基于NIRS的马尾松苗木根部含水量预测模型

【目的】马尾松是我国南方主要造林树种,其根部水分含量是评价树木活力的重要指标。本研究构建了一种基于近红外光谱(near infrared spectroscopy,NIRS)的马尾松苗木根部含水量预测模型。【方法】首先采集根部近红外光谱数据,然后利用可变加权堆叠自动编码器结合支持向量回归构建预测模型。可变加权堆叠自编码器用来逐层提取与输出相关的特征,支持向量回归根据自编码器生成的特征实现了含水量更精确预测。【结果】与其他常用模型的结果相比,提出的模型在马尾松苗木根部水分预测中可以达到最佳性能,校正集中决定系数达到0.970 8,均方根误差为0.635 8;预测集中决定系数达到0.941 3,均方根误差为1.027 0。【结论】基于近红外光谱技术, 可变加权堆叠自动编码器与支持向量回归相结合可实现马尾松苗木根部含水量准确预测。     

多种归一化方法对miRNA微阵列数据的作用分析及比较

通过MA图和箱线图比较归一化前后miRNA微阵列数据分布情况的变化,用K-S检验和均方误差来评估6种归一化方法的优良性.结果显示,对于miRNA微阵列数据而言,局部加权回归方法和分位数归一化方法比其它方法效果更好,其中又以局部加权回归方法的效果最佳.     

基于小波峭度的土壤表层机油浓度预测方法应用

机油烃类物质对于农作物生长和土壤基质产生不可忽视的影响,造成的农作物减产甚至绝收等现象。为解决土壤表层中机油烃类污染物质浓度预测的问题,利用荧光诱导技术获得机油光谱曲线,提出以小波峭度作为量化参数进行土壤表层中污染油浓度预测的方法,以市面出售三种不同机油结合随机森林回归算法进行了比较分析。实验结果表明,选取小波峭度参数的随机森林对三种机油的浓度预测结果利用相关系数R_p和均方根偏差RMSD进行评价,对齿轮油、发动机油、摩托车机油的预测,分别提高了1.2%、2.2%、1.9%和14.9%、32.4%、16.8%;对三种机油随机选取30组样本,对其识别准确率分别提高了6.67%、6.66%、9.96%;同时也验证了小波峭度参数在多个回归模型中的预测精度均有提高,具有较高的预测性能。综上所述,这为土壤表层中其它烃类污染物浓度预测回归模型提供了一定的参考,为农业生产和土壤环境的可持续发展提供一种有效的检测手段。     

交通能源需求量组合预测模型研究

本文尝试将组合预测法应用于我国交通能源需求量的预测,以提高预测精度．通过赋予合理权重,将误差修正模型、非线性回归模型和多元回归模型加权组合建立组合预测模型．对各模型进行平均绝对百分误差（MAPE）、希尔不等系数（Theil IC）和均方根误差（RMSE）等指标的比较,证明单一模型经过组合能够提高预测精度．     

旅游收入时间序列预测——以秦皇岛市为例

采用时间序列动态模型、求和自回归滑动平均模型、延迟因变量自回归模型预测秦皇岛旅游收入时各有优劣。用平均绝对百分比误差、均方根误差和均方根百分比误差三个指标来评估这三个模型,发现求和自回归模型的预测能力最好,并由此提出增加秦皇岛旅游收入的关键措施：导入区域旅游模式,提升旅游服务质量,加强旅游产品促销等。     

终端区4D飞行轨迹预测与冲突预警

为提升终端区飞行轨迹预测精度,实现航空器短时冲突预警,建立一种基于孪生支持向量回归的终端区4D飞行轨迹预测模型。对历史飞行轨迹应用重采样算法,降低轨迹数据规模;利用墨卡托投影将轨迹点经度、纬度与高度化为x-y-z坐标,采用孪生支持向量回归算法学习预测模型,实现短时航空器飞行轨迹动态预测;计算两架航空器水平、垂直距离,建立航空器冲突预警指示函数;对孪生支持向量回归算法进行超参数灵敏度分析,分析各超参数对模型预测效果的影响。根据机场真实数据进行仿真实验,证明：基于孪生支持向量回归的4D飞行轨迹预测模型能够准确捕捉航空器运动趋势,且泛化能力强;所提模型x-y-z坐标预测均方根误差是BP神经网络预测结果的32%,35%和61%,单次预测计算用时减少约0.13 s。     

一种非线性非平稳时间序列预测建模方法

提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的.     

