用考虑置信区间长度影响的最小二乘法拟合S－N曲线

S－N曲线是用名义应力法预测结构疲劳寿命的基础。基于试验疲劳寿命分散的物理机制,提出了一个S－N曲线试验数据处理的加权最小二乘法,此方法中每组数据的权重与该组数据的置信区间成反比。计算结果表明用考虑置信区间长度影响的最小二乘法拟合得到的S－N曲线比用一般最小二乘法得到的S－N曲线具有更高的可靠度,给出的寿命预测结果也更安全。     

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%.     

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.     

数据拟合的固定节点样条最小二乘法

通过两个实利,讨论了在节点给定的情况下用B-样条函数的线性组合作为拟合函数的线性最小二乘方法,即固定节点样条最小二乘法在物理实验数据拟合中的应用问题.     

水的表面张力与温度的关系

利用水在 0℃～ 1 0 0℃的表面张力的实验数据 ,分别用一元线性最小二乘法和二元线性最小二乘法拟合出表面张力与温度的关系的一次函数式和二次函数式。并就这两个经验公式的精确度进行讨论。     

最小二乘法应用探讨

探讨了最小二乘法的基本原理及其各种变形的拟合方法,其中包括：一元线性最小二乘法拟合、曲线化直、多元线性拟合、多项式拟合、非线性拟合,并且讨论了用镜像映射和切比雪夫多项式解“病态”矛盾方程组的基本原理和方法,在此基础此上编写、调试了几种最小二乘法程序。     

城市化水平的灰色遗传算法预测

在以人口为指标的城市化水平预测时,采用了灰色理论与遗传算法相结合的方法,由灰色遗传算法求得了发展系数a=-0.0396,绝对值小于1,可以用于中长期预测,其拟合结果残差平方和为0.924 1优于最小二乘法的1.506,对2006年的中国城市化水平进行预测其精度为95.67%大于最小二乘法的95.24%.两种方法的预测精度都大于95%,预测精度均很高.     

若干数据线性拟合方法分析

对等分三组平均法、分段最佳斜率平均法和线性最小二乘法这三种线性拟合方法所具有的共性和个性进行了探讨。通过一计算实例，分析了这三种方法所具有的拟合精度。研究表明，线性最小二乘法的精度高于其它两种方法，因此。在工程数据线性拟合时，宜选用线性最小二乘法。     

高精度重力加速度的求法

为了进一步提高单摆测重力加速度的数据拟合精度,基于最小二乘法原理,用线性拟合法分别与指数拟合法、对数拟合法、幂函数拟合法及多项式拟合法结合使用的方法,获得了不同精度的重力加速度拟合值。计算结果表明:采用线性拟合法分别与指数拟合法、对数拟合法、幂函数拟合法结合使用时的数据拟合精度均比直接采用一次线性拟合法低;采用线性拟合法和多项式拟合法结合使用时的数据拟合精度比直接采用一次线性拟合法高;采用线性拟合法和多项式拟合法结合使用时的数据拟合精度随着多项式拟合次数的增加先提高后降低,出现了龙格现象。     

基于最小二乘法的GM(1,1)模型在人口预测中的应用

作者先对问题进行分析,在明白要采取灰色系统理论来处理该问题原因的前提下,运用普通的GM(1,1)模型的知识,通过优化GM(1,1)模型(下称模型一)、新陈代谢GM(1,1)模型(下称模型二),鉴于此,采用最小二乘法对模型一和模型二预测出的两组数据,以及实际数据进行拟合,得到了关于模型一,模型二的两个系数,然后用这样的两个系数,重新组合模型一,模型二,得到了第三个模型,即基于最小二乘法的GM(1,1)模型(下称模型三),再一次的进行预测。三个模型的预测数据进行比较,显然是模型三的误差最小,认为模型三最符合实际。并以基于最小二乘法的GM(1,1)模型的预测数据作为最终的结果。     

若干数据线性拟合方法分析

对等分三组平均法，分段最佳斜率平均法和线性最小二乘法这三种线性拟合方法所具有的共性和个性进行探讨，通过一计算实例，分析了这三种方法所具有的拟合精度。研究表明，线性最小二乘法的精度高于其它两种方法。因此，在工程数据线性拟合时，宜先用线性最小二乘法。     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。     

基于正交多项式拟合的气象数据处理方法

针对高空气象探测数据变化规律复杂、突变情况不可预测、数据量大等特点,提出了基于离散数据正交多项式最小二乘的分段拟合方法.首先,从计算稳定性角度,说明了采用离散数据的正交多项式最小二乘法的原因;其次,从曲线拟合的保形性角度,详细阐述了二次分段拟合原则;最后,以具有典型特征的气温探测数据为例,证明了采用基于离散数据正交多项式最小二乘的分段拟合方法能够获得明显优于传统内插方法的拟合精度,提高高空气象探测数据处理的精度和自动化处理程度.     

传感器数据处理中的“准最小二乘法”及其微机处理结果

本文介绍了作者在传感器的数据处理中用来确定传感器最佳拟合直线的“准最小二乘法”及其微机处理结果.将计算机与该新方法及其程序相结合,不仅自动地找出了给定精度下的线性区,还使得传感器的非线性误差较目前公认拟合精度最高的最小二乘法的结果下降了3～20%.本方法对其它传感器以及需要用最小二乘法线性化的实验数据的处理都是非常适用的.     

基于最小二乘法的光伏电源电磁暂态输出预测

光伏电源的暂态输出预测对电网稳定性分析、电能质量控制与故障诊断等有重要意义.为此,本文首先建立理想光伏电源的离散化模型与线性预测模型.然后,对于电源模型参数固定的情况,给出了基于正则化最小二乘法的预测方案.对电源模型参数变化的情况,采用递推最小二乘法获得实时更新的预测模型参数.与标准递推最小二乘法不同,该方案采用了基于滑动矩形窗的数据更新策略,可提升RLS的跟踪性能与预测精度.实验结果表明,提出的预测方案获得了良好的预测精度,而且能够很好地适应电源模型参数发生变化的情况.     

双重线性模型的参数估计

用推广的最小二乘法及极大似然估计法对双重线性模型 AR( 1) - MA( 0) 中的参数进行估计,从而提高模型的拟合度和预测精度.     

传感器数据处理中的“准最小二乘法”及其微机处理结果

本文介绍了作者在传感器的数据处理中用来确定传感器最佳拟合直线的“准最小二乘法”及其微机处理结果。将计算机与该新方法及其程序相结合，不仅自动地找出了给定精度下的线性区，还使得传感器的非线性误差较目前公认拟合精度最高的最小二乘法的结果下降了3－20％。本方法对其它传感器以及需要用最小二乘法线性化的实验数据的处理都是非常适用的。     

基于因变量均值的OLS研究

对普通最小二乘法进行了改进,提出了基于因变量均值的最小二乘法.用实例证明了改进的模型更好地满足了回归分析的假设条件,降低了一元线性回归模型的估计误差,提高了模型的估计精度和拟合优度,提高了统计推断的质量.     

安徽省某地区中长期电力负荷预测

以安徽省某地区2007-2014年用电量数据作为训练测试样本,采用灰色预测法、人工神经网络预测法和基于人工神经网络的最小二乘支持向量机（LSSVM）预测法计算其均方误差,结果表明,用基于人工神经网络的LSSVM预测法计算出的均方误差整体上比其他2种预测法要小.选用基于人工神经网络的LSSVM预测法对该地区2015-2017年的用电量进行预测,预测数据与实际数据基本接近.