基于鲁棒LS-SVM的ARMA时序模型研究

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒LS-SVM算法建立ARMA时序预测模型。该模型是在LS-SVM的约束条件中加入鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到高炉的热状态的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报铁水中硅的含量,从而达到了预测高炉热状态的目的。说明了该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为稳定钢铁质量和生产工艺创造了良好条件。     

基于核函数变换的PLS回归的非线性结构分析

基于核函数变换的PLS非线性回归模型既吸取了核函数能够拟合适应任意连续变化曲线的优点，又借鉴了偏最小二乘回归方法能够有效解决自变量集合高度相关的技术。在本文中针对多元加法模型，从理论和仿真试验的角度分别验证了，对于多个独立自变量对单因变量为非线性关系的数据系统，基于核函数变换的PLS回归方法不仅能够有效实现自变量对因变量的整体预测，而且能够提取各雏自变量对因变量的单独非线性作用特征，从而确定数据系统内部的复杂非线性结构关系，增强了模型的可解释性。     

基于偏最小二乘回归的农村居民人均纯收入预测

偏最小二乘回归是一种能在一个算法下同时实现回归建模、数据简化和两组变量间相关分析的新型多元回归分析方法。农村居民人均纯收入受到多种因素的影响,各因素间相互制约和影响,存在着严重的多重相关性,而偏最小二乘回归方法能很好地解决这一问题。通过将偏最小二乘回归分析方法用于农村居民人均纯收入拟合和预测时,结果表明,该方法具有建模简单、计算结果可靠的特点,具有较强的实用性。图2,表4,参6。     

基于支持向量机元模型的随机鲁棒设计

随机鲁棒设计是一种基于蒙特卡洛仿真的优化设计方法.通常情况下,对于复杂仿真模型的随机鲁棒设计时间开销很大.为减小随机鲁棒设计过程中的时间开销,使用参数最优的最小二乘支持向量机替代仿真模型进行随机鲁棒设计.使用标准粒子群优化算法搜索支持向量机参擞和控制器参数的寻优.通过一个基准测试问题证明了该方法的可行性.     

基于偏最小二乘回归分析的我国地区住房价格差异的实证研究

运用加权变异系数衡量了我国地区住房价格差异程度,应用灰色关联度筛选解释影响我国地区住房价格差异的变量,并以2007年地区横截面数据为依据,采用偏最小二乘回归分析方法,建立了对所选变量的偏最小二乘回归模型.结果表明,1998～2007年,我国住房价格地区差异较大,用偏最小二乘回归方法提取的成分具有线性无关的特点,对我国地...     

基于偏t分布的Shibor隔夜拆借利率影响因素分析

由于隔夜拆借利率更能有效反映货币市场短期资金供求关系,本文通过建立Garch模型分析影响Shibor隔夜拆借利率波动性的各种因素,发现新股发行对其影响显著远大于存款准备金制度;随着央行不断提高法定存款准备金率,准备金制度对波动性的影响有增强趋势.这一结论可以为央行把握存款准备金制度改革进程,准确估计Shibor隔夜利率的走势提供参考;也有利于央行更好地制定金融市场政策,实现货币政策既定目标.     

基于最小二乘近似支持向量回归模型的电子商务信用风险预警

随着制约电子商务发展的基础性问题如交易支付和物流配送等问题的逐步解决,电子商务交易双方的信用问题已凸显为电子商务发展的瓶颈. 在国内外研究现状的基础上, 构建电子商务信用风险的预警指标体系,并建立电子商务信用风险预警的最小二乘近似支持向量回归模型. 同时,利用相关样本数据进行了实证分析, 并根据实证结果给出不同的预警管理对策.     