沥青生产过程中软化点的SVR预测

根据30组不同电阻和温度下的沥青软化点的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,并结合留一交叉验证(LOOCV)法对沥青软化点进行了建模和预测研究,将其预测结果与多元线性回归(MLR)模型的计算结果进行了比较。SVR-LOOCV预测的最大误差为2.1 ℃, 远比MLR模型计算的最大误差7.9 ℃要小得多。统计结果表明：基于SVR-LOOCV预测结果的均方根误差(RMSE=0.75 ℃)、平均绝对误差(MAE=0.32 ℃)和平均绝对百分误差(MAPE=0.28%)相应也比MLR回归模型的预测结果(RMSE=3.3 ℃,MAE=2.6 ℃和MAPE=2.34%)要小。因此,应用SVR实时预测沥青产品的软化点,可为生产优质沥青提供准确的科学指导。     

基于无人机图像的小麦灌浆期叶片氮含量估算

氮含量是小麦的重要营养指标之一。传统方法监测不同生长时期的小麦叶片氮含量的过程繁杂且具有破坏性,针对该问题提出了利用无人机遥感图像快速预测小麦氮含量的方法。利用小麦灌浆时期获取的无人机图像,基于改进的加权平均算法进行拼接和融合。该方法可有效消除拼接痕迹和差异,从而有效提取小麦特征,包括RGB特征、HIS特征和植被指数(VIs),利用这些特征及它们的组合构建支持向量回归模型。实验结果表明,基于HIS特征+VIs组合的模型预测精度最高,其验证集决定系数(R2)为0. 774,均方根误差(RMSE)为0. 363 7。该结果说明基于无人机监测小麦灌浆期的营养可行,这也为小麦田间管理提供了技术支撑。     

一种新的混合智能预测模型及其在故障诊断中的应用

针对机电设备运行状态受多因素影响且变化趋势复杂、难以用单一预测方法进行有效预测的问题，提出了一种新的基于经验模式分解、支持向量机和自适应线性神经网络的混合智能预测模型．首先，利用经验模式分解方法将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个本征模式分量，然后根据这些分量各自趋势变化的剧烈程度选择合适的核函数，用支持向量机对其进行预测，最后通过自适应线性神经网络对这些预测分量进行自适应加权组合，得到原始序列的预测值．研究结果表明，对于标准算例和某机组振动趋势的预测，不论是单步预测还是多步预测，该模型的预测性能均好于单一的支持向量机预测方法。     

深圳证券市场的CAPM模型实证分析

对深圳股市的资本资产定价模型(CAPM)进行时间序列数据和横截面数据检验,研究了股市风险与收益的关系,对深圳股市的特点进行了分析.发现深圳股市不满足资本资产定价模型(CAPM),系统风险与收益虽存在正相关,但不是线性关系;市场投机氛围过重,说明市场还不成熟.     

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。     

R统计软件在统计教学中的应用

在讲授统计基本思想方法的同时利用统计软件进行辅助教学,以提高学生利用专业知识解决实际问题的能力已成为现代统计教学的重点;以回归模型为例介绍了R统计软件在统计教学中的应用。     

PLS回归应用实例

在研究因变量y与p个自变量的线性回归关系时 ,常遇到自变量间存在多重共线性的问题。文献 [3]介绍了用PLS回归来消除多重共线性的方法。本文通过两个例子的计算建立PLS回归 ,并发现了PLS回归实施过程中的若干问题 ,提出了一些自己的看法     

一类回归方程的稳定性及两条回归直线的比较

文章介绍一元线性回归中回归方程的稳定性及两条回归直线的比较方法,并举实例加以说明, 具有一定的实际指导意义。     

承压水漏斗中心最低水位的岭回归

针对最小二乘回归方法，回归系教的显著性F检验，如果F〉临界值，则线性回归显著，但当多元回归模型的设计矩阵存在近似线性相关（称为复共线），即｜X^TX｜≈0，这时这一判别标准不具备普遍意义。本文结合实例对设计矩阵出现复共线关系进行岭回归。     

多元回归分析方法应用实证分析与比较

利用多元统计分析的线性回归分析理论,首先对糖尿病临床采集数据进行相关分析,了解因素之间的相关关系,其次分别采用线性回归的前进法、后退法、逐步回归分析方法,探讨糖尿病病人胰岛素每日注射初始剂量与其影响因素之间的线性关系.根据回归方程调整相关系数、AIC准则等,对比选择最优应用回归模型,确定胰岛素用量及其主要影响因素血糖、尿蛋白的回归模型,对医生临床治疗提供参考.     

基于多重共线性的Lasso方法

多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点.就此问题介绍了一种Lasso方法,并设计了一种选择最佳模型的方法.通过实例分析,将其与常用方法进行比较,从结果可看出,Lasso回归在处理多重共线性问题上较其他方法更加有效.     

环境监测分析中线性回归方程系数的讨论

线性回归已广泛应用于环境监测分析,本文对线性回归方程系数的正负和大小进行了讨论.     

重庆市大气污染物分布特征及影响因素分析

基于重庆市2014—2018年的六大气体污染源PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O_3的月均浓度数据以及AQI(空气质量指数),对污染物的月度变化、季度变化、年度变化特征进行了描述性的分析,再根据收集的7个变量数据,运用多元回归分析,建立AQI与六大污染物之间的回归方程,运用分位数回归,对主要污染源在各个分位点上的变化进行分析。