导读:本文包含了参数混合模型论文开题报告文献综述及选题提纲参考文献，主要关键词:测量误差模型,混合测量误差,线性回归模型,校正似然法
参数混合模型论文文献综述
魏伟[1]（2019）在《带混合测量误差的线性回归模型的参数估计》一文中研究指出在研究带测量误差的线性回归模型时常考虑的是classical测量误差或者Berkson测量误差,而classical和Berkson混合的测量误差研究较少.利用校正似然法讨论带classical和Berkson混合测量误差的线性回归模型的参数估计,并给出估计量的渐近分布.最后,通过R软件进行数值模拟验证估计方法的优良性.(本文来源于《河北师范大学学报(自然科学版)》期刊2019年06期）
马艳,王婷婷,庄新村[2]（2019）在《Chaboche混合硬化模型在大应变-变路径加载条件下的参数标定》一文中研究指出为确定Chaboche混合硬化模型在大应变-变路径加载条件下的待定参数,提出了一种新的参数标定方法。首先,针对Al2024-T351铝合金设计了单轴等应变幅值拉压循环实验,得到了相应的应力-应变滞回曲线,通过推导混合硬化模型主控方程进行实验数据拟合,获得了随动硬化规律。随后,基于光滑圆棒料(SRB)单向拉伸试验的流动应力曲线和外推模型,将应力-应变关系外推至大应变范围。最后,利用保留前述随动硬化规律的Chaboche模型对大应变范围内的SRB流动应力曲线进行拟合,得到最终的Chaboche混合硬化模型参数。实验验证表明,所标定的Chaboche混合硬化模型能很好地预测大变形-变路径加载条件下材料的硬化行为。(本文来源于《塑性工程学报》期刊2019年05期）
杨程程,刘朝晖,柳力,李盛,范萌萌[3]（2019）在《基于空间分布模型的玄武岩纤维参数对沥青混合料的影响》一文中研究指出针对玄武岩纤维在沥青混合料中的空间分布状态,利用MATLAB、AutoCAD和ABAQUS等软件,建立了玄武岩纤维在沥青混合料内的分布模型,研究了不同纤维空间分布状态对沥青混合料性能的影响。基于空间随机分布模型,分析了不同纤维掺量和长径比对沥青混合料弯拉性能的影响,研究结果表明:随着纤维掺量和纤维长径比的增大,沥青混合料层底最大弯拉应力呈减小趋势,即沥青混合料抗弯拉性能越好,考虑经济性和实际施工情况,得到0.3%掺量和纤维长径比为35(纤维长度为6 mm)时,纤维加筋效果最佳。研究成果对玄武岩纤维在沥青混合料中合理掺量和长径比选择提供参考。(本文来源于《玻璃钢/复合材料》期刊2019年09期）
杜彦臻,孙梦瑶,刘伽伊,林洪孝,王刚[4]（2019）在《基于MOPSO算法的垂向混合产流模型参数多目标优化》一文中研究指出针对水文过程模拟模型的复杂性及校准参数的准确性问题,提出一种相对较新的全局优化算法——多目标粒子群优化(MOPSO)算法定义多个目标函数,并引入Pareto前沿解概念,扩大了采样空间,提高了算法的运算速度和鲁棒性,进而对垂向混合产流模型进行模拟。实例应用结果表明,与单目标算法相比,多目标算法能较准确地模拟水文过程的多方面因素,提高了优化结果的精度。(本文来源于《水电能源科学》期刊2019年06期）
姜澜[5]（2019）在《高斯混合模型下两阶段自适应分组检测的参数估计》一文中研究指出分组检测在各个行业的应用非常广泛,具有降低成本、提高效率和准确度等优点。最开始分组检测是以服从0-1二项分布的样本作为研究对象,并且分组过程里组大小通常是固定的常数值,直到后来有学者提出应该优化组大小的选择,以提高分组检测实验结果的准确度,便出现了自适应分组检测。自适应分组检测的参数估计是通过分阶段来分组检测,从一阶段到下一阶段中组大小在不断更新。在更迭组大小上基于了两点,第一就是利用前面阶段得到的数据来对阳性个体患病率p进行极大似然估计。第二就是被检测的组数将在下一阶段发生变化。