废水处理过程的KPLS-GPR软测量建模

采取基于核函数偏最小二乘法的高斯过程回归模型(KPLS-GPR),对复杂的造纸废水处理过程中出水化学需氧量(COD)和出水悬浮固形物(SS)质量浓度进行预测.首先,采用KPLS的潜变量作为预测模型的输入变量,以降低数据维度,优化数据结构;其次,建立潜变量与输出变量的GPR回归模型.基于某工厂造纸废水数据进行仿真试验,引入人工神经网络(ANN)、基于偏最小二乘潜变量的预测模型(PLS-ANN)及基于核函数偏最小二乘潜变量的预测模型(KPLS-ANN)作为对比.试验结果表明:KPLS潜变量对预测模型有明显的优化效果,在这些模型中KPLS-GPR预测精度最高;对于出水COD和SS质量浓度的预测,KPLS-GPR的决定系数分别为0.575和0.610,相比于常规预测模型,决定系数可分别提升36.90%和43.87%.     

基于改进的偏最小二乘回归的酸雨pH值预测

酸雨pH值受到酸性离子[SO4^2-]、[NO3^-]和碱性离子[Ca^2＋]、[NH4^＋]等的影响。这些影响因素之间存在多重相关性。用一般最小二乘回归分析预测pH值，参数估计存在很大的误差且物理意义明显不足。应用偏最小二乘回归技术建立pH值预测模型，克服了自变量之间多重相关性的问题，因而更具有先进性，计算结果更为可靠，而改进的偏最小二乘回归则从预测角度对偏最小二乘回归模型进行了改进。以我国17个城市pH值预测为例，说明了改进的偏最小二乘回归法比普通偏最小二乘回归法效果好。     

偏最小二乘-马尔科夫模型在大坝位移预测中的应用

为克服大坝位移预测回归模型中,选取因子的多重相关性对回归方程的影响,同时考虑到位移的波动性对残差的影响,提出一种偏最小二乘-马尔科夫链大坝位移预测模型.偏最小二乘法能够有效解决多重相关性的问题,马尔科夫链具有适应数据波动的优点,两种方法相结合发挥各自优势,以进一步提高单一偏最小二乘回归的预测能力.工程实例的分析表明,该模型能够有效提高预测精度.     

基于偏最小二乘回归的焦炭热性质非线性预测模型

针对基于煤质指标预测焦炭热性质建模过程中易出现的多重共线性问题,提出应用偏最小二乘回归对焦炭热性质进行预测的建模思路.考虑到煤质指标与焦炭热性质之间复杂的非线性关系,采用拟线性化处理的方法,将煤质指标的一次效应、二次效应及交互效应作为模型输入,建立焦炭热性质预测的偏最小二乘回归模型;基于拟线性化处理的非线性偏最小二乘回归和线性偏最小二乘回归对焦炭热性质预测实例进行分析.研究结果表明:基于偏最小二乘回归方法建立的焦炭热性质预测模型是有效可行的:非线性偏最小二乘回归模型的预测精度明显比线性偏最小二乘回归模犁的预测精度高.     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.     

基于递阶偏最小二乘回归的数据分析

针对最小二乘法难以克服因子多重共线性对回归模型精度影响的不足和大坝观测数据分析中因变量较多的特征,引进递阶偏最小二乘法,对大坝安全监测变量及其影响因子进行递阶偏最小二乘回归分析,将建模预测分析方法通过递阶分层处理,可同时实现回归建模和数据结构简化,所建立的大坝安全监控模型精度可通过交叉有效性检验来控制.工程应用实例和模型对比分析研究表明,递阶偏最小二乘回归模型能有效克服由于各类因子变量问的多重共线性和因子变量数目较多而对模型拟合精度及其预测能力的影响,相对于传统回归模型有更好的解释能力,因而具有一定的实用价值.     

