经过几十年的全球经济一体化,世界经济正在分裂。为了衡量这一点,我们引入了一个地缘政治分裂指数,该指数基于具有时变参数和随机波动性的动态分层因子模型。然后,我们使用结构向量自回归和局部投影来评估分裂的因果影响。分裂加剧对全球经济产生负面影响,新兴经济体受到的影响大于发达经济体。值得注意的是,分裂的负面影响是立竿见影的,而分裂减少的好处则是逐渐显现的。部门分析表明,与全球市场密切相关的行业受到的不利影响更大。最后,我们强调了不同地缘政治集团之间分裂影响的显著差异。
摘要:本文提出了一种线性参数变化 (LPV) 框架中的经济模型预测控制 (EMPC) 策略,用于控制污水处理厂 (WWTP) 曝气反应器中的溶解氧浓度。复杂非线性工厂的简化模型以准线性参数变化 (qLPV) 形式表示,以减少计算负担,实现实时操作。为了便于制定作为系统状态函数的时变参数以及用于反馈控制目的,提出了一种使用 qLPV WWTP 模型的移动范围估计器 (MHE)。基于 ASM1 模拟基准对控制策略进行了研究和评估,以进行性能评估。将 EMPC 策略应用于西班牙赫罗纳 WWTP 曝气系统的控制,所获得的结果证明了其有效性。
摘要 旋转唇形密封件因其多种优良性能而被广泛应用于飞机公用系统中,其可靠性评估受到越来越多的关注。提出一种基于时变相关分析的可靠性评估方法。采用时变Copula函数建立旋转唇形密封件两项性能指标泄漏率和摩擦扭矩之间的依赖关系,以多项式表示时变参数,并采用有效的Copula选择方法选取最优Copula函数。基于贝叶斯方法进行参数估计,基于蒙特卡罗方法计算全寿命期间的可靠度。对旋转唇形密封件进行退化试验,并通过试验数据对所提模型进行验证。基于试验数据确定了最优Copula函数和多项式的最优阶数。结果表明,该模型可有效评估旋转唇形密封件的可靠性,且能获得较好的拟合优度。 � 2019 中国航空航天学会。由 Elsevier Ltd. 制作和托管。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ )。
摘要:图形/网络已成为数据建模的强大分析方法。此外,随着传感器技术的进步,动态的时间不断发展的数据变得越来越普遍。在这种情况下,一个兴趣点是对网络内部和网络之间的信息流的更好理解。因此,我们旨在推断网络时间序列之间的Granger因果关系(G-CAUSALITY)。在这种情况下,完善的矢量自回归模型的直接应用是不可行的。因此,我们需要一个理论框架来建模时间变化图。一种可能性是考虑一个具有时变参数(假定为随机变量)的数学图模型。假设我们识别图模型参数之间的g-causality。在这种情况下,我们可以使用它来定义图之间的g-果实。在这里,我们表明,即使模型未知,光谱半径也是某些随机图模型参数的合理估计。我们说明了我们的提议的应用,以研究对照组的大脑半球与被诊断为自闭症谱系障碍(ASD)的儿童之间的关系。我们表明,ASD和对照之间的G-伴侣强度从大脑的右侧到左半球有所不同。
随着神经记录技术的进步,我们很快就能同时监测活体大脑中数百个相互连接的神经元的膜电位 [1]。这种高分辨率数据为开发实时闭环干预措施开辟了新的可能性,这些干预措施旨在治疗癫痫和帕金森氏症等神经兴奋性疾病 [2]。有效监测和控制脉冲系统的能力也影响着新兴的神经形态工程领域 [3]。良好的闭环控制设计通常需要可靠的模型估计,因此任何旨在控制神经活动的方法都必然涉及神经元模型的估计,这是一项不简单的任务。已经提出了许多用于批处理模式或离线估计神经元动力学的技术,例如 [4]、[5]、[6]、[7]。然而,活体大脑系统具有自适应性 [8],因此在线估计方法是必要的,尤其是涉及实时应用时。为了满足这一需求,[9] 中最近提出了一种基于自适应观测器的电导型神经网络在线估计方法。自适应观测器的灵感来自 [10] 和 [11],它以我们熟悉的递归最小二乘 (RLS) 算法 [12] 为基础,可以近似地跟踪缓慢变化的时变参数。基于 RLS 的自适应观测器的一个限制是观测器状态相对于参数数量迅速增加。更多的观测器状态需要更多的计算能力,这在尝试对包含数千个参数的大型神经网络模型进行在线估计时可能变得至关重要。在本文中,我们提出了一个分布式版本的线性参数估计