有序样品的加权动态预测

对有序样品而言,每个样品与新样品关系的“密切”程度不同.预测时应该适当降低与次要数据的拟合精度,提高与重要数据的拟合精度,从而提高预测效果.在此思想下,本文提出有序样品加权最小二乘估计中权重的一种取法,即通过迭代的方法来确定一个区间,在此区间上取自然对数,以对数值作为权重来进行加权最小二乘估计.     

城市用水量非线性组合预测方法研究

利用小波网络构造模型的优化组合函数,建立了城市用水量非线性组合预测模型.将非线性组合函数的拟合转化为小波网络参数的估计,采用遗忘因子法训练网络的权值,利用递推预报误差算法训练尺度因子和平移因子.实例表明,该方法具有很强的泛化能力与自适应数据和函数变化的能力,能够有效提高预测精度,克服了线性组合预测方法适应性不强的问题.     

基于XGBoost的房价预测优化（英文）

客观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和XGBoost是两种常用的方法.RF模型通过其Bagging过程，能够准确地评判“冗余”特征，而XGB模型在提高预测效果的同时，也囿于其泛化能力下降，无法稳定地反映特征重要性.因此，本文利用RF模型处理冗余数据，并使用XGB模型对新数据集进行拟合提高预测效果.本文在Kaggle竞赛的数据集（"House Prices-Advanced Regression Techniques"）上进行了实验，测试结果显示，XGB回归模型最终的回归精度R²为87%,而单独的RF模型或XGB模型的R²分别为79.2%和78.7%.实验证明，该数据预测方法能够明显提高房价预测效果.同时，为充分体现模...     

带矢量权回归在用电量预测中的应用

对某城市的用电量拟合与预测计算中，笔者开发了回归分析软件，建立了非线性化模型的线性化模型库，进行自动选模，并采用带矢量权回归方法，提高了模型对该市用电量的拟合精度和预测精度。     

基于岭回归法的工业产品成本预测模型

为了提高工业产品成本预测模型的精确度,必须对原始数据进行预处理和诊断.通过对成本原始数据进行时间价值和学习曲线效应的修正,并采用矩阵的奇异值分解和方差分解比诊断法进行数据的多重共线性诊断,分别采用帽子矩阵法和剔除后的t化残差进行自变量、因变量异常值诊断,用库克距离进行强影响值的诊断.保证了模型所用数据满足要求,提高模型的精度.采用岭回归法建立了复杂产品的成本预测模型,有效估算了待估的产品成本;统计检验和误差分析证明了这一方法的可用性和准确性.这种筛选分析数据、建立估算模型的方法可用于复杂产品设计的方案阶段,以提供较准确的成本预测.     

统计预测的规划求解方法

用规划求解的方法及软件运用来计算马尔科夫预测中的稳态概率向量；用目标规划拟合非线性回归方程，以及建立非线性规划模型拟合曲线方程的“曲线最小平方法”。方法及软件的应用简便了计算过程，提高了回归方程的精度。     

线性回归模型精化方法

为了解决由试验观测数据建立的回归拟合模型存在的模型误差,用基于回归残差的神经网络方法精化模型.采用给定方程获得模拟数据,通过数据结构散点图建立回归模型趋势项,利用经典最小二乘法估计趋势项参数,由趋势项参数计算回归残差,借助误差分级迭代的改进BP算法对趋势项进行精化,将两部分叠加获得精化模型.试验结果验证了基于回归残差的神经网络方法精化模型的有效性:神经网络方法精化后的模型能提高回归模型的拟合及预测精度5倍以上,优于最小二乘配置法和半参数法精化结果.神经网络方法精化模型既克服了单一神经网络模型的不可解释性,使模型具有物理意义,又具有较高的预测精度.     

基于因变量均值的OLS研究

对普通最小二乘法进行了改进,提出了基于因变量均值的最小二乘法.用实例证明了改进的模型更好地满足了回归分析的假设条件,降低了一元线性回归模型的估计误差,提高了模型的估计精度和拟合优度,提高了统计推断的质量.     

基于 XGBoost 的房价预测优化

观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和 XGBoost是两种常用的方法.RF 模型通过其 Bagging 过程，能够准确地评判“冗余”特征，而 XGB 模型在提高预测效果的同时，也囿于其泛化能力下降，无法稳定地反映特征重要性.因此，本文利用 RF 模型处理冗余数据，并使用XGB模型对新数据集进行拟合提高预测效果.本文在Kaggle竞赛的数据集（"House Prices Advanced Regression Techniques"）上进行了实验，测试结果显示，XGB回归模型最终的回归精度R2为87%，而单独的RF模型或XGB模型的R2分别为79.2%和78.7%.实验证明，该数据预测方法能够明显提高房价预测效果.同时，为充分体现模型拟合效果和预测能力，将“房价”改为具有“高”和“低”两类的离散变量，最终预测结果的精确度为93%，召回率为93%.     

基于GRNN的中厚板轧机压力预测模型

为了实现中厚板轧机在轧制过程中的压力变化自动预测和控制,分析了轧制过程中压力变化的影响因素,在神经网络技术和现场实测数据的基础上,利用Matlab人工神经网络工具箱,应用广义回归神经网络建立压力变化预测模型来提高轧制压力变化预测的精度.经过对现场实测数据的处理,分析了工作辊直径和初始板坯宽度对轧制压力网络模型精度的影响.指出随着工作辊直径的增大,网络的精度逐渐降低;随着选用初始板坯宽度的增大,网络模型的精度逐渐增高.结果表明:该方法建立的模型可以实现对压力变化的预测,且预测精度有较大提高.     

