基于粗糙集的偏最小二乘回归方法

针对变量之间多重相关性导致最小二乘估计失效的问题,提出基于粗糙集改进偏最小二乘回归建模方法.首先,利用粗糙集对数据进行一般约简,去除冗余信息,再进行偏最小二乘回归分析,建立回归模型.通过实例计算,并与PLSR、PCR进行比较分析.结果表明：用粗糙集改进的PLSR建模精度为3.65%,分别高于PLSR(4.07%)和PCR(4.45%),从而验证了所提出方法的通用性及实用价值.     

基于非线性回归最小二乘法的改进Gompertz模型参数估计

可靠性增长试验是产品研制阶段不可缺少的一项提高产品可靠性的工程项目。成败型试验的可靠性增长数据通常用Gompertz模型进行评估,但存在S形增长数据拟合精度差的不足。根据高斯一牛顿最小二乘法和多元线性回归最小二乘法原理,提出改进的Gompertz模型参数估计的非线性回归最小二乘法。用试验数据对改进后的模型进行验证,拟合度较好。     

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.     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

基于改进进化策略的线性参数估计方法

针对线性回归模型,在最小二乘意义下,提出一种基于改进进化策略的线性参数估计方法并用仿真实例检验其有效性.该方法是将进化策略与最小二乘法相结合并且对算法中的变异算子作了相应改进.算法参数估计精度较高,收敛速度快,自适应性强,能有效处理线性回归参数估计问题.     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

GM(1,1)模型的改进

由于最小二乘法的稳健性有一定的局限性,使得GM(1,1)模型的拟合精度有时并不理想.为提高预测精度,在分析比较最小一乘法和最小二乘法优缺点的基础上,改变了GM(1,1)模型的参数估计方法,用普通最小一乘法和折扣最小一乘法代替了原来的最小二乘法.最后通过实例验证了该改进方法的有效性.结果表明,改进的GM(1,1)模型准确度有较大提高.     

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.     

多元线性回归递推最小二乘估计的一种新形式

给出一种新型的多元线性回归模型参数的递推最小二乘估计,在很大程度上,新的方法改进了传统的最小二乘估计。     

基于支持向量机的生物发酵过程软测量建模

针对最小二乘向量机的缺陷,提出了一种改进的最小二乘支持向量机回归方法.根据输入变量和样本点间欧氏距离的大小,去除回归模型中大部分的样本点,从而获得回归模型的“稀疏”特性,大大提高计算速度.同时,将这一方法应用于生物发酵过程,建立了青霉素发酵过程中产物浓度的软测量模型,实现了青霉素浓度的在线预估.仿真结果表明,这一方法为生物发酵过程中难于在线测量质量参数的实时监测提供了一个有效的手段.     

利用微生物净化玉米淀粉工业废弃物的研究

玉米淀粉工业的主产品为淀粉，副产品有玉米蛋白粉，玉米油，黄浆，菲汀等，但是淀粉生产的同时有大量的废弃物排放，严重地污染了环境，尤其是污染地面水环境。现行污水处理方法因经济性差等原因，在淀粉工业中应用甚少。     

基于神经网络的动态轧制中摩擦因数仿真估算

基于多层前馈人工神经网络原理,研究了冷轧机组动态轧制过程中轧辊与轧件间摩擦因数的估算新方法.将轧制过程中摩擦因数视为轧制温度、润滑剂黏度、轧制速度等多参量共同作用的多变量非线性函数,采用神经网络非线性映射功能,构建了摩擦因数与影响参数之间的复杂函数关系的数学模型,提出了轧制过程中动态摩擦因数的神经网络插值逼近算法.同时编制程序进行多参数共同作用下的摩擦因数实例仿真分析,结果表明研究方法的可行性.     

