线性回归模型参数稳定性检验方法的对比分析

在线性回归模型参数稳定性的综合评析基础上,通过建立参数非稳定的线性回归模型,来检验各参数稳定性检验方法的有效性,为参数稳定性检验方法的选择和使用建立了可靠的操作性依据。     

人口增长率的非参数自回归预测模型

针对传统的人口增长预测模型不能理想地捕获我国人口增长率数据的非线性性特征，本文基于局部线性非参数估计理论，对我国建国以来的年人口增长率建立了非参数自回归NAB．（1）模型，并对2000年-2003年的年人口增长率进行了预测，计算结果表明，相对于参数自回归模型而言，非参数自回归模型能够很好地解决人口增长预测这一非线性问题，预测精度较高．     

水火弯板局部变形的量化分析

以实船板水火加工成型的实验数据为样本，应用数理统计原理和逐步回归分析方法，建立了６种为形参数的回归模型，利用总体线性关系的显著性检验，回归方程的拟向优度的考察等，比较了这６种回归模型的回归效果；并计算了Ｂｅｔａ系数。讨论了回归公式中各变形参数对变形量的影响。     

基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为，提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据，提取可能影响驾驶行为的状态参数，进而建立二 次回归驾驶员模型；面向多参数回归模型中的多重共线问题，采用Lasso回归方法进行状态参 数筛选；结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性，与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明，相较于其他两种模型，所建立的驾 驶员模型具备良好的工况跟随效果，同时能较好地反映实际驾驶行为特征.     

半参数顺序变量回归模型

在比例优势模型基础上对顺序变量回归模型作更一般的推广, 建立了半参数顺序变量回归模型, 构造了模型中的线性和非线性部分的估计量, 并证明了该估计量的弱相合性. 通过数值模拟, 考察了不同样本容量下半参数顺序变量回归的判断正确率和回归函数的均方误差.实验结果表明: 半参数顺序回归模型在小样本情况下仍具有较高精度, 并且在实验点处的重复次数相对于观察点个数对精度影响更大. 通过对粮食预警实例的计算表明, 半参数顺序回归模型较比例优势线性模型具有更好的外推效果.     

直线振荡电机支持向量机非参数建模

为了寻找反映直线振荡电机参数与性能输入输出传递关系的快速计算模型，利用有限元分析法，建立了直线振荡电机非参数建模的基本数据计算模型，根据基本数据计算模型，引入支持向量机（Support Vector Machines，SVM）非参数回归建模方法，建立了用于直线振荡电机参数与性能之间输入输出传递关系的SVM计算模型，为电机参数优化过程提供了方便快捷的在线计算方法。通过SVM模型和有限元模型输出推力的比较，验证了直线振荡电机支持向量机非参数建模的可行性。     

泌乳曲线拟合理论的探讨

建立泌乳曲线模型对奶牛的生产和育种具有重要意义。Ｗｏｏｄ及其改进模型、改进多项式模型、回归模型和逆多项式模型等都是较为常用的泌乳曲线模型。改进多项式模型和回归模型可以通过变量变换获得参数的优化估计值，而另两种模型变量变换后，却只能获得参数的近似估计值，以该近似估值做为初值，采用高斯－牛顿法才能优化估计模型参数，为建立某种意义下最佳泌乳曲线模型，本文还对非线性模型拟合结果的统计检验进行了探讨，并建议引入多元统计比较分析方法，揭示泌乳过程的统计检验和遗传规律。     

基于相空间重构和非参数神经网络集成股市预测研究

利用奇异谱分析方法对股市时间序列重构，降低噪声并提取趋势序列，并利用C-C算法确定嵌入为维数和延迟阶数进行相空间重构，生成神经网络的学习矩阵，进一步利用Boosting技术和不同的神经网络模型，生成神经网络集成个体，最后采用非参数回归模型进行集成，建立多元变窗宽高斯核函数的非参数回归的神经网络集成模型，以此建立股市预测...     

堰塞坝溃口及洪峰参数模型评估与优化

由滑坡等失稳地质体快速堆积并堵塞河道形成的堰塞坝溃决后会对下游人民生命财产安全造成极大威胁。建立快速准确的溃决参数预测模型，是制定有效防灾减灾措施的必要条件。本文收集了75例包含坝高、库容、溃口峰值流量、坝体冲蚀系数等参数的堰塞坝案例，基于均方根误差、回归相关系数、百分比偏差三个指标对具有代表性的土石坝和堰塞坝参数模型进行评估。通过回归分析建立新的堰塞坝溃口深度预测模型及溃口峰值流量预测模型，将新建模型与现有模型对比，在实际案例中验证了模型的适用性。研究结果表明：现有模型中单参数、双参数及土石坝模型对于堰塞坝溃决参数预测效果不佳，考虑坝体易蚀性的参数模型具有较高准确性，本文所建新模型预测效果有所提升，使用范围更广，预测结果可为堰塞坝的防灾减灾措施提供参考。     

