风电机组功率曲线建模是风电功率预测、状态监测、性能评估的关键环节。文章提出了一种基于lo-gistic函数和分位数回归的风电机组功率曲线建模算法。为解决风电功率的不确定性,文中在logistic函数中嵌入了分位回归损失函数,建立了分位数回归logistic模型(quantile regression logistic function,QRLF),并采用了三种优化算法进行优化;为降低原始数据中异常值的影响,提出了基于QRLF算法的自适应异常筛选方法;在三个风电场的SCADA(supervisory control and data acquisition)数据中进行了实例验证。文中采用五种评价指标对所提方法进行评估。结果表明,相比传统的风电机组功率曲线建模方法,文中所提方法可以同时提供较好的确定性功率曲线和概率性功率曲线结果。
[目的]探讨雌二醇(estradiol,E2)水平动态变化与乳腺癌患者生存预后的潜在关联,比较新辅助治疗与无新辅助治疗下乳腺癌患者生存率的差异性。[方法]基于2015—2019年新疆医科大学附属肿瘤医院随访的女性乳腺癌患者的临床数据,首先在不同分位数下(=0.10,0.25,0.50,0.75)分别建立线性分位数混合模型拟合E2水平的动态变化,并通过赤池信息量准则(akaike information criterion,AIC)与贝叶斯信息准则(Bayesian information criteria,BIC)从中选择最优模型作为联合模型的纵向子模型。其次,基于扩展的Cox比例风险模型建立生存子模型;进一步通过共享随机效应建立纵向与生存数据的贝叶斯分位数联合模型,并通过马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法估计其关联系数()。[结果]最优子模型筛选结果显示,=0.50时,纵向子模型的AIC与BIC值最小。在=0.50下构建贝叶斯分位数联合模型。联合模型结果显示,E2水平的动态变化与乳腺癌患者的生存结局显著性相关(=0.59,HR=1.80,95%CI:1.47~2.24)。新辅助治疗是乳腺癌患者的保护因素(HR=0.155,95%CI:0.047~0.384),能够降低乳腺癌患者84.5%死亡风险。[结论]乳腺癌患者E2水平增加与不良生存预后相关,新辅助治疗可降低乳腺癌患者的死亡风险,并改善其生存预后。乳腺癌患者应采取积极治疗手段控制雌二醇水平升高、抑制肿瘤的生长和扩散,从而提高患者的生存率。
暂无评论