机场纵断面上竖曲线设计的改进方法

对现有机场纵断面竖曲线设计方法作了分析，分析了其缺点，并指明了现有视距判定方法不能处理局部凹形纵断面和设置竖曲线的情况。提出了残余变坡法和抛物线法两种改进后的设计方法，对两种新方法的各种要素进行了推导。并对设计了竖曲线的两类视距判定提出了一种新的计算方法，这种方法克服了现有方法的缺点，而且适合计算机编程。     

基于数值积分的M-APSK理论性能曲线估计的新方法

在遥感图像分辨率要求急剧提高的今天,高阶调制方式成为必要之举。抗噪声理论性能是研究各种调制方式的首要考虑因素,然而关于M-APSK至今没有理论性能的简洁公式表达。提出了一种解调抗噪声理论性能估计的方法,对于原函数的积分形式采用数值积分,分别给出了方形和扇形区域的解决方案。实验发现,对于M-PSK、QAM等传统调制方式的估计结果与公式结论高度吻合,方法可用于M-APSK及更多新型调制方式的理论性能估计,达到很高的精度。     

一种新的几何约束自适应阈值图像去噪方法

文章提出了一种几何约束空间自适应阈值的图像去噪新方法。此方法基于非抽样小波变换的多分辨率分解,利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系。在BayesShrink阈值的基础上进行改进,采用空间自适应方法,为每一个小波系数确定自适应的阈值。在含噪系数的方差估计中,与以往的估计方法不同,不仅考虑到子带内小波系数之间的依赖关系,而且考虑了沿梯度方向的邻域内小波系数之间的依赖关系,使得含噪系数的方差估计更为准确。实验结果表明,与传统去噪方法相比,本文方法能更有效地去除噪声,具有更好的重建视觉效果。     

基于自回归模型非线性振动模型特性识别

对假定为三次自由衰减非线性系统的识别进行了理论研究。首先,对系统进行非线性分析得到振幅和频率的瞬时关系式。然后,通过引入Hilbert变换获得结构瞬时振幅和瞬时频率,针对Hilbert变换获得的瞬时频率抗噪音能力弱的缺点;基于自回归时间序列模型通过卡尔曼滤波获得结构瞬时频率。最后,通过已获得的瞬时频率、瞬时振幅及二者的关系式建立相应的回归模型,运用最小二乘法可以识别出非线性系统系数。通过数值算例模拟验证算法识别有效。研究为非线性系统的识别提供理论方法。     

基于EMD的信号瞬时频率估计

分析了信号瞬时频率的定义及其两种主要的获得信号相位的方法：解析信号法和正交模型法.提出了一种基于经验模式分解的新的瞬时频率估计方法——正交包络法.该方法计算简单,克服了正交模型法无法由一个时间函数确定两个时间函数的困难.与Hilbert变换方法相比,正交包络法使边界问题得到了明显改善.实验证明这是一种有效的瞬时频率估计方法.     

基于LTS稳健初值的选权迭代法

提出先用LTS稳健估计来确定残差的初值,然后再进行选权迭代方法。其估计结果既具有LTS方法的高失效点(BP)稳健性,又具有选权迭代方法的高估计效率。仿真表明基于LTS稳健初值的选权迭代方法能够同时抵抗来自X方向和Y方向的多个异常,具有非常强的稳健性,其计算结果与没有异常时的最小二乘估计结果一致,同时它的估计效率也达到了很高的水平。     

房地产投资的多目标决策分析与模型

房地产风险投资决策是复杂的多目标决策问题．介绍了房地产决策的各种评价指标并给出了几种方案，并针对各指标的不同类型给出了一种综合的优化解法，最后用此法完成了各方案的择优排序，并结合应用介绍该模型的评价方法。     

基于FRFT的单矢量水听器目标方位估计

在单矢量水听器互谱方位估计基础上,提出了应用分数阶Fourier变换（FRFT）计算声强流谱并进行方位估计的方法.利用FRFT对线性调频信号（chirp）良好的能量聚集性,对chirp信号采用分数阶谱方位估计具有明显的优势.仿真结果表明,在各向同性干扰背景中,分数阶谱方位估计在较低信噪比下能有效估计目标方位,其估计精度高于频域互谱估计.