单位捕捞努力量渔获量(Catch per unit effort,CPUE)变化情况并作出科学预测,文章选择构建灰色预测模型GM(1,N),结合海洋环境因子,对2013-2019年春夏季南海鸢乌贼生产数据进行拟合预测,使用Simpson公式和Fourier级数改造原模型背景值并对拟合值残差做修正.结果显示,在鸢乌贼CPUE预测上,普通GM(1,N)模型的平均相对误差为7.78％,优化灰色GM(1,N)模型为2.54％;在2019年鸢乌贼CPUE预测上,优化灰色GM(1,N)模型将相对误差从普通GM(1,N)模型的4.79％降至1.87％.结果表明,优化的灰色模型较普通多因素GM(1,N)模型的预测精度更高,为准确预测鸢乌贼资源相对丰度提供了一种新思路.

摘要： 本文通过对电力变压器油中溶解气体在线监测数据进行均值处理,基于残差修正的灰色Verhulst预测模型,能有效地预测未来时间的油中溶解气体含量均值,进而对变压器绝缘状态作出诊断.该方法有效地降低了测量时的随机误差,能预测未来时间气体均值的发展趋势.通过实例验证,本方法具有很好的实用性.

摘要： 针对大坝变形呈"S"型过程,变形监测时间序列数据具有量少、贫信息的特点,采用了灰色Verhulst模型来拟合预测大坝变形.为了提高模型的预测精度,在已知拟合残差序列的基础上建立了Fourier级数模型,并对建模以外的残差进行预测,以此修正大坝变形的预测值,取得理想效果.

摘要： 本文提出了一种基于特征线追踪和残差修正思想进行超声速流场设计的新方法,以解决全三维超声速流场设计问题.通过预先给定中心线上马赫数分布,结合残差修正的概念,分别设计了方形截面和倒矩形转高矩形超声速喷管.结果表明,所设计流道内部不存在集中的膨胀波或压缩波,出口马赫数分布均匀,气流品质较高,由此验证了特征线追踪方法在三维变截面超声速流道设计中的有效性.该方法通过假设特征线在边界层亚声速区域内的走向垂直于壁面,可直接设计得到粘流构型而无需传统方法中的边界层修正,同时由于所设计流道截面均为已知矩形,与现有其它设计方法相比,其构型更易于加工,特征线追踪反设计方法由本文首次提出,并高效利用了CFD强大的计算功能.

摘要： 常规灰色模型GM(1,1)预测是时间序列预测比较常用的模型预测方法之一.上述方法预测精度较高,但序列拐点处的预测误差比较大.为了提高预测精度,采用序列-残差联合灰色模型GM(1,1)对时间序列进行预测.首先通过对数据处理,采用灰色模型GM(1,1)对原始序列进行预测,再采用残差修正的方法,即将预测结果与实际序列之间的残差序列作为二次GM(1,1)的原始序列来预测序列的残差修正值.通过两种方法的仿真计算,结果表明联合灰色模型提高了负荷数据预测的精度.

摘要： 根据磷石膏加粉煤灰胶结充填体强度试验结果，对充填体强度的影响因素进行灰色关联分析，采用残差修正的GM(1，1)灰色预测模型，分析得出磷石膏充填体强度与水泥含量之间的关系方程，通过对比分析证明，经残差修正的预测模型具有较高的预测精度，该预测模型可指导矿山充填设计。

摘要： 利用灰色控制理论对电力需求量进行预测,从年度用电量本身挖掘有用的信息,用生成方法对原始数据进行处理,强化规律性,避免了影响电力需求量的众多因素,建立起微分拟合方程,利用残差修正模型,对城市需求量做出科学准确的预测.此方法预测精度高,所需样本少,计算简便,可检验,可取得满意的结果.

摘要： 光学坐标测量系统是建立在数字近景摄影测量技术基础上的一种新型精密测量系统,具有便携性好、精度高、测量范围大、受环境干扰小等优点,适合工业工程的现场测量.针对工业现场精密测量的需求,对摄像机模型进行了分析,提出了摄像机残差修正问题,给出修正方法,并给出基于双目立体视觉原理的通用坐标测量数学模型.搭建了完整的光学坐标测量系统,测量精度优于±0.1mm/m.