基于偏最小二乘通径模型的农民工信息能力综合评价

针对农民工信息能力建立评价指标体系,利用偏最小二乘通径模型,建立了农民工信息能力PLS通径模型,并以广东省8个城市的农民工群体为例,计算分析了模型通径系数和各城市农民工信息能力的综合排名。结果表明信息运用能力、信息吸收能力和信息创新能力是影响农民工信息能力的关键因素,广州市农民工信息能力位于广东省的首位。     

基于偏最小二乘回归的基因网络数学建模

对基因表达数据进行数学建模是理论系统生物学的一个热点,其难点之一在于数据的小样本特性、多重相关性及粗糙性.针对基因表达数据的这些特点,偏最小二乘回归被首次引入基因网络的数学建模领域,通过轮换计算将变量投影重要性指标拓展为VIP矩阵,建立了基因网络模型:经验证所构建的网络具有生物学意义,运用图论分析可证实其符合无尺度网络的特性,从而证明了这种建模方法的可行性.     

Improved scheme to accelerate sparse least squares support vector regression

The pruning algorithms for sparse least squares support vector regression machine are common methods,and easily comprehensible,but the computational burden in the training phase is heavy due to the retraining in performing the pruning process,which is not favorable for their applications.To this end,an improved scheme is proposed to accelerate sparse least squares support vector regression machine.A major advantage of this new scheme is based on the iterative methodology,which uses the previous training results instead of retraining,and its feasibility is strictly verified theoretically.Finally,experiments on benchmark data sets corroborate a significant saving of the training time with the same number of support vectors and predictive accuracy compared with the original pruning algorithms,and this speedup scheme is also extended to classification problem.     

Chaotic time series multi-step direct prediction with partial least squares regression

Considering chaotic time series multi-step prediction,multi-step direct prediction model based on partial least squares(PLS)is proposed in this article,where PLS,the method for predicting a set of dependent variables forming a large set of predictors,is used to model the dynamic evolution between the space points and the corresponding future points.The model can eliminate error accumulation with the common single-step local model algorithm,and refrain from the high multi-collinearity problem in the reconstructed state space with the increase of embedding dimension.Simulation predictions are done on the Mackey-Glass chaotic time series with the model.The satisfying prediction accuracy is obtained and the model efficiency verified.In the experiments,the number of extracted components in PLS is set with Cross-validation procedure.     

基于样本点显著性及嵌套正交设计的序贯设计及建模方法

针对高度非线性且存在多极值质量特性的复杂作用关系过程,采用最小二乘支持向量回归(LS-SVR)和嵌套正交设计进行序贯设计及建模.首先给出了LS-SVR支持向量的统计分布,构造了显著性检验统计量,以此反映样本点的显著性;其次,以正交设计为初始设计,建立过程的LSSVR模型,而后在显著性较高的样本点附近子区域,嵌套入与初始设计不同的正交设计,再拟合新的LS-SVR模型.研究表明,对样本点的显著性检验,更贴合支持向量的波动特性;嵌套正交设计提供了较为规则的子区域划分和实验点添加方法,降低了序贯设计难度.与一次性LHS设计和传统路径式序贯设计相比,方法的预测均方误差降低27%以上,最大预测偏差降低2%以上;方法在发现更多极值点的基础上,得到了更优的质量特性,且样本量降低了13%.     

Testing serial correlation in semiparametric varying coefficient partially linear errors-in-variables model

The authors propose a V _{N, p} test statistic for testing finite-order serial correlation in a semiparametric varying coefficient partially linear errors-in-variables model. The test statistic is shown to have asymptotic normal distribution under the null hypothesis of no serial correlation. Some Monte Carlo experiments are conducted to examine the finite sample performance of the proposed V _{N, p} test statistic. Simulation results confirm that the proposed test performs satisfactorily in estimated size and power. This research is supported by the National Natural Science Foundation of China under Grant Nos. 10871217 and 40574003; the Science and Technology Project of Chongqing Education Committee under Grant No. KJ080609; the Doctor's Start-up Research Fund under Grant No. 08-52204; and the Youth Science Research Fund of Chongqing Technology and Business University under Grant No. 0852008.