遗传算法选择特征波长在紫外光谱检测COD中的研究

为简化紫外光谱测化学需氧量检测模型,提高模型的预测精度,将偏最小二乘算法与遗传算法相结合,优化对紫外光谱特征波长的选择.通过建模和实验分析表明:使用该方法对特征波长进行选取,偏最小二乘回归模型在均方误差意义下达到最优,平均相对误差在5%以内,而且预测精度明显优于未经遗传算法选取波长的偏最小二乘回归模型.     

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.     

近红外光谱定量检测丙烷和异丁烷

近红外光谱分析技术结合偏最小二乘法（PLS）对多成分挥发性有机物（VOCs）进行连续的在线监测具有重要意义．用傅里叶变换红外光谱仪（FTIR）分析了丙烷和异丁烷2种挥发性有机物的近红外光谱特征．采用线性回归建模方法——偏最小二乘法在丙烷和异丁烷混合气体的近红外光谱范围（5600～6200cm^-1）内建立了预测模型．基于该模型预测了验证集样品中2种气体的含量,并对模型进行了评价．结果表明,对2种气体浓度的预测比较准确,相对误差基本在5％以内．     

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.     

基于粒子群优化偏最小二乘的铁路客运量预测

通过对1997—2012年铁路客运量的影响因素进行分析,建立偏最小二乘回归模型,并用实际的铁路客运量与预测值进行比较,检验出模型的预测误差较大.为了提高模型的预测精度,采取粒子群优化算法优化回归系数,得到一个新的模型.经检验,该模型的预测误差由原模型的3.04%降到1.01%.最后用该模型预测出2013—2014年的铁路客运量分别为210.970 5千万人和227.368 8千万人.     

改进灰色模型与偏最小二乘耦合预测城市需水

采用易于辨识系统信息与噪声的单因变量偏最小二乘回归(PLS),建立7个具有高度相关性的自变量与单因变量间线性回归关系;同时,运用二阶弱化算子对灰色预测模型进行改进后将灰色模型与偏最小二乘回归预测模型相耦合.使用matlab7.0以及PEW软件对重庆市北碚区1996—2007年需水量进行计算,计算结果平均相对误差仅为0.82%,预测北碚区2015年和2020年需水量分别为2.38亿m3和2.64亿m3.该模型不仅克服了传统最小二乘回归中自变量的多重相关性,也弱化原始数据误差,预测准确度高.     

基于随机波动条件的公交客运量预测模型

针对传统的灰色GM（1,1）预测模型在预测公交客运量中存在误差过大的问题,结合公交客运量随机波动的显著特征,通过对残差序列进行再处理,构造新的数据序列,构建GM（1,1）改进预测模型对公交客运量进行预测,并应用于某城市的2条公交线路客运量预测。结果表明：随机波动条件下的GM（1,1）改进预测模型,使用预测序列与残差序列绝对值之和来构造新序列,对新序列进行建模后预测的公交客运量的平均相对误差分别为4.9%和5.3%,明显优于传统GM（1,1）模型预测的公交客运量的平均相对误差7.5%和7.45%;相对误差最大值分别降低了4.68%和2.99%。     

遗传算法在公路综合客运量预测中的应用

在公路网规划中，正确确定区域的公路综合客运量是一项重要的基础工作。文章介绍了基于实数编码的遗传算法在公路综合客运量预测模型求解中的应用，计算结果表明，该方法要优于线性化最小二乘参数估计法，为公路综合客运量预测提供了一种有效的方法。     

大连市交通碳排放及预警模型的研究

对大连市交通碳排放运用偏最小二乘法(PLS)建模进行定量分析,分别对交通碳排放总量的相关影响因素及影响大连市年度空气质量优良天数的影响因素进行建模并确定贡献度,两次所建模型的相对误差均值分别为1. 64%与0. 39%;根据所建模型对交通碳排放安全警情演变趋势进行了建模预测,2017年大连市优良天气的预测值与实际值相对误差为0. 467%。结合大连市空气质量对交通碳排放安全警情进行了交通碳排放预警等级标准及预警模式设计,为降低交通碳排放,实现大连市绿色可持续发展的战略要求提供科学依据。     

基于最小二乘支持向量机的铁路客运量预测研究

基于2002年1月—2008年6月铁路客运量数据,建立了铁路客运量的最小二乘支持向量机预测模型.实验表明,最小二乘支持向量机适合铁路客运量预测,且具有较高的精度.     

