电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响。应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能。     

电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响。应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能。     

电力负荷预测的核偏最小二乘回归模型

利用高斯核函数将低维空间的非线性回归转化为高维空间的线性回归,建立了基于核偏最小二乘回归的电力负荷预测模型,克服了非线性因素对预测模型的不利影响.应用武汉市的实际数据进行了验证,结果表明,基于核偏最小二乘回归的电力负荷预测与线性偏最小二乘回归相比,具有更好的预测性能.     

左、右伪逆矩阵的数值计算

本文讨论两大类工程问题的“解”的表述及数值计算,它们最终可归结为解线性方程组Fx=u,其中F是n×m矩阵.一类问题,如最小能量控制,需求nm情况下方程组满足约束条件J=‖Fx-u‖=min的“最小二乘解”.对这两类工程问题,分别引入右、左伪逆矩阵后,可     

支持向量机用于定量构效关系建模的研究

运用支持向量机, 偏最小二乘和BP人工神经网络3种方法对苦味二肽和血管紧张素转化酶抑制剂2个肽体系进行了定量构效关系建模研究. 为了验证模型的外部预测能力, 样本集经D-optimal设计被分成训练集和测试集两部分, 通过对测试集的预测结果来判断模型的外部预测能力. 结果显示支持向量机在2个体系中均表现出了较强的建模和预测能力. 在对苦味二肽的构效关系建模中, 支持向量机的建模和预测结果明显优于偏最小二乘, 与BP人工神经网络相比, 虽然在建模能力上支持向量机略逊于BP神经网络, 但其预测能力却明显优于BP神经网络; 而对于血管紧张素转化酶抑制剂, 支持向量机的建模和预测结果则略优于偏最小二乘和BP人工神经网络. 其中采用线性核和径向基核的支持向量机模型在两个肽体系中建模和预测结果相当. 研究显示支持向量机在药物的定量构效关系研究中具有广阔的应用前景.     

利用SOM网络由SSM/I资料反演海洋上大气可降水量

利用ＮＡＳＤＡ提供的ＳＳＭ／Ｉ亮温和相应的海气象探空资料,建立了由ＳＳＭ／Ｉ亮温反演大气可降水量的自组织特征映射网络模型。５／６资料用于模型的建立,１／６用来检验模型的反演能力。结果表明该模型较目前业务上采用的算式方法好,具有实际应用意义。     

线性模型误差方差估计的强相合性

线性模型是数理统计中最重要的模型之一。在样本容量确定和误差服从独立的正态分布的条件下,该模型的误差方差的最小二乘法估计具有周知的良好性。但在误差不一定服从正态分布时,迄今为止对这种估计的性质知道不多。1966年Gleser在样本容量无限和误差服从独立同分布的条件下获得了关于这种估计的重要结果。本文的结果则是在误差分布不一定相同这一更广泛的情况下给出的。     

晶体结构参数阻尼最小二乘精化法

最小二乘法目前已成为使用最广泛的一种结构参数精化方法。作者用非线性问题的麦夸尔特解法改善了晶体结构参数最小二乘精化的计算过程。并按此编制了适用于国产电子计算机的全矩阵最小二乘精化程序(GCLS-013)(BCY语言,013计算机)和方块对角矩阵最小二乘精化程序(GCLS-BLOCK)(ALGOL语言,TQ-16计算机),作为晶体结构分析计算程序系统(GC-79)的一个组成部分。本文着重介绍计算方法。程序已另文发表。     

通过立体控制选择性合成β-D-吡喃甘露糖苷的新方法

报道了利用２－Ｏ－三氟乙酰基－３,４－６－三－Ｏ－苄基－α－吡喃甘露糖基三氟乙酸酯在Ｌｅｗｉｓ酸催化下通过分子内亲核取代反应立体选择性合成β－Ｄ－吡喃甘露糖苷的新方法,并讨论了该方法可能的机理。     

纵向数据部分线性模型的估计

文章讨论了纵向数据下的部分线性回归模型的估计方法,给出了参数分量和非参数分量的profile最小二乘估计,并研究了这些估计的渐近正态性。     

纵向数据部分线性模型的估计

文章讨论了纵向数据下的部分线性回归模型的估计方法,给出了参数分量和非参数分量的profile最小二乘估计,并研究了这些估计的渐近正态性.     

一类仿射非线性系统适应控制的稳定性

对一类具有一参数的仿射非线性随机系统,证明了参数未知的情况下,采用随机正则化的加权最小二乘估计算法和一步最优控制指标,可以给出使产才环系统具有全局稳定 自适应控制律。并且举例说明了系统的乘性非线性程度可以任意高。     

阶梯式电价下居民承受能力分析

文章针对阶梯式电价的提出,通过建立偏最小二乘回归模型引出居民承受能力系数,在保障居民基本生活用电的基础上,对电价上调时居民的承受能力进行了分析。     

阶梯式电价下居民承受能力分析

文章针对阶梯式电价的提出,通过建立偏最小二乘回归模型引出居民承受能力系数,在保障居民基本生活用电的基础上,对电价上调时居民的承受能力进行了分析.     