因此第一阶段组数为_1N组,每组有_1K个个体,第二阶段组数为N_2组,每组K_2个个体,下一阶段组数为N_3组,每组有K_3个个体以此往下。在上一阶段检测之后来确定下一阶段的组大小K。在二项分布下,自适应最优组大小由组数和MSE(P?)决定,但是在分组检测里,样本服从连续型分布时很少有人对此进行研究。本文主要研究基于连续型样本的两阶段自适应分组检测方法。首先先介绍了受限条件下的高斯混合模型,以及分组检测在疾病检测里的基本定义,然后计算最优组大小K,其中决定最优组K的大小与需要估计的五个受限参数有关。同时描述了两阶段自适应的计算流程,在受限高斯混合模型下利用EM算法来进行两阶段的参数估计,计算步骤一共分为叁步。最后通过算法进行数值模拟计算,其结果表明,相对于单体检测,高斯混合模型下两阶段的自适应分组检测统计量的结果更优。(本文来源于《广西师范大学》期刊2019-06-01）
陈琳[6]（2019）在《游梁式抽油机混合动力节能系统参数优化及最简控制模型建立》一文中研究指出随着世界科技的发展,人们对石油能源的需求只增不减。目前大多数需要人工举升的油井均依靠有杆式类别的游梁式抽油机进行采油。游梁式抽油机具有结构简单、运行稳定等优点,但它采油所消耗的电能占油田总电能消耗的40%以上。造成耗能严重的原因是波动率较大的负载增加了电动机选型的装机功率,导致电机具有较低的负载率与效率。据统计,抽油机电动机在一个完整工作周期内的平均功率因数仅为0.448,效率不到50%。因此,游梁式抽油机的低负载率与耗能严重问题亟待解决。通过对国内外大量文献进行阅读与分析,目前针对游梁式抽油机的节能手段主要有改进抽油机的结构、采用节能驱动设备与采用节能控制器,其中,由于我国油田大多数采用的均为游梁式抽油机,将抽油机结构进行调整不易于国内大范围的普及,适用性较弱;采用节能驱动设备与节能控制器固然可以起到一定的节能效果,但对负载率的平衡效果有限,未完全发掘节能潜力,且无法有效抑制倒发电现象。基于以上分析,本文设计了基于液压混合动力的游梁式抽油机辅助节能系统,该系统不仅可以对全国大范围的游梁式抽油机进行节能使用推广,而且可以有效回收驴头势能,改善系统负载率及效率,实现大幅节能。本文的研究内容如下:首先分析了游梁式抽油机的基本结构与工作原理,推导了抽油机结构的几何关系并得到驴头悬点的运动规律,通过对悬点所受静载荷与动载荷进行分析与求解,绘制示功图;继而对抽油机传动机构进行受力分析,求解曲柄轴的扭矩变化规律。选取某型号抽油机作为研究对象,于Pro/E中进行结构建模,并导入Adams软件中进行运动学与动力学仿真,得到游梁式抽油机悬点运动规律与曲柄轴扭矩变化规律曲线,为后文的建模与仿真奠定基础。为了保证节能系统具有较强的适用性,对液压节能系统采用并联式混合动力结构。液压混合动力节能系统可以收集驴头下冲程释放的势能,并将其在上冲程时进行释放,缓解了电动机轴的等效负载波动率较大的情况。对液压节能系统的核心元件进行建模;以电机能耗最低为目标函数,根据变量初始值与变化范围,采用模拟退火算法对混合动力节能系统关键元件进行参数匹配,得到参数优化结果。根据所述液压系统节能原理与关键元件的数学模型,在AMESim中进行模型建立;采用Adams与AMESim联合仿真方法实现负载模拟计算。通过分析仿真结果证实液压节能系统的参数匹配与优化效果良好,节能效果显着,有效降低了电机轴负载的等效扭矩与电机的装机功率,大幅提升电机效率,节省了近25%的电能。为了简化控制系统输入参数,提高系统可靠性及降低工程信号采集成本,建立最简控制模型。基于电机能量流的数学模型,采用遗传算法对模型参数进行优化辨识,并通过Simulink进行理论模型搭建,结合实验数据对比验证最简控制模型可行性。最简控制模型可以把MISO系统简化为SISO系统,提高控制器响应速度,降低系统故障发生率,具有极大工程实践意义。(本文来源于《吉林大学》期刊2019-06-01）