摘要： 灰色理论广泛应用于贫信息系统的建模与预测,但鉴于GM(1,1)模型的精度问题,其残差模型更适合于实际应用,而残差修正符号一直是决定该模型适用性的重要因素.本文运用神经网络方法确定残差修正符号,扩展了残差修正模型的应用范围;并根据优选组合预测理论将灰色残差预测与神经网络预测结果有机结合,给出了这一方法在材料性能预测中的应用实例,为进一步提高预测精度提供了有效的方法.

摘要： 介绍了带虚拟变量的灰色预测模型的建模原理及方法;建立了引入虚拟变量的沈阳市居民人均收入的灰色预测模型,并将之与传统的模型及带残差修正的模型进行比较,证明了该方法的有效性.

摘要： 针对目前电力系统中长期负荷预测单一预测方法精度不高,尤其是对较远时间预测可信度不高的问题,本文在前人已有成果的基础之上,对单一灰色GM(1,2)模型进行了改进,形成了一种组合优化灰色预测法。以某地区多年以来的历史数据为基础,建立了数学模型,通过实际数据计算表明:组合优化灰色GM(1,2)模型可以应用于电力系统中长期负荷预测,而且较普通灰色预测模型在预测精度上有着明显的提高,有一定的实用性。

摘要： 本发明涉及一种基于星间链路闭合残差检测的卫星钟差平差修正方法，包括以下步骤：S1、获取卫星之间的星间闭环链路；S2、获取所述星间闭环链路中两两卫星之间的星间双向距离观测数据，基于所述星间双向距离观测数据计算得到所述卫星之间的星间相对钟差测量值；S3、采用插值计算，将位于不同时刻的所述星间相对钟差测量值内插至同一时刻，以实现时间对齐；S4、利用时间对齐后的所述星间相对钟差测量值，计算得到各条所述星间闭环链路的闭合残差；S5、利用各条所述星间闭环链路的闭合残差进行平差计算，得到经过修正之后的星间相对钟差。本发明的方案能够消除卫星星间相对钟差之间不闭合的现象，减少星间相对钟差的随机噪声，提高星间相对钟差的测定精度。

摘要： 本发明涉及一种基于星间链路闭环残差检测的卫星钟差平差修正方法，包括以下步骤：S1、获取卫星之间的星间闭环链路；S2、获取所述星间闭环链路中两两卫星之间的星间双向距离观测数据，基于所述星间双向距离观测数据计算得到所述卫星之间的星间相对钟差测量值；S3、采用插值计算，将位于不同时刻的所述星间相对钟差测量值内插至同一时刻，以实现时间对齐；S4、利用时间对齐后的所述星间相对钟差测量值，计算得到各条所述星间闭环链路的闭合残差；S5、利用各条所述星间闭环链路的闭合残差进行平差计算，得到经过修正之后的星间相对钟差。本发明的方案能够消除卫星星间相对钟差之间不闭合的现象，减少星间相对钟差的随机噪声，提高星间相对钟差的测定精度。

摘要： 本发明涉及一种基于星间链路闭环残差检测的卫星轨道平差修正方法，包括：S1.获取卫星的星地观测值和星间观测值，并基于所述星地观测值和所述星间观测值进行联合定轨，得到所述卫星的轨道位置；S2.获取所述卫星之间的星间闭环链路；S3.对各条所述星间闭环链路分别计算轨道闭合残差；S4.基于各条所述星间闭环链路的所述轨道闭合残差进行平差计算，基于计算结果对所述轨道位置进行修正，并获取经过修正后的所述轨道位置；S5.重复步骤S3至S4，直至所述轨道闭合残差收敛。本发明的卫星轨道修正精度高，计算量小。

摘要： 本发明公开了一种基于可分离残差注意力网络的表情标签修正和识别方法，其步骤包括：1人脸表情数据的收集和MERC方法的预处理；2建立基于可分离残差注意力的人脸表情特征提取网络，依次包括：浅层网络模块，可分离残差注意力模块DSA以及权重输出模块；3使用标签修正模块LA，对较低权重的不确定性表情样本标签进行修正；4结合自注意力权重交叉熵损失LSCE、排序正则化损失LRR和类别权重交叉熵损失LCCE对网络进行迭代训练。本发明能够对人脸表情数据样本进行干扰去除，对不确定性样本进行标签修正，并解决类别不均衡问题，最后使用深度可分离残差注意模块，在降低网络参数的同时，能提高人脸表情的识别精度。