辽宁省公路客运量预测研究

公路客运量的科学预测对公路的规划建设和管理提供了重要依据,通过对辽宁省2009~2015年公路客运量影响因素进行分析,并充分考虑建模自变量的多重相关性,建立了基于偏最小二乘法改进的预测模型对辽宁省公路客运量进行建模并预测,将预测结果与实测结果进行比较,分析结果表明:利用偏最小二乘回归模型预测相对误差均值为0.91%;相对误差最小值仅为0.30%;最大值为1.17%。     

改进灰色模型与偏最小二乘耦合预测城市需水

采用易于辨识系统信息与噪声的单因变量偏最小二乘回归(PLS),建立7个具有高度相关性的自变量与单因变量间线性回归关系;同时,运用二阶弱化算子对灰色预测模型进行改进后将灰色模型与偏最小二乘回归预测模型相耦合.使用matlab7.0以及PEW软件对重庆市北碚区1996—2007年需水量进行计算,计算结果平均相对误差仅为0.82%,预测北碚区2015年和2020年需水量分别为2.38亿m3和2.64亿m3.该模型不仅克服了传统最小二乘回归中自变量的多重相关性,也弱化原始数据误差,预测准确度高.     

基于偏最小二乘回归的飞机维修保障费用预测

分析了影响飞机维修保障费用的参数,提出用偏最小二乘回归方法来预测飞机维修保障费用。该方法对变量进行主成分分析、典型相关分析和多元线性回归,在处理存在多重线性相关的小样本多元数据方面效果很好。实例证明,与传统普通多元线性回归方法相比,偏最小二乘回归在飞机维修保障费用预测中精度更高。     

主因子逼近方法在变量选择中的应用

当数据中变量个数远大于样本个数时,变量之间的共线性问题变得尤其突出.偏最小二乘方法作为一种潜变量方法,将原始变量通过线性组合的方式转化为几个新的潜变量用于对响应变量的建模解释,但变量之间复杂共线性的存在使得变量选择困难重重.本文采用主因子近似方法分离出原始变量之间的共线性信息,再进行变量选择.模拟研究表明主因子逼近方法能有效地提高变量选择的精度.     

基于PLS的下向进路多参数优化方法

 为研究下向进路稳定性与多参数间的关系,提出采用正交数值模拟试验法和偏最小二乘法分析下向进路稳定性影响因素,并运用安全系数法和可靠度分析优化下向进路多参数,进而开展工业试验.结果表明:1)影响下向进路稳定性因素依次为:承载层厚度>进路宽度>进路高度>进路侧帮弹模>承载层弹模>充填体泊松比,且前3个因素影响效果显著;2)偏最小二乘法分析对承载层拉应力的拟合和预测效果良好,误差控制在15%以内;3)可靠度分析优化下向进路多参数较安全系数法更为合理,可实现下向进路安全高效经济开采.工业试验效果良好,表明偏最小二乘法优化下向进路多参数具有很好的理论及实践意义.     

油气勘探风险评价的偏最小二乘-最大熵法模型及应用

油气勘探风险的定量评价一直是国内外研究的难点.作者在分析传统风险评价方法的优缺点、剖析偏最小二乘法和最大熵法优势的基础上,首次提出了偏最小二乘-最大熵(PLSME)风险分析模型.偏最小二乘法较好地实现了多元线性回归、主成分分析和典型相关分析的有效综合,通过自变量的PLS回归线性处理,不仅能消除粗差解决变量之间的相关性问题,而且能辨识每一个自变量对因变量的控制程度;最大熵法通过对偏最小二乘得出的风险因子与总经济效益净现值关系式的检验,利用最大值、最小值和最可能值的训练,能了解指标最终服从的概率分布,客观得出风险的大小.两者结合起来构建的PLSME模型,能使风险评价结果更加准确、合理和客观.通过对四川德阳新场气田的实例应用,表明偏最小二乘-最大熵评价方法科学可行,对同类研究具有借鉴作用.     

大坝安全监测模型因子相关性探究

分析了大坝安全监测数据处理中自变量因子之间的多重相关性对传统的多元回归模型的影响.运用偏最小二乘回归分析的基本原理和交叉有效性检验方法,建立了基于偏最小二乘法的回归模型.工程实例表明,偏最小二乘回归模型能够有效消除因子相关性对模型回归系数估计和回归分析效果的影响,取得的结果较为合理.     

A Novel Extension of Kernel Partial Least Squares Regression

Based on continuum power regression(CPR) method, a novel derivation of kernel partial least squares(named CPR-KPLS) regression is proposed for approximating arbitrary nonlinear functions.Kernel function is used to map the input variables(input space) into a Reproducing Kernel Hilbert Space(so called feature space),where a linear CPR-PLS is constructed based on the projection of explanatory variables to latent variables(components). The linear CPR-PLS in the high-dimensional feature space corresponds to a no...     

