节点理论终极篇之大结局上篇:大数据理论的应用,惩罚式算法的全码自然合并

本帖最后由 风敲叶响 于 2016-8-24 03:37 编辑


引子:

这个理论说起来比较麻烦,涉及一定的专业知识,需要从二个方面解读,就一点一点的讲吧,这几年我都怕了,一写理论,几天几夜睡不好,脑子里纵横几条出号线路,每条线路都是一个出号体系,都涉及100多张图表,数个出号体系之间谁优谁劣,特点是什么,都需要想得清楚,一个理论写下来,小小的字,A4打印纸就用了5页半,数次易稿,其实理论写得多了,也就掌握了写大文章的方法,是先写一个几百字的框架,然后把自己能够想到的都写进去,尽可能地想,在想的过程中就会发现平常连自己都想不到的东西,相当于是一个自我论战的过程,然后就是删删删,把4~5千字的文章删掉一半,这时就有一个取舍了,哪些话应该说,哪些话不应该说,都要有一番考量.

正文:

在我国铁路机车的制动机系统中,分成了二类,一类是50~60年代进口的ET-6与国产改进型EL-14制动机,还有部分的SS1,全部的SS3~SS4类机车使用的DK-1制动机,ET-6在操纵全列车的大闸上设有过充位,运转位,制动区,手柄取出位,非常制动位,DK-1的大闸位置设置也是一样,遵循列车管充风缓解,减压制动的制动原理,这种理论应用的好处就是当列车间由于意外,车钩断了的时候会起非常制动,放风了,有一个断钩保护系统,列车与机头分离时,车列会自己停下来,只不过DK-1是电空制动机,一种利用电空阀通断电时间的长短来控制机车的减压量,达到操纵列车的制动机,ET-6类制动机则取决于制动手柄在制动区放的位置,需要减压大一些,就向右边多移些,缓慢制动时就把手柄在制动区放得靠左一些.

后来到了70年代末80年初,我国自产的新型制动机JZ-7问世,它大闸位置的设置是过充位,运转位,制动区,过量减压位,手柄取出位,非常制动位,这里多了一个过量减压位,理论上说,中国现行的货运列车,列车管的压力都是6公斤,也有个别客运机车列车管的压力是5公斤,但没见到过.当制动手柄在制动区最大位时,设置的减压量是1.7公斤,列车管与闸缸的压力比是1:2.5,这时后面车列副风缸的压力就只有4.3公斤了,考虑到列车运行的安全,比如在大桥上,或比较大的弯道时,遇有紧急情况时不宜采取紧急制动,但已经制动了,还需要追加制动以缩短制动距离时,这时就把制动手柄推向了过量减压位,它设置的减压量是2.4公斤,这时车辆副风缸的压力降到3.6公斤,降下来的压力以1:2.5的比值都到了闸缸上,因为材质的关系,也考虑到管道有漏泄的情况,终端最大压力的限制是4.1公斤/平方厘米,,这时闸瓦抱在车轮上已经是火花四溅，跟非常制动的效果差不多了,但过程稍微缓慢些,有一个排风时间的问题.这个”过量减压”是中国的叫法,而在西方,就叫”惩罚制动”,我国目前运行的最新型机车和谐1型2型两个系列的机车上,大闸就有这个设置,等于是放弃了DK-1的设计,又回到了JZ-7制动理念上来,继续设置过量减压位也就是惩罚制动的位置,个人认为一个是现在铁路机车车辆的运行速度快了,再一个就是中国钢材的质量上去了,其它的就是铁路基础设施的投资量比较大,综合因素都的能够支持这种设置的存在,在正常制动的时候可以再追加一个制动量,使全列车在不起非常的情况下达到最大制动力的目的和效果,避免了轮对擦伤及可能的因为非常制动引起的脱线事故,这种惩罚制动的设计经过以国家为主导的三十年的实践检验可以说是这个世界上最成功的制动理念,因为已经没有哪个国家能够跟中国的铁路比了.

在我国大数据研究方面,如图示,参照2015年第一期的燕山大学学报,关于大数据挖掘与知识发现一栏,”基于序lasso的时间序列分析方法”的著作中,序言里有这么一段话:”由于大数据存在复杂,高维,多变等特性,造成存储分析挖掘等多个环节的困难,传统的非线性机器学习算法诸如压缩最近邻,近邻等方法,由于计算量大,算法的收敛速度慢等缺点,只适用于较小规模的数据集,1996年,Robert Tibshirani提出了一种新的变量选择方法,(least absolute shrynkane and selection operator lasso),该方法用模型系数1的范数作为惩罚来压缩模型系数,使绝对值较小的系数自动压缩为0,从而实现了显著变量选择和对应参数的估计,很好地克服了传统方法在选择特征上的不足,后面接着说”本文采用序lasso方法分析时序,在恢复真实系数上能够有效地消除尾部的波动性,估计出每个特征最合适的时滞间隔.

