[發(fā)明專利]一種基于分層誤差控制的因子效應(yīng)在線識別方法和設(shè)備在審
| 申請?zhí)枺?/td> | 202210047863.9 | 申請日： | 2022-01-17 |
| 公開（公告）號： | CN114492007A | 公開（公告）日： | 2022-05-13 |
| 發(fā)明（設(shè)計）人： | 施文;謝翔;陳曉紅 | 申請（專利權(quán)）人： | 中南大學(xué) |
| 主分類號： | G06F30/20 | 分類號： | G06F30/20 |
| 代理公司： | 長沙市融智專利事務(wù)所(普通合伙) 43114 | 代理人： | 熊開蘭 |
| 地址： | 410083 湖南*** | 國省代碼： | 湖南;43 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 分層 誤差 控制 因子 效應(yīng) 在線 識別 方法 設(shè)備 | ||
1.一種基于分層誤差控制的因子效應(yīng)在線識別方法，其特征在于，包括：
步驟1，根據(jù)整體因子效應(yīng)識別的FDR水平η，對主效應(yīng)識別和交互效應(yīng)識別進(jìn)行參數(shù)初始化；
步驟2，針對在線數(shù)據(jù)驅(qū)動的仿真模型中存在的k個因子，獲取模型中在任意觀測點t取值范圍發(fā)生變動的單個因子，記為變動因子lt，進(jìn)而構(gòu)建實時設(shè)計矩陣；其中，變動因子lt∈{1，2，…，k}；
步驟3，將實時設(shè)計矩陣輸入仿真模型獲得仿真輸出，計算變動因子的基效應(yīng)；
步驟4，根據(jù)原始的變動因子基效應(yīng)樣本，轉(zhuǎn)換獲取主效應(yīng)假設(shè)檢驗的基效應(yīng)新樣本和交互效應(yīng)檢驗的基效應(yīng)新樣本：
步驟5，從主效應(yīng)假設(shè)檢驗的基效應(yīng)新樣本中有放回地獨立抽樣N次得到主效應(yīng)假設(shè)檢驗的Bootstrap樣本，以及從交互效應(yīng)檢驗的基效應(yīng)新樣本中有放回地獨立抽樣N次得到交互效應(yīng)假設(shè)檢驗的Bootstrap樣本；
該步驟5重復(fù)B次，分別獲得B個主效應(yīng)假設(shè)檢驗的Bootstrap樣本和B個交互效應(yīng)假設(shè)檢驗的Bootstrap樣本；
步驟6，對每個主效應(yīng)假設(shè)檢驗的Bootstrap樣本和每個交互效應(yīng)假設(shè)檢驗的Bootstrap樣本分別進(jìn)行統(tǒng)計，得到對應(yīng)的檢驗統(tǒng)計量；
步驟7，通過將主效應(yīng)假設(shè)檢驗的Bootstrap樣本統(tǒng)計量與原基效應(yīng)樣本主效應(yīng)統(tǒng)計量相比較，計算主效應(yīng)檢驗的p值以及通過將交互效應(yīng)假設(shè)檢驗的Bootstrap樣本統(tǒng)計量與原基效應(yīng)樣本交互效應(yīng)統(tǒng)計量相比較，計算交互效應(yīng)檢驗的p值
步驟8，確定最近一次識別重要主效應(yīng)的觀測點和重要交互效應(yīng)的觀測點使用LORD1規(guī)則分別獲得觀測點t主效應(yīng)層的檢驗水平和交互效應(yīng)層的檢驗水平
步驟9，判斷主效應(yīng)層的p值是否大于該層的檢驗水平若是則判定變動因子lt不具有重要主效應(yīng)，否則判定變動因子lt具有重要主效應(yīng)；以及判斷交互效應(yīng)層的p值是否大于該層的檢驗水平若是則判定變動因子lt不具有重要交互效應(yīng)，否則判定變動因子lt具有重要交互效應(yīng)；完成任意觀測點t對變動因子lt的識別。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對主效應(yīng)識別和交互效應(yīng)識別進(jìn)行參數(shù)初始化，具體為：
步驟1.1，根據(jù)整體因子效應(yīng)識別的FDR水平η，分配主效應(yīng)識別的FDR水平和交互效應(yīng)識別的FDR水平并滿足
步驟1.2，為主效應(yīng)識別初始化觀測點t＝1時的最大檢驗水平并定義主效應(yīng)識別時檢驗水平的最大增量為交互效應(yīng)識別初始化觀測點t＝1時的最大檢驗水平并定義交互效應(yīng)識別時檢驗水平的最大增量
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2中構(gòu)建實時設(shè)計矩陣的方法為：獲取變動因子lt的N個抽樣矩陣隨機形式然后縱向拼接構(gòu)建實時設(shè)計矩陣
所述抽樣矩陣隨機形式為2×k維矩陣，其中一行為因子組合另一行為因子組合Δ為兩行因子組合在上的差值。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，每個抽樣矩陣隨機形式的獲取過程為：
步驟A1，構(gòu)建一個由0和1構(gòu)成的(k+1)×k維抽樣矩陣B，使得第j+1行與第1行在第j列相差1，定義抽樣矩陣B如下：
步驟A2，將抽樣矩陣B轉(zhuǎn)化成觀測點t所需的第i個隨機形式使得每個因子j∈{1，2，…，k}僅能在其取值范圍[-1，1]的p個離散位置取值，即xj∈{-1，-1+2/(p-1)，…，1}，定義轉(zhuǎn)化公式如下：
其中，D*是一個k維的對角矩陣，其對角線元素為1或-1；x*中每個因子xj的取值范圍為{-1，-1+2/(p-1)，…，1-Δ}；Jk+1，k為元素全為1的(k+1)×k維矩陣；P*為k×k的隨機置換矩陣，其每一行每一列只存在一個元素為1，其余元素為0；
步驟A3，選取中的第0行以及變動因子lt所對應(yīng)行構(gòu)成新的矩陣，得到實時抽樣矩陣隨機形式其中矩陣僅在第lt列相差Δ。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中南大學(xué)，未經(jīng)中南大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210047863.9/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