GPS观测的2015年尼泊尔M_S 8.1级地震震前应变积累及同震变形特征

2015年4月25日,在印度板块与欧亚板块交界区的喜马拉雅地震带上发生了尼泊尔MS 8.1级大地震.震前GPS速度场和应变率场显示,喜马拉雅地震带整体表现为15.94±1.82 mm/a的压缩特征,同时还具有分段活动特征.此次地震发生在速度场顺时针旋转和逆时针旋转的分界带,该处最大主压应变率的量值在喜马拉雅地震带并非最大.GPS观测的同震位移场揭示了尼泊尔MS 8.1级地震引起的地壳变形特征,分别有9和6个测站观测到明显的水平向和垂向同震位移,其水平分量的运动方向整体表现为南向运动,位于震中东南侧的3个测站垂直分量表现为上升,其余测站为下降.中国境内距离震中最近的5个测站的垂向同震位移显示,此次地震造成珠穆朗玛峰的沉降量约为4mm.依据GPS观测到的同震位移场,利用非负最小二乘方法反演震源断层面上的滑动分布.反演结果表明最大滑动量为6.84 m,滑动量较大的区域分布在加德满都附近及其以北区域的下方,这可能是造成加德满都地区具有较大破坏的原因之一,该滑动分布模型能够很好地解释GPS观测到的同震位移.利用此滑动分布模型计算的地震矩为8.21×1020 N m,对应的矩震级为MW7.9.     

显微拉曼光谱法定量检测碳氧血红蛋白饱和度

采用显微拉曼光谱技术对不同饱和度碳氧血红蛋白(HbCO)进行测定,通过偏最小二乘法(PLS)和间隔偏最小二乘法(IPLS)建立模型,得出线性回归方程.结果表明,经过筛选变量信息所建立的间隔偏最小二乘模型(IPLS),当血红蛋白系列样品中碳氧血红蛋白含量为0～100%时,线性相关系数的平方为0.99,检测限为5.37%,完全能满足临床和法医学上CO中毒程度的检测.此方法具有快速、简便、直接、对样品无损等优点,有望成为检测碳氧血红蛋白饱和度的新方法.     

钒的稳定相和亚稳相低温热力学研究

利用文献中的实验数据, 钒的稳定相热力学被多项式模型和德拜模型评估. 通过带限制条件的非线性最小二乘算法确定多项式模型和德拜模型中的参数. 在温度区间[0, 298.15 K]内, 热容C_p(T)和吉布斯自由能G(T )-H(298.15 K)的表达式被给出. 而钒的亚稳相热力学只能由德拜模型外推, 给出其对应的热容C_p(T )表达式.     

Based on the weighted overall least squares rotation angle dimensional Cartesian coordinate conversion

笔者针对大旋转角三维直角坐标转换中两类坐标均存在误差的情形,首次联合加权整体最小二乘及改进SQPM算法用于解决该问题,结果表明,本方法结果稳定、精度较高,适合两类坐标均存在误差的大旋转角三维直角坐标转换.     

应用分子全息QSRR预测有机磷化合物的色谱保留指数

基于分子全息技术, 研究了41种有机磷化合物甲酯化后气相色谱保留指数与分子全息结构之间的关系, 应用偏最小二乘回归技术建立了分子全息定量结构-色谱保留相关模型, 非交叉验证系数r² = 0.994, 交叉验证相关系数q²_LOO = 0.984. 随机选出30种有机磷化合物作为训练集, 其余作为测试集来验证分子全息QSRR模型的预测能力和稳健性. 在最佳建模条件下对训练集进行偏最小二乘回归分析, r₂为0.995, q²_LOO为0.982. 用训练集数据所建立的QSRR模型预测测试集中有机磷化合物的色谱保留指数, 结果表明, 基于训练集所建立的QSRR 模型可以对测试集的有机磷化合物的气相色谱保留指数进行很好的预测. 利用HQSRR模型的色码图, 探讨有机磷分子中的不同侧链基团对其色谱保留性质的影响, 以及有机磷化合物在固定相上的色谱保留机制.     

部分线性模型参数分量的M估计的渐近正态性

Engle等人提出了下列部分线性模型Y_i=X_i~tβ_0 g_0(T_i) u_i,1≤i≤n其中(T_1,X_1~t,Y_1),…,(T_n,X_n~t,Y_n)是随机向量(T,X~t,Y)的i.i.d.样本,U_i为随机误差,U_1,…,U_n与(T_1,X_1~t),…,(T_n,X_n~t)相互独立,X∈R~d,T∈[0,1],β_0为未知参数向量,g_n是一光滑未知函数.文献中,有许多学者讨论了关于这个模型的估计问题,包括惩罚函数法、基于分段多项式逼近的最小二乘法和基于核函数近似的最小二乘法.由于上述方法得到的估计不稳健,本文用分段多项式逼近g_0讨论较稳健的M估计.记g_n(t)=(?)(t)~ta为一分段m阶多项式,其段数为M_n,其中(?)(t)是一函数向量,β_0和