This paper makes an approach to the approximate optimum in structural design,which combines the global response surface（GRS） based multivariate adaptive regression splines（MARS） with Move-Limit strategy（MLS）.MAR...This paper makes an approach to the approximate optimum in structural design,which combines the global response surface（GRS） based multivariate adaptive regression splines（MARS） with Move-Limit strategy（MLS）.MARS is an adaptive regression process,which fits in with the multidimensional problems.It adopts a modified recursive partitioning strategy to simplify high-dimensional problems into smaller highly accurate models.MLS for moving and resizing the search sub-regions is employed in the space of design variables.The quality of the approximation functions and the convergence history of the optimization process are reflected in MLS.The disadvantages of the conventional response surface method（RSM） have been avoided,specifically,highly nonlinear high-dimensional problems.The GRS/MARS with MLS is applied to a high-dimensional test function and an engineering problem to demonstrate its feasibility and convergence,and compared with quadratic response surface（QRS） models in terms of computational efficiency and accuracy.展开更多
滑坡预警预报是滑坡研究的热点和难点。速度倒数模型的简捷性和有效性使之成为广泛使用的临滑预报模型。滑坡变形加速开始点(Onset of Acceleration)直接影响到速度倒数模型的预报精度。本文基于经济学领域广泛使用的指数移动平均线,提...滑坡预警预报是滑坡研究的热点和难点。速度倒数模型的简捷性和有效性使之成为广泛使用的临滑预报模型。滑坡变形加速开始点(Onset of Acceleration)直接影响到速度倒数模型的预报精度。本文基于经济学领域广泛使用的指数移动平均线,提出了准确识别滑坡变形加速开始点的方法:(1)将滑坡速度绝对值化;(2)定义趋势变化指数ω,利用滑动时间窗口法,识别滑坡加速趋势区;(3)对加速趋势区进行速度倒数线性拟合,根据线性拟合的相关性系数,识别滑坡加速变形开始点。在此基础上,以云南省区布嘎渐变型滑坡为例,对模型识别出的OOA点准确性进行了验证,结果表明:利用本文提出的方法,可准确识别渐变型滑坡的OOA点,利用识别的OOA点对后续数据进行线性回归,其相关性系数在0.8以上,预测误差在4 d以下,显示出较好的预测结果。展开更多
基金Project supported by the National Natural Science Foundation of China (Grant No.50775084)the National Hightechnology Research and Development Program of China (Grant No.2006AA04Z121)
文摘This paper makes an approach to the approximate optimum in structural design,which combines the global response surface（GRS） based multivariate adaptive regression splines（MARS） with Move-Limit strategy（MLS）.MARS is an adaptive regression process,which fits in with the multidimensional problems.It adopts a modified recursive partitioning strategy to simplify high-dimensional problems into smaller highly accurate models.MLS for moving and resizing the search sub-regions is employed in the space of design variables.The quality of the approximation functions and the convergence history of the optimization process are reflected in MLS.The disadvantages of the conventional response surface method（RSM） have been avoided,specifically,highly nonlinear high-dimensional problems.The GRS/MARS with MLS is applied to a high-dimensional test function and an engineering problem to demonstrate its feasibility and convergence,and compared with quadratic response surface（QRS） models in terms of computational efficiency and accuracy.
文摘目的探讨自回归移动平均模型-长短期记忆(autoregressive integrated moving average-long short-term memory,ARIMA-LSTM)组合模型在肾综合征出血热(hemorrhagic fever with renal syndrome,HFRS)不同流行模式发病率预测中应用的可行性。方法收集1961—2020年全国HFRS年发病率、2004年1月至2020年12月全国、黑龙江省、吉林省、辽宁省、陕西省、山东省、河北省、广东省HFRS逐月发病率数据;全国及黑龙江省作为冬峰较春峰高代表,吉林省、辽宁省作为春峰与冬峰相当代表,陕西省、山东省作为仅存在冬峰代表,河北省、广东省作为仅存在春峰代表。1961—2014年逐年发病率、2004年1月至2020年6月逐月发病率数据作为训练集,2015—2020年逐年发病率、2020年7-12月逐月发病率数据作为测试集。分别建立ARIMA模型、ARIMA-LSTM组合模型,采用平均绝对百分比误差下降率(decline rate of mean absolute percentage error,DR_(MAPE))、均方根误差下降率(decline rate of root mean squared error,DRRMSE)评价模型拟合及预测精度优化程度。结果全国逐年、全国及黑龙江省、吉林省、辽宁省、陕西省、山东省、河北省、广东省逐月HFRS发病率拟合最佳ARIMA模型分别为ARIMA(2,0,0)、ARIMA(3,1,0)(2,1,1)_(12)、ARIMA(2,0,1)(2,1,1)_(12)、ARIMA(3,0,0)(2,1,1)_(12)含常数项、ARIMA(2,1,1)(2,1,1)_(12)、ARIMA(1,0,3)(1,1,0)_(12)、ARIMA(0,1,3)(2,1,1)_(12)、ARIMA(1,1,3)(2,0,0)_(12)、ARIMA(3,1,1)(1,1,1)_(12)。全国逐年、全国及黑龙江省、吉林省、辽宁省、陕西省、山东省、河北省、广东省逐月数据建立ARIMA-LSTM组合模型较ARIMA模型拟合的DR_(MAPE)依次为-19.57%、-46.38%、-43.27%、-46.37%、-49.70%、-48.36%、-58.23%、-35.52%、-48.74%;DRRMSE依次为-11.21%、-36.17%、-64.89%、-55.68%、-54.81%、-31.76%、-39.69%、-55.64%、-30.06%。全国逐年、全国及黑龙江省、吉林省、辽宁省、陕西省、山东省、河北省、广东省逐月数据建立ARIMA-LSTM组合模型较ARIMA模型预测的DR_(MAPE)依次为-11.10%、-8.69%、-19.68%、-36.17%、-55.57%、-9.44%、-14.60%、-14.22%、-9.26%;DRRMSE依次为-14.43%、-7.42%、-12.66%、-13.83%、-36.56%、10.37%、81.14%、-19.68%、-1.18%。结论ARIMA-LSTM组合模型总体在各类HFRS数据中拟合及预测效果均优于ARIMA模型,LSTM适于我国HFRS预测模型优化,但陕西省和山东省不适于ARIMA-LSTM预测。
文摘滑坡预警预报是滑坡研究的热点和难点。速度倒数模型的简捷性和有效性使之成为广泛使用的临滑预报模型。滑坡变形加速开始点(Onset of Acceleration)直接影响到速度倒数模型的预报精度。本文基于经济学领域广泛使用的指数移动平均线,提出了准确识别滑坡变形加速开始点的方法:(1)将滑坡速度绝对值化;(2)定义趋势变化指数ω,利用滑动时间窗口法,识别滑坡加速趋势区;(3)对加速趋势区进行速度倒数线性拟合,根据线性拟合的相关性系数,识别滑坡加速变形开始点。在此基础上,以云南省区布嘎渐变型滑坡为例,对模型识别出的OOA点准确性进行了验证,结果表明:利用本文提出的方法,可准确识别渐变型滑坡的OOA点,利用识别的OOA点对后续数据进行线性回归,其相关性系数在0.8以上,预测误差在4 d以下,显示出较好的预测结果。