季超越[7]（2019）在《混合系数线性模型中参数的有偏估计》一文中研究指出混合系数线性模型是一类同时含有固定系数和随机系数的线性模型,是统计模型中一类重要模型.在混合系数线性模型的研究中,参数估计是一个非常重要的研究领域.混合系数线性模型参数的最小二乘估计是最佳线性无偏估计,但若混合系数线性模型存在多重共线性,最小二乘估计性质不再良好.针对此问题,许多学者便提出了很多改进方法,有偏估计是其中一类重要的改进方法.本文结合已有文献研究,从叁个不同的角度提出了叁类有偏估计,讨论了这几类估计的性质.首先,将Liu估计与s-K估计结合,提出s-d-K估计.讨论其相关性质,并在均方误差矩阵意义下,给出s-d-K估计优于最小二乘估计、Liu估计、s-K估计的充要条件;通过Monte Carlo模拟进一步验证了新估计的优良性.其次,受几乎无偏的启发定义了几乎无偏Liu估计.研究表明,在二次偏差准则下,几乎无偏Liu估计优于Liu估计;在均方误差意义下给出了几乎无偏Liu估计优于最小二乘估计、Liu估计的充分条件,并通过Monte Carlo模拟和实例分析进一步验证了新估计的优良性.最后,将几乎无偏思想与s-d-K估计相结合,提出几乎无偏s-d-K估计.研究表明,在二次偏差准则下,几乎无偏s-d-K估计优于s-d-K估计;在均方误差矩阵意义下,给出了几乎无偏s-d-K估计优于最小二乘估计及几类几乎无偏估计的充分条件,并通过Monte Carlo模拟进一步验证了几乎无偏s-d-K估计的优良性.(本文来源于《华北水利水电大学》期刊2019-05-30）
陈舒琪[8]（2019）在《半参数加速失效时间混合治愈模型的构建及其在医学中的应用》一文中研究指出研究背景:随着医疗技术的进步和医疗质量的提升,“长期生存者”(Long-term Survivors)现象广泛存在于医学研究领域,即一部分观察对象,即使在随访时间充足的情况下也不会或者永远不会发生预期研究结局,通常表现为较长的删失时间,常见于肿瘤临床试验和其他慢性病研究中。而传统生存分析方法,如Cox回归、加速失效时间模型(Accelerated Failure Time Model,AFT)等,其应用前提为:所有观察对象在定义的充足随访时间内均会在某一时间点发生预期结局。因此,经典的生存分析方法并不适用于长期生存者资料的分析。目前,常用于分析该种类型资料的模型为混合治愈模型(Mixture Cure Model,MCM),其基本思想是将人群看成由治愈人群和非治愈人群两部分组成的混合人群,并分别用两个分模型去拟合分析,一般而言,前者用Logistic回归模型拟合,后者用不同的生存分析方法进行分析。其中,参数混合治愈模型(Parametric Mixture Cure Model)以及比例风险混合治愈模型(Proportional Hazard Mixture Cure Model,PHMC)应用较为广泛。然而,这两类模型均有无法避免的局限性:前者受限于生存时间分布的识别,后者虽为半参数模型,但要求生存资料必须满足比例风险(Proportional Hazard,PH)假定。近年来,在生存分析领域,半参数加速失效时间模型(Semiparametric Accelerated Failure Time Model)受到了广泛关注,该模型对生存时间分布无任何假定限制,同时对生存资料的适用性更为广泛,即不要求满足比例风险假定,且相较于Cox模型,更适用于高比例删失数据,被认为是Cox模型很好的替代分析方法。故构建基于半参数加速失效时间模型的混合治愈模型可以很好地拓展该类模型在长期生存者资料中的适用范围。此外,目前绝大多数生存分析方法研究仍基于Weibull分布或指数分布进行模拟研究,而在真实世界研究中,生存资料往往服从于混合分布,即由于受到某些因素的影响,人群的生存时间实际上服从两个或多个简单生存分布,表现为风险(Hazard Rate,HR)随时间波动,而并非呈现为单纯的单调递增,单调递减甚至保持不变。