利用地面光谱数据反演悬浮泥沙质量浓度

为研究用高光谱数据反演悬浮泥沙质量浓度的方法,以近海悬浮泥沙为实验材料,配制了不同质量浓度悬浮泥沙样品,利用2种方法对样品进行建模:一种是将可见光和近红外光谱进行小波变换并将小波低频系数以偏最小二乘回归建模,另一种为波段组合法.利用交叉检验方法,分析了交叉检验结果,并将2种方法建立的模型进行了比较.研究表明:波段组合法中,TM4与TM1波段反射率比值的指数模型效果最好;在预测能力上,小波偏最小二乘模型总体上比波段组合模型精度高并且稳定性好,适用于悬浮泥沙光谱定量分析.     

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.     

基于改进的偏最小二乘回归的酸雨pH值预测

酸雨pH值受到酸性离子[SO4^2-]、[NO3^-]和碱性离子[Ca^2＋]、[NH4^＋]等的影响。这些影响因素之间存在多重相关性。用一般最小二乘回归分析预测pH值，参数估计存在很大的误差且物理意义明显不足。应用偏最小二乘回归技术建立pH值预测模型，克服了自变量之间多重相关性的问题，因而更具有先进性，计算结果更为可靠，而改进的偏最小二乘回归则从预测角度对偏最小二乘回归模型进行了改进。以我国17个城市pH值预测为例，说明了改进的偏最小二乘回归法比普通偏最小二乘回归法效果好。     

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。     

基于动态聚类与偏最小二乘回归分析的居民用电负荷预测

先用动态聚类法对福州市居民历史用电负荷进行聚类分析以获得一个样本空间,在此基础上采用偏最小二乘回归方法进行建模和短期负荷预测分析.     

基于ACO-LSSVM燃煤碳元素分析的锅炉CO2排放量计算

针对生产实际中无法对燃煤组分进行在线检测分析的问题,建立了基于最小二乘支持向量机的燃煤的碳含量预测模型. 以工业锅炉燃煤的相关工业分析数据作为模型的输入,并采用蚁群算法对最小二乘支持向量机相关参数进行寻优以提高模型的建模精度. 应用该模型对福建地区工业锅炉燃煤的碳元素含量进行预测,预测结果的最大误差为1.18%,平均误差为0.64%. 和传统多元逐步回归预测方法相比,该预测模型具有较高的预测精度,为工业锅炉二氧化碳排放量的科学计算奠定了基础.     

偏最小二乘建模及其多重共线抑制能力分析

首先,分析偏最小二乘法解决问题的思路,进而从数学角度刻画偏最小二乘法的四步建模过程.然后,利用数学归纳法证实偏最小二乘法对多重共线的抑制能力.最后,以某地区的供水能力评价为研究实例,证实偏最小二乘法的有效性.结果表明:偏最小二乘法完全适用于多变量复杂关系的求解.     

基于ACO-LSSVM燃煤碳元素分析的锅炉CO2排放量计算

针对生产实际中无法对燃煤组分进行在线检测分析的问题,建立了基于最小二乘支持向量机的燃煤的碳含量预测模型.以工业锅炉燃煤的相关工业分析数据作为模型的输入,并采用蚁群算法对最小二乘支持向量机相关参数进行寻优以提高模型的建模精度.应用该模型对福建地区工业锅炉燃煤的碳元素含量进行预测,预测结果的最大误差为1.18%,平均误差为0.64%.和传统多元逐步回归预测方法相比,该预测模型具有较高的预测精度,为工业锅炉二氧化碳排放量的科学计算奠定了基础.     

奶粉和豆粉混合食物中蛋白质计算分离测定──偏最小二乘－高效液相色谱法

应用高效液相色谱与偏最小二乘法相结合研究了奶粉和豆粉混合食物中蛋白质同时分离测定的方法。在酸性介质中蛋白质水解为氨基酸，用衍生试剂衍生水解产物，并且用高效液相色谱分离及定量氨基酸。各种蛋白质水解的１７种主要氨基酸的比例不同，用偏最小二乘法（ＰＬＳ）预测混合食物中奶粉和豆粉蛋白质的含量。另外还讨论了偏最小二乘法中各参数的取值对未知样品预报结果准确度的影响。将该法用于模拟混合食物中奶粉和豆粉的分离预测相对误差为６．６５％和２．５８％，标准偏差为２．４％和４．７％。