非等时距GM(1,1)直接模型及其在材料试验数据处理中的应用

在原始数列等时距处理的基础上,通过用一次累减数列与原始数列构建微分模型,得到了非等时距GM(1,1)直接模型;并给出2个具有不同饱和特征的材料试验数据处理实例.通过这2个实例说明了非等时距GM(1,1)直接模型适合处理呈上升或下降饱和变化趋势、对数据无非负性要求的任意数列,其预测值不需要还原计算,具有适用范围广、预测精度高和简单实用的特点.该模型有效弥补了传统GM(1,1)模型在此类数据处理方面的不足,因此,具有较大的应用推广价值.     

直升机载荷标定方程回归变量的优先方法

直升机在研制和使用的过程中需要建立结构件的输入载荷与应变电桥之间的定量关系,即载荷标定方程。直升机载荷标定方程是多元线性方程,遗漏了重要的变量,或者将不显著的变量也选入方程,会降低了载荷标定方程的精度。本文针对载荷标定试验数据,采用逐步回归法将变量一个个引入,对已选入的变量进行逐个检验,将不显著的变量剔除,从而得到最优的自变量参数组合,以此得到精度高的回归方程。此方法已成功应用于直升机载荷的飞行实测。     

基于主成分分析线性回归的光伏发电功率预测研究

针对经典光伏发电功率物理模型预测精度不高、可能遗漏关键气象因子的问题,基于数据驱动思想提出一种主成分分析、逐步线性回归以及多种检验相结合的光伏发电功率预测模型混合建模方法.采用相关性分析提取关键气象因子自变量,通过逐步线性回归对历史样本数据进行训练得到初始模型;对初始模型进行拟合程度、有效性以及多重共线性等多种检验,根据检验结果,采用主成分分析对初始模型自变量进行降维重构,得到修正模型;通过残差分析实现修正模型正确性的自校验;基于多种时间尺度对经典模型、未修正模型以及修正模型的预测结果进行详细对比分析.仿真结果表明修正模型提高了预测精度及所提混合建模方法的有效性与优越性.     

回弹法测强曲线的逆向回归模型

研究发现采用传统回弹法测强曲线的自变量与因变量的选取存在问题，造成误差较大，且有时不符合工程要求，为此提出了一种测强曲线的逆向回归模型，将原模型中自变量与因变量对换，使试验数据处理更符合回归分析理论，并对220组试验数据分析得出其平均相对误差和相对标准差比传统回归模型明显偏小，从而使回弹法检测混凝土强度的结果更加准确、可靠。     

基于图像边缘位移的有监督的稀疏表示分类方法

稀疏表示分类算法在有监督的图像识别上有广泛的应用.该分类算法的准确度与训练样本个数有很大的关联.通常训练样本越充分,则该算法分类准确率越高,然而遇到小样本问题时,该算法分类准确率会明显降低.针对小样本问题,提出使用基于图像边缘位移的方法,得到和原始训练图像样本高度相关的新样本,达到扩充训练样本容量的目的,进而提高算法的分类准确率.同时,对于带仿射约束的稀疏表示分类算法,也可以经过图像边缘位移方法来提高分类准确率.实验结果证明,所用方法能够取得较好的图像识别效果.     

粗糙集理论在区域降水预报中的应用研究

用粗糙集属性约简方法选择出比较合理的预报因子组合,建立广西东南部区域日平均降水量的预报方程(预报时效为24h),并进行2006年5～6月的前汛期逐日业务预报应用试验.结果表明,采用属性约简方法建立的预报方程比传统的逐步回归预报方程有更高的预报精度,具有较好的业务应用前景.     

灰色系统的弹箭系统研制费用估计模型的研究

对弹箭系统研制费用的估计常采用多元线性回归方程法。该方法要求有大量样本数据的情况 ,并且估计精度较差。在新型弹箭系统的研制中 ,由于样本数据较少 ,给研制费用估计带来一定的困难。该文应用灰色系统预测理论解决弹箭系统研制费用估计问题 ,建立了灰色系统GM预测模型和n次累加残差模型并对GM预测模型进行修正。通过实例计算能看出用较少的样本可以得到较高的预测精度。     

曲线拟合度分析法在公路货运回归预测中的应用

对曲线拟合度分析法的基本原理进行了介绍,阐述了回归预测中引入曲线拟合度分析法的作用,并选取杭州市"十一五"期间货运量与生产总值数据构建若干回归预测模型,通过曲线拟合度比较分析,优化了预测模型选择.实验结果表明该方法所获得的模型预测结果相对接近于实际.     

一种基于SVR的综合预测方法及应用

针对一类因变量具有复杂自变量、且不具备相同采样周期的预测问题，综合运用支持向量回归估计(SVR)、多元回归和主成分分析等多种数据分析技术，提出了一种综合预测方法，建立起了飞机故障率与其错综复杂的影响因素间的一种数学关系，并且采用航空装备质量控制的统计数据对所提出的方法进行了实验，预测结果显示了方法的有效性。在影响因素量化过程中，还引入了Pearson相关系数方法。     

融入距离方差和距离相关系数的偏最小二乘回归方法

偏最小二乘法(partial least square, PLS)在内部采用Pearson系数度量自变量和因变量之间的相关性时提取出的成分不能确保解释性最强，并且PLS在将提取的成分进行线性回归时也无法真实反映变量间的函数关系.针对这些问题，该文提出了融入距离方差和距离相关系数的偏最小二乘回归方法(DVDCCPLS).DVDCCPLS基于距离方差和距离相关系数提取距离成分，再将距离成分进行拟线性回归得到距离回归方程，通过模型求解方法将距离回归方程转换为原始数据的表达，最终得到结构简洁、精度较高的回归模型.该文分别采用麻杏石甘汤数据和UCI数据集测试DVDCCPLS的性能，并与其他5种经典的回归算法对比，结果表明：DVDCCPLS具有较好的回归效果和回归性能.