基于此,Crowther等人于2012年结合Bender等人的研究,将混合Weibull分布应用于模拟研究中,然而该方法仅适用于评估具有比例风险结构的模型,并不适用于加速失效时间模型。因此,研究适用于加速失效时间模型的复杂生存数据的模拟方法,构建基于半参数加速失效时间模型的混合治愈模型,以及探讨该模型在不同复杂程度的长期生存者资料中的适用性和可靠性具有很强的理论意义和实际价值。研究目的:本研究主要针对长期生存者资料,构建半参数加速失效时间混合治愈模型(Accelerated Failure Time Mixture Cure Model,AFTMC),并基于生存时间的不同分布情况,即Weibull分布和混合Weibull分布,通过模拟研究,评估比较四种常用的参数混合治愈模型与AFTMC在不同数据情境下的表现性能,同时将模型应用于实例研究中,以期为含有长期生存者的生存资料分析提供更多的方法学与技术支持。此外,提出一种生成服从混合分布且适用于加速失效时间模型的生存资料模拟方法,以期为生存资料模拟提供方法学支持。研究方法:本研究基于以上问题,主要采用数据模拟,模型构建,模型评估,实例应用这一流程来开展研究。数据模拟:采用蒙特卡罗(Monte Carlo)模拟方法随机生成两个自变量,一个为二分类变量,一个为连续性变量,而后分别基于Logistic回归模型和加速失效时间模型随机生成治愈指示变量Y和生存时间t,其中生存时间t考虑服从两种分布,即Weibull分布和混合Weibull分布。最后,结合所生成的删失时间,得到最终生存时间T和生存结局D,删失时间服从均匀分布,其分布范围由模拟迭代获得。此外,模拟研究还同时设置了不同的样本量:基于Weibull分布:200、500;基于混合Weibull分布:200、500、1000;不同的治愈率:0.2、0.4、0.6;不同的非治愈人群删失率:0.05和0.15,共计30种数据情境。模型构建及评估:本研究从准确性和精确性两方面比较AFTMC、指数混合治愈模型(Exponential Mixture Cure Model,EXPMC)、Weibull混合治愈模型(Weibull Mixture Cure Model,Web MC)、Lognormal混合治愈模型(Lognormal Mixture Cure Model,Log NMC)以及Loglogistic混合治愈模型(Loglogistic Mixture Cure Model,LLog MC)在不同数据情境下的表现性能。准确性主要基于相对偏倚(Relative Bias)和均方误差(Mean Squred Error,MSE)这两个指标,而精确性则主要利用标准误(Standard Error,SE)以及95%置信区间获得率(95%Confidence Interval(CI)Capture Rate)来评估。实例研究:实例数据来源于美国东部肿瘤协作组(Eastern Cooperative Oncology Group,ECOG)的两个临床试验,本研究通过分析高剂量干扰素IFN?-2b分别对恶性黑色素瘤患者疾病复发和生存的影响,比较不同混合治愈模型在实际研究中的分析效果。研究结果:模拟研究结果:基于Weibull分布:总体而言,Web MC和EXPMC在准确性和精确性方面均表现最好,其次为AFTMC,但与前两者相差不大,而后为Log NMC和LLog MC,表现最差,且与其他叁种模型相比,参数估计有明显差异。此外,随着非治愈人群删失率的升高,特别在小样本情况下,AFTMC相较于Web MC和EXPMC参数估计的差距逐渐减小,甚至会优于这两种模型,主要表现为治愈部分参数估计较小的相对偏倚,MSE以及标准误。