Contents
List of symbols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Statistical definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1 Probability density function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Statistical moments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Expected value. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.2 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.3 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Working with samples from a distribution . . . . . . . . . . . . . . . . . . 9
2.3.1 Sample mean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.2 Sample variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.3 Sample covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4 Statistics of random fields . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4.1 Sample mean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4.2 Sample variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4.3 Sample covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.4 Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Bias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.6 Central limit theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Analysis scheme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.1 Sc
2021-07-14 17:12:51
13.78MB
1
matlab开发-多输入多输出多系统的模型预测控制。采用二次规划方法模拟多输入多输出系统的模型预测控制
2021-07-13 10:43:11
512KB
1
大多数随机MPC可以分为两类：第一组是基于分析方法（机会约束）的MPC，这些方法基于指数成本的期望值求解OCP，但受到概率约束，通常在预测状态下。 第二组是基于随机场景的场景（基于场景），它们解决了确定数量的不确定性随机实现（也称为场景）的OCP。
这些文件包含基本的随机预测控制仿真器，用于带有加性扰动的多变量线性系统。 干扰具有高斯概率分布并且可以有界。 总共有两个模拟器：基于状态机会约束的MPC模拟器； 另一种基于实现干扰的场景。 另外，对于每个控制器，都有基于两个弹簧系统实现的示例文件。
****************************************************** *************** 请在开始使用它之前，阅读文件“ readme.txt” ************************************************
2021-07-09 11:16:36
155KB
1
基于LSTM神经网络模型预测北京PM2.5排放量预测
代码实现
import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from tensorflow.keras import layers
from sklearn.preprocessing import StandardScaler, MinMaxScaler, OneHotEncoder
from sklearn.impute import SimpleImputer
from sklearn.model
2021-07-07 12:22:25
44KB
1