积分回归在气候要素分析中的应用

运用积分回归分析法研究了某市降水与年逐月气温的关系。建立了积分回归模型，求出了原自变量的回归参数，从而反映出降水与年逐月气温的相关性质和相关程度，有一定实用价值。     

含有不等式约束的回归问题中的帽子矩阵

影响分析是研究回归问题的一个重要环节，提到影响分析，必须引直帽子矩阵，无约事回归问题中的帽子矩阵的作用已经分析清楚，本文将探讨含有不等式约束的回归问题中的帽子矩阵的作用，并将之与无约束情形相比较。     

有不等式约束的回归模型的置信带

建立置信带在回归分析中得一个重要的问题,但在有约束的回归问题里,这个问题并没有很好地解决,在此文中,我们研究有约束的回归中的置信带,从文中的结论我们可以看出有约束的回归中的置信带与无约束的情况有较大的不同。     

基于相对距离分布聚类的人脸特征点定位算法

针对目前主流算法对所有特征点采用整体回归而忽略人脸局部结构信息的问题,提出了一种新的回归流程结构,通过基于特征点相对距离分布直方图和K均值聚类,结合了人脸结构信息对特征点聚类并分别进行回归,可以更准确地进行人脸特征点定位。另外,通过对回归迭代方法进行优化,可以实现鲁棒的参数更新,大大提高运算速度。在有遮挡标识的人脸数据库(COFW)上进行了深入的实验,结果表明:论文算法对于人脸特征点定位效果显著,相较于鲁棒姿势级联回归(RCPR)等算法训练时间大幅减少,其定位准确度也有了一定提高,而且算法计算效率高,测试速度则达到220fps,能够满足实时处理的要求。     

最小学习机

针对极端学习机（ELM）不能用于多层前向神经网络学习的问题,通过揭示单层前向神经网络（SLFN）的ELM与岭回归以及中心化的岭回归之间的关系,提出了SLFN的最小学习机。通过证明核化的中心化岭回归与核化的PCA之间的关系,提出以无限可微的核函数为激励函数的多层前向神经网络（MLFN）的最小学习机LLM.SLFN/MLFN的最小学习机能够保持ELM的上述优势。     

回归分析在短跑教学中的应用

针对教学中学生１００ｍ跑的具体情况，采用逐步回归分析方法建立了回归方程；在此基础上，分别以各相关因素、１００ｍ跑成绩作为因变量与自变量建立了多项式回归方程，并依据正态分布理论制定了各因素平衡发展的标准。上述方法在指导短跑教学中取得了较好的效果。     

基于支持向量回归和高斯过程回归的水文时间序列特征提取方法

水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,并将各特征组合分别进行支持向量回归与高斯过程回归建模;其次,利用遗传算法演化求解一组最优特征组合,使得支持向量回归和高斯过程回归输出误差同时最小;最后,为了证明所提方法的高效性与准确性,以屯溪流域水文时间序列数据为对象进行验证。实验结果表明,基于支持向量回归和高斯过程回归特征提取方法的水文时间序列预测结果优于传统神经网络特征提取方法。     

改良式线性回归方法的企业信用评估机制

为解决企业信用度面对数据来源多且复杂的问题,提出一种计算企业信用度的新方法.该方法基于传统线性回归方法的改进,通过计算企业内重要评价参数的平均值,得到企业信用度的平衡值.同时,因为减少了影响性较低的参数,从而优化了传统线性回归法产生的误差,并且准确地计算企业的信用度.得到的信用度数值,可以有效地定义企业的好坏.实验表明...     

民用建筑“四节一环保”数据的清洗与修复方法研究

针对民用建筑“四节一环保”原始数据中存在的数据质量问题, 使用多种方法实现数据清洗与数据修复。数据清洗方面, 重点关注单栋建筑能耗数据中存在的相似重复记录及异常记录。其中, 识别异常记录采用3σ准则、DBSCAN聚类算法及箱线图内限3种方法。数据修复方面, 重点关注缺失值的填补及基于模型的数据修正。其中, 缺失值的填充使用简单填充、线性回归模型和基于用户的协同过滤推荐算法, 并以平均绝对误差为评估指标进行对比。基于多元线性回归、主成分回归、偏最小二乘回归、岭回归及Lasso回归5种模型, 拟合建筑运行能耗与各解释变量间的关系, 对上海市建筑运行能耗相关数据进行数据修复。结果显示, 单栋建筑能耗数据适合采用箱线图内限来识别异常记录, 并使用中位数填补缺失数据; 上海市建筑运行能耗相关数据中, 岭回归模型的拟合情况最好。     

影响图在非线性回归异方差检验中的应用

提出把加权非线性回归模型看作一个扰动模型,利用影响图的正则曲率研究了此模型的异方差检验问题,并在此基础上得到了改进的Score统计量。最后用具体的数值实例说明所得结论的有效性。