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建模的探讨

从工程应用的角度介绍了一种新的回归方法-偏最小二乘回归，分析了传统最小二乘回归所不具有的特点，数值实例研究表明偏最小二乘回归能在自变量间存在强相关的情况下建立模型，介最小二乘回归不能，同时，电路成品率估计研究表明，在较少样本点的情况下，利用偏最小二乘回归模型进行成品率估计是行之有效的，其预测精度能满足实际电路设计和分析的要求，且大大扰于最小二乘回归。     

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。     

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.     

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.     

PID电子鼻在车内空气质量评价的应用研究

以便携式PID电子鼻系统作为检测手段,对车内气体VOCs质量分数进行客观检测,同时同步进行车内气体主观评价,并对采集到的数据进行分析.筛选VOCs质量分数特征值,分别建立一元线性回归模型及偏最小二乘回归模型,结果表明,一元线性回归模型对车内气味预测效果较好,预测精度在0.3个气味强度等级之间,同时模型本身拟合效果较好.所建的偏最小二乘回归模型显著性检验结果表明,模型不具有显著相关性,因此不再进行气味强度等级的预测分析.     

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%.     

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%.     

基于加权整体最小二乘的多元线性回归分析

针对变形监测数据中自变量和因变量观测向量都含有误差、且采用一般最小二乘估计是有偏的这一问题,引入EIV模型,并顾及各自变量观测精度的不同,采用加权整体最小二乘对待估参数进行估计。长江三峡库区滑坡监测实验表明,基于加权整体最小二乘的多元线性回归分析能更好地对回归方程进行参数估计,可明显提高形变预测精度。     

基于多变量相空间重构的地下水动态神经网络预测模型

从多元变量时间序列出发,以相空间重构理论为基础,结合偏最小二乘回归与神经网络方法,提出了基于多变量相空间重构地下水动态预测的神经网络模型.通过分别确定各个时间序列的时间延迟和嵌入维数的方法对地下水动态的多变量时间序列进行相空间重构,采用偏最小二乘回归法提取对系统解释最强的成分作为网络输入,利用神经网络模型进行各成分之间的非线性拟合.将基于多变量相空间重构地下水动态预测的神经网络模型应用于黑龙洞泉域地下水位预测,并通过分析与比较验证了该方法的有效性.     

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下，如何建立它们之间的线性回归”的基本问题，以经典线性回归分析法为基础，结合对称Logratio变换，建立了一种基于偏最小二乘回归分析的成分数据预测模型，并对该模型进行了理论实证分析，论证了该模型的可行性与优良性，从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径．     

多组分混合物偏最小二乘分光光度分析方法研究

本文研究了偏最小二乘分光光度法同时测定多组分混合物的方法,探讨了偏最小二乘回归计算法有关参数对计算结果的影响.通过对三组分食用色素、四组分芳香醛模拟样和实际样品中食用色素含量的测定计算,结果表明偏最小二乘法计算结果稳定、精确度较高.     

成分数据的偏最小二乘回归分析法

本文针对具有成分数据信息的多因变量对多自变量线性回归问题,在传统的线性回归基础上提出了一种成分数据的偏最小二乘回归分析法,并对其进行了理论性分析,论证了该方法的可行性与合理性。     

顾及自变量与因变量误差及相关性的线性回归

提出一种顾及自变量和因变量观测误差及误差相关性的线性回归新方法,并导出了求解线性回归系数的迭代公式.以一元线性回归为例,导出了与最小二乘回归系数表达形式类似的解析解,并揭示了新方法与最小二乘方法的本质区别.此外,对于含有多个自变量的多元线性回归,给出了相应的同时考虑自变量和因变量观测误差及误差相关性的回归系数求解方法.试验表明,当自变量是非随机变量时,新方法与最小二乘方法的回归效果相同;当因变量和自变量都是随机变量(自变量与因变量的观测误差相关或不相关)时,新方法的回归系数比最小二乘方法的回归系数更加接近实际值.     

一种改进的线性回归预测模

用最小二乘法求解线性回归预测方程的回归系数时,计算量比较大,针对这个问题,提出一种改进的线性回归预测模型,该模型和其它预测算法配合,能够对若干种药品的销售额进行预测,挑选的药品种类越多,效率越高。最后通过具体实例验证了该模型是可行、有效的。     

地理和地形影响下我国区域的气温空间分布

不同于以往基于最小二乘的多元线性回归方法,本文将新型的第二代回归分析方法一偏最小二乘回归分析方法应用到中国区域气温空间分布的建模中．利用区域内394个气象观测站建站到2000年45年（及以上）的逐日气温资料,建立了一个简洁的年、季平均气温和地理、地形因子（包括纬度、经度、地形高程、坡度、坡向和遮蔽度）的关系模型,估算了区域地理、地形影响下气温的空间分布,并分析了这种影响的特征．结果表明,此模型具有88％的平均拟合能力,平均相关系数达到0．94,经交叉有效性检验,模型的回归效果较显著．分析表明,在多元线性回归不适用的情况下,本文基于偏最小二乘法的简单模型能够准确地再现我国实际气温的空间分布,具有一定的使用价值．     

完整桩极限承载力的偏最小二乘回归预测法

关于完整桩轴向极限载力Qu与桩长L、桩径d、桩的阻尼自振基频f1、桩的应力波波速c以及桩的单位动刚度Kd等参数,已知Qu的大小与上述5个参数存在一定的关系,现采用偏最小二乘回归方法对其进行描述。偏最小二乘回归方法是近年来产生和发展的一个具有广泛适用性的多元统计分析方法。其特有的选择因子方式与传统方法迥然不同,而其计算量比传统方法都小。它意义明确,计算简单,建模效果好,解释性强,日益成为工程技术人员和经济管理工作者能够熟练掌握的实用工具。     

丹东城区SO_2污染的模型拟合与试报分析

针对丹东城区SO2污染的实际情况与气象因子的关系,用小波分析理论研究SO2污染浓度时间序列的年变化规律和突变特性,建立SO2污染的偏最小二乘回归预报模型并在实际预报中进行模拟、试报及预报效果检验.结果显示,SO2污染浓度时间序列的年变化规律和突变特性与实际值的变化规律基本相同,模型拟合值与实际值的变化趋势基本一致;与现行预报模型相比,预报误差有所减小,精度进一步提高,模型更符合丹东城区SO2污染的实际情况,预报模型可以用于各季SO2浓度预报.     

系数为非对称指数型模糊数的多元线性最小二乘回归

使用模糊数之间的某种距离和的最小二乘方法，研究了模糊多元线性回归模型，此模型的输入为精确数据，输出为模糊数据，回归系数为非对称指数型模糊数，并通过讨论一元模糊线性回归模型，推导出三组正规方程组以分别用于求解模型回归系数的模糊中心参数，左边参数和右边参数，然后将此结果推广到多元情形，考察了观测值与估计值之间的拟合优度。     

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。