而究其原因主要是因为Web MC和EXPMC的分布与模拟分布一致,而Log NMC以及LLog MC表现最差也源于其分布与模拟分布的不一致性。基于混合Weibull分布:总体而言,AFTMC无论基于准确性还是精确性维度,在所有数据情境中均远好于其他四种模型,其次为Web MC以及EXPMC,而LLog MC和Log NMC则表现最差,且这种优势在高删失率的情况下,即治愈率为0.6或非治愈人群删失率为0.15时更为明显。Web MC以及EXPMC仅在删失率较低,即治愈率为0.2或0.4且非治愈部分删失率为0.05时,模型的准确性和精确性表现均趋近于AFTMC。此外,基于模拟研究总体而言,样本量、治愈率以及非治愈部分删失率对模型的表现均有影响,尤其是对参数模型:1、随着治愈率的升高,非治愈部分参数估计的准确性和精确性稍许下降;2、随着非治愈部分删失率的升高,无论是非治愈部分还是治愈部分参数估计的准确性和精确性两方面均明显下降;3、随着样本量的升高,所有模型基于任何一个参数在每一个数据情境下的准确性和精确性均变好;4、当样本量较小,非治愈部分删失率较高时,参数模型治愈部分参数估计的MSE会出现异常庞大的数值,平均可达1000,且随着治愈率的升高,数值大幅增加。但这种情况并没有在AFTMC中出现;5、当样本量较小,治愈率为0.6,总删失率为0.75时,无论是AFTMC还是其他四种参数模型,模型拟合均不好。实例研究结果:本研究通过两个实例研究进一步评估和比较了AFTMC与四种参数模型的表现。实例一与实例二均来源于ECOG,实例一旨在探索高剂量干扰素IFN?-2b对恶性黑色素瘤患者生存的影响,而实例二旨在分析高剂量干扰素IFN?-2b对恶性黑色素瘤患者疾病复发的影响,且两者生存时间分布均服从混合Weibull分布。结果显示,高剂量干扰素IFN?-2b基于总生存期(Overall Survival,OS)是恶性黑色素瘤患者的保护因素(OR=0.188),即接受高剂量干扰素IFN?-2b治疗的试验组没有被治愈的概率为对照组的0.188倍,而高剂量干扰素IFN?-2b对恶性黑色素瘤患者疾病复发的影响没有统计学意义。此外,本研究在分析两个实例时,均利用AIC信息准则(Akaike Information Criterion,AIC)对模型进行了整体评估比较,其中AFTMC的AIC均最小,故模型拟合最好。研究结论:综上所述,AFTMC无论基于何种分布的长期生存者资料,其分析结果均具有良好的可信度和稳定性,且该模型相较于参数模型更适用于高删失率生存资料。此外,针对长期生存者资料本身而言,删失率大小对模型拟合,尤其是治愈部分参数估计的影响很大,而本研究所探索的模型均不适用于小样本且删失率较高的情况。(本文来源于《中国人民解放军海军军医大学》期刊2019-05-01）
赵孝豪[9]（2019）在《混合差分变异的烟花算法及其在光伏模型参数辨识中的应用》一文中研究指出烟花算法(FWA)由谭营教授于2010年正式提出,是受到烟花爆炸产生火花的启发而提出的一种群智能算法。与其他群智能算法相比,烟花算法在解决优化问题上有着突出的表现,使其在诸多领域有着广泛的实践与应用。在烟花算法中,每一个烟花代表一个可行解,所有烟花的集合即为一个种群。通过每一个烟花爆炸产生火花进行搜索,爆炸幅度和爆炸火花数由烟花适应度值决定,同时设置高斯变异操作以增强种群多样性。最后在烟花与所有火花的集合中选择下一代种群,直至搜索到全局最优值或者达到最大迭代次数。本文提出了混合差分变异的烟花算法DEFWA。本算法的改进主要集中在两方面:第一,采用差分变异算子替换高斯变异,在传统差分变异算子的基础上提出了两个改进型算子,相较传统差分变异算子,两个改进型算子的性能有较大提升,可以有效避免高斯变异使得火花过度靠近烟花原点的弊端,最后从两个改进型算子中选择较好的一个应用到DEFWA算法。第二,采用动态爆炸火花策略,此策略仅在每一代种群的最佳烟花个体上应用,如果产生的爆炸火花中能够出现新的最优值,则增加此烟花的爆炸火花数,反之则减少爆炸火花数。同时,本文也对DEFWA算法内部的最佳差分变异火花数、最佳爆炸火花数等相关参数进行了讨论分析。在基准测试函数集上的实验表明,其综合性能优于传统烟花算法及近期提出的几种改进型烟花算法。另外,本文将DEFWA算法用于解决光伏模型的参数辨识问题,在单/双二极管模型和两种PV模块模型上进行测试,证明了DEFWA算法在解决实际问题中的优良性能。(本文来源于《华中师范大学》期刊2019-05-01）