摘要： 本发明公开了一种基于空谱联合残差修正网络的无监督高光谱图像盲融合方法及系统，方法包括：建立高光谱图像的退化网络结构，用来模拟空间和光谱降采样过程；建立空间和光谱残差融合网络模型，利用退化模型得到的低分辨率结果与训练数据的差值作为融合网络的输入，即空间和光谱维度上的残差进行融合，得到对应于输入数据的残差图；对初始化数据进行修正，并将修正后的结果再送入退化网络和空谱联合修正网络中进行多次迭代以提高融合结果精度。本发明使用适用于无监督高光谱图像盲融合的空谱联合修正网络，空谱联合修正网络可以获得输入高光谱图像和真实值之间的误差图。

摘要： 一种基于融合残差修正的卷积神经网络的耕地监测方法及系统，包括采集相同区域内不同时相高分辨率遥感影像，进行配准预处理，然后进行影像裁剪；提取相应的耕地区域矢量标注真值，得到影像区域内的耕地样本和背景样本；构建融合残差修正的卷积神经网络，包括基于Unet网络加入空洞卷积操作，扩大感受野提取全局特征，然后融合残差修正模型对耕地提取结果进行修正，取残差修正后的结果作为耕地提取结果；对融合残差修正的卷积神经网络进行训练；针对待提取的高分辨率遥感影像，通过训练结果进行耕地提取；包括根据相同区域不同时相的遥感影像中耕地提取结果，对耕地提取结果相应栅格图像进行差值运算和形态学滤波后处理，得到耕地区域变化检测结果。

摘要： 本发明公开了一种基于SVR的超短期光伏预测残差修正方法，包括以下步骤：步骤1：用预测日实时监测的光伏发电功率数据建立预测日ARIMA滚动预测模型，得到初步预测结果；步骤2：选取一历史气象相似日，用其光伏发电功率数据建立相似日的ARIMA滚动预测模型，并计算得到相似日残差数据；步骤3：用步骤2得到的相似日残差数据建立SVR模型，得到预测日的预测残差；步骤4：采用预测日的预测残差对步骤1得到的初步预测结果进行修正，得到最终预测结果。

摘要： 本发明公开了一种基于空谱联合残差修正网络的无监督高光谱图像盲融合方法及系统，方法包括：建立高光谱图像的退化网络结构，用来模拟空间和光谱降采样过程；建立空间和光谱残差融合网络模型，利用退化模型得到的低分辨率结果与训练数据的差值作为融合网络的输入，即空间和光谱维度上的残差进行融合，得到对应于输入数据的残差图；对初始化数据进行修正，并将修正后的结果再送入退化网络和空谱联合修正网络中进行多次迭代以提高融合结果精度。本发明使用适用于无监督高光谱图像盲融合的空谱联合修正网络，空谱联合修正网络可以获得输入高光谱图像和真实值之间的误差图。

摘要： 本发明公开一种基于残差修正时间序列的用电预测方法,涉及数据预测技术领域；利用时间序列预测模型根据历史用电量数据预测获得新用电量预测数据，以历史天气数据为特征，以所述历史用电量数据与所述新用电量预测数据的差值为标签，构建残差回归模型，利用残差回归模型根据新天气数据特征预测残差，与所述新用电量预测数据结合产生用电量预测结果。

摘要： 本发明涉及基于残差修正的小水电渗透地区网供负荷预测方法，包括：对网供负荷数据进行CEMD分解；建立BiGRU网供负荷预测模型；利用模型对历史数据进行预测计算，与历史真实值进行比较，计算残差并划分残差区间，统计残差状态的状态转移概率，得到状态转移概率矩阵；计算历史降雨量的费歇值，并计算其与残差序列各阶步长的相关系数，计算得到各阶步长对应的权重；计算得到各阶步长的预测日残差状态的概率；计算各阶步长的预测日残差状态的概率的加权值作为预测日残差状态的概率；选择概率最大的残差状态作为预测日残差状态；对模型输出的网供负荷预测值进行修正，得到最终的网供负荷预测值。本发明的方法提高了网供负荷预测值的准确率。