那天这段话看了半天没看懂,之后就放下了,等实在是闲得没事儿干了,不行就做做?不就是把尾巴的号做成0票么?我都晕了,有那么难?根据实际的出图,如果是人为的把尾巴做成0票,那是不行的,多大的标尺,多大的范围呢?法则就是法则,一但定了,就像做EXL自动表一样,不能看某一期的出号有变化就改变标尺与统计范围,需要的是数据自己有0票的号,自然成图,必须保持一个数组自然的属性,然后NNN个图后全码自然合并,各个数组的自然属性碰撞在了一起,相互牵挂着相互抵消着,一番较量之后,就抵消了我们不需要的那些东西,数组也就按着咱当初下三码的理论来了,由此到最后的时候,如图示,我终于看到了那条梦中的线大致是什么样儿,这一回连0票的号也不用做了,一天的时间不断的检验,不断的合并看结果,它就归我了,俺人为做了一条线出来,丢了原图中线的缺点,补进了自己想要的部分,节点全排也就由最初的以渐近过滤为主导的出号思想转变为以惩罚式制动,大比例权值替换为主导的出号思想.

这是条什么线呢?096期我试了一下,您把开奖号跟图比对一下就明白它的厉害了,简单地说就是一组都是优点没有缺点的的数据,它是在深度了解节点全排的出号规律与自己成图的方式后人为做出来的一组数据,是在合并数据的过程中用它合理的间隔与落差的票数替换掉自己图中数据的票数,号码的位置是不变的,有了这条线,红号自己归位,蓝号那都排排坐等着吆喝，没见我近一段时间耗子捣洞似的四处做图,做不了几期就放弃了,我那是在看程序的各个方面,多个方向路径成图,看哪一个方面有杀号,理论都是一样的,单有一张节点杀八红,哪叫好看不中用,其实我自己想这条合并曲线,一二年的时间了,理论上说得通,什么样儿没见过,但我知道做成了它,整个出号体系就像一支整齐划一的军队,向着同一个目标迈进,因为节点全排在形成图表的过程中都是大致对称的图表,有相对称的地方,也有不同之处,所以两条坡度相当大的曲线,也就是两组落差非常大的数组,替换合并的结果却是一条相对平缓的曲线与数据的时候,我就知道梦中的这条线成了,各人找到了自己应有的位置,号码集结到了它需要去的地方.

在我出贴的过程中,彩友们问得最多的就是怎么能克服因为选号产生的小规模数据波动,或是因为用了以往的开奖号,会不会有一定的统计误区,看到这里,您就看明白了吧,我是用了开奖号做索引,在合并数万张底图以后,一但形成100多张的合并图,开始统计了,权值替换开始了,就跟上期或上上期或以往的开奖号都没关系了,是数组本身在起作用,是算法在起作用,这是一种什么算法呢?经过再次的精确计算,当数据加大到程序能够承受的极限时,节点全排下三码程序在每一张图表平均的统计量是11.5~12之间,数据越大,位差越大,位差越大,图表本身的过滤效果就越好,图表的出号就有了向两边运动的趋势,相当于12个兄弟向图表的左边冲,右面有21个兄弟拉着它,劲大的那些个,跑得快了的那些个叫傻子,跑到了图表的左面,这里叫非聚合区,而非聚合区里的号,叫杀号,形成的比较好的图表,叫节点杀八红,遵循一个理论,以多种出图的方式形成了多个杀红的块,叫块杀码,断行合并这些杀红的块,就把号推向了图表的左边,就是096期贴子中的最后一张图,左边12红围中五红.

现在可以静下心来想了,这两种思想应用的领域不同,其实说的都是一个道理,应用到全排列图上,就是在数据合并的过程中,追加了一个减压量,或者说是权值替换的过程中,在合并曲线设置的时候加大了一个拉拽的力量,使出号尽可能地向设定的出号区域的走,它即要遵循原图的走势,又要在其中动些手脚,得有些作为才行,细看这条曲线,就是头要挺住,尾巴不能断崖式下垂,合并的过程中,权值替换的比例一般是1:3,但左边有一段号与右边一段号按我自己的说法,权值替换的比例达到了1:10,能够形成12红围中五红这样的图,是不是比节点杀八红强多了呢?看似简单的一个图,里边的理论却是当今世界最成熟的正在应用的理论,也是科技界正在研究的尖端理论,这可能是您没想到的事儿吧.

到8月25日,我玩彩就整整10年了,理论一路跟着写下来,总是要有一个总结,数据我比对过了,10.7.2程序没一点问题,最好的腾挪图表,说是传世之图也不为过,运行时间1分钟,位差在260组时是最大值,达到10.246,单期300组时效果最好,但位差已经下降了,怎么用这个图,您自己定,需要号向两边走,取值就小些,要是需要图表的聚合性,取值就选到最大,怎么腾挪,下回再说.:i1