林朝明,叶荣,吴国兰[10]（2019）在《油纸绝缘混合极化的频域谱模型及参数辨识》一文中研究指出采用等效模型分析是间接评估油纸绝缘老化状态的一种有效方法,而构建油纸绝缘系统的等效模型及参数计算是研究的基础和难点。针对目前广泛采用扩展德拜模型存在的不足,引入界面极化支路的油纸绝缘混合极化等效模型更为贴合实际极化过程,同时研究油纸绝缘混合极化过程的频域介电谱模型参数辨识方法。首先,在新型极化等效电路基础上导出频域谱与电路参数之间的关系;其次,建立求解多元方程组的目标函数,然后应用自适应收缩因子粒子群算法(ACPSO)进行参数求解;最后,通过实测数据验证该方法辨识模型参数的可行性与准确性。计算结果表明,考虑有界面极化的混合等效模型更能真实反映油纸绝缘的弛豫过程,它更符合变压器绝缘极化的实际情况;基于频域介电谱的油纸绝缘等效模型参数辨识法,相比于此前基于时域介电谱的辨识方法,具有求解过程简单、参数计算结果准确可靠等优点。(本文来源于《仪器仪表学报》期刊2019年04期）
参数混合模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为确定Chaboche混合硬化模型在大应变-变路径加载条件下的待定参数,提出了一种新的参数标定方法。首先,针对Al2024-T351铝合金设计了单轴等应变幅值拉压循环实验,得到了相应的应力-应变滞回曲线,通过推导混合硬化模型主控方程进行实验数据拟合,获得了随动硬化规律。随后,基于光滑圆棒料(SRB)单向拉伸试验的流动应力曲线和外推模型,将应力-应变关系外推至大应变范围。最后,利用保留前述随动硬化规律的Chaboche模型对大应变范围内的SRB流动应力曲线进行拟合,得到最终的Chaboche混合硬化模型参数。实验验证表明,所标定的Chaboche混合硬化模型能很好地预测大变形-变路径加载条件下材料的硬化行为。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
参数混合模型论文参考文献
[1].魏伟.带混合测量误差的线性回归模型的参数估计[J].河北师范大学学报(自然科学版).2019
[2].马艳,王婷婷,庄新村.Chaboche混合硬化模型在大应变-变路径加载条件下的参数标定[J].塑性工程学报.2019
[3].杨程程,刘朝晖,柳力,李盛,范萌萌.基于空间分布模型的玄武岩纤维参数对沥青混合料的影响[J].玻璃钢/复合材料.2019
[4].杜彦臻,孙梦瑶,刘伽伊,林洪孝,王刚.基于MOPSO算法的垂向混合产流模型参数多目标优化[J].水电能源科学.2019
[5].姜澜.高斯混合模型下两阶段自适应分组检测的参数估计[D].广西师范大学.2019
[6].陈琳.游梁式抽油机混合动力节能系统参数优化及最简控制模型建立[D].吉林大学.2019
[7].季超越.混合系数线性模型中参数的有偏估计[D].华北水利水电大学.2019
[8].陈舒琪.半参数加速失效时间混合治愈模型的构建及其在医学中的应用[D].中国人民解放军海军军医大学.2019
[9].赵孝豪.混合差分变异的烟花算法及其在光伏模型参数辨识中的应用[D].华中师范大学.2019
[10].林朝明,叶荣,吴国兰.油纸绝缘混合极化的频域谱模型及参数辨识[J].仪器仪表学报.2019