偏最小二乘与灰色模型组合预测城市生活需水量

为了克服普通多元回归方法用于中长期预测时自变量多重共线性对拟合模型的干扰,引入了更易于辩识系统信息与噪声的单因变量偏最小二乘回归(PLS1),同时将两次拟合等维灰数递补(DEMGM(1,1))模型用于自变量的中长期预测,建立了一套PLS1与DEMGM(1,1)组合预测方法.采用1986年—2000年某市生活用水量历史数据对该方法进行验证,预测结果表明,平均相对误差仅为1.03%.将该方法引入城市生活需水量研究,预测2005年和2010年某市生活需水量将分别达到0.92×109m3与1.1×109m3,为该市给水工程规划与决策提供了参考依据。     

小麦赤霉病神经网络和偏最小二乘预测模型

选取2004-2014年间发病期的气象因素为自变量,小麦赤霉病病穗率为因变量,借助神经网络的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法,建立了小麦赤霉病的气象预报模型.由于神经网络无法提供直观的函数来反映病穗率与气象因子之间的关系,为了进一步分析气象因子间的相关性,采用主成分分析法提取主成分,并利用回归分析得到线性函数关系,建立了偏最小二乘模型.神经网络预测模型平均预报精度达到99%,但只提供病穗率和气象因子之间的拓扑关系;偏最小二乘预测模型可以得到病穗率和气象因子之间直观的函数关系,模型平均预报精度达到97%.2种模型均具有较高的预报精度,对小麦赤霉病的预防工作具有一定的参考价值.     

以计量化学潜因回归分析对有机合成作响应面优化的新方法(英文)

研究开发了CEDOS（Chemometrics—basedExperimentalDesignandOptimizationSystemforOrganicSynthesis，计量化学试验设计与优化有机合成系统）。它借助潜因回归算法如偏最小二乘（PLS）、主成份回归（PCR）等技术及试验设计与优化方法对有机合成进行响应面优化，获得良好结果。     

基于总体最小二乘法的RAIM算法模型改进

最小二乘残差RAIM算法中的伪距观测模型线性化过程会形成截断误差.考虑环境噪声对数据矩阵和观测值的扰动影响,给出了RAIM解算模型;采用总体最小二乘法估计准则,使残差更精确,数据可靠性更高,提高了RAIM算法的定位解算的精度与可靠性.分别采用总体最小二乘残差法和最小二乘残差法对实测数据进行了处理,分析结果验证了总体最小...     

异常点检测后的偏最小二乘回归模型

偏最小二乘回归是通过一组自变量来预测一个或一组因变量的统计方法。但在很多情况下用于建模的样本点由于种种原因会出现一些异常情况,这些异常点和其他样本点之间都存在着很大的偏差。异常点的存在对所建立的模型和真实模型就有很大的偏差。基于这一问题本文通过构造统计量对所给的样本点进行选择,剔除对模型的构造有很大影响力的样本异常点,从而获得一个相对合理的样本空间。在相对合理的样本空间中采用偏最小二乘回归建立模型。运用MATLAB编程,通过一个实例说明在对于异常点剔除后的样本空间中建立模型的精确程度有了很大的提高。     

高层建筑群对地面沉降影响的模型试验研究

通过室内模型试验，研究了上海地区典型地质条件下高层建筑群工程环境效应对地面沉降的影响，探讨了在高层建筑群工程环境效应作用下不同土层的变形特点、相邻建筑物之间的相互影响状况、高层建筑群对中心及周边区域地面沉降的影响以及沉降影响范围、土层中应力（包括土压力、孔隙水压力）的变化规律等．试验研究结果表明：上海软土层是地面沉降的主要组成部分；高层建筑群工程环境效应造成的城区地面沉降的特点是距建筑物1倍基础宽度范围内的地面沉降大于建筑本身的沉降，尤以相邻建筑之间中心区域地表的沉降量最大；密集高层建筑群之间地表变形存在明显的沉降叠加效应，并使沉降量超过容许值，从而带来不稳定因素．