主分量分析法在齿轮故障诊断中的应用

探讨了主分量分析法在齿轮故障诊断中的应用问题,从理论上对主分量分析法进行了推导和分析,讨论了其误差,编写了用该法诊断故障的程序,并给出了齿轮诊断的应用实例。该方法直接利用齿轮振动噪声信号进行分析,具有速度快、准确性高的优点。     

主分量分析方法在乌鳢种下分类中的应用

利用采自全国各地的68尾普通乌鳢Ophicephabus argus argus Cantor,采自四川嘉陵江的19尾白乌鳢O.a.kinacran(Shih)和东北地区的14尾黑龙江乌鳢O.a.warpachowska Berg作为研究材料,选取3个计数性状和12个比例性状,对其种下分类进行了主分量分析.结果表明,自乌鳢与普通乌鳢覆盖率为73%.黑龙对乌鳢与前者完全分开,因此由乌鳢亚种不能成立.乌鳢可分为乌鳢指名亚种和黑龙江乌鳢亚种.两亚种可由侧线鳞和吻长与全长的比例区分开.     

二维主分量分类器

在主分量分类器(PCC)的基础上提出了二维主分量分类器方法,具有速度快、算法简便的特点.人脸性别分类结果表明,所提出的方法在识别性能上优于主分量分类器;另外,算法执行时间具有很大的改进.     

逐步回归时间序列和RBF-ANN在降水预测中的应用

将逐步回归融入到时间序列预测模型的建立中,摒弃了传统的“考虑所有变量”模式,利用“有进有出”的形式,分清各因子主次关系,仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络,准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例,分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型,并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284,平均绝对误差分别为18.37、15.65、13.82 mm,有效系数分别为0.87、0.94、0.93,精度均满足要求,最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。     

逐步回归法的地下水开采中的应用

对一个开采时间较长且多个水源地来说，目前多数用有限元法求解不同时期的抽水量与水位之间的关系，即用拟合方法来求得各种参数，如渗透系数、给水度、储水系数、边界条件等，然后去预测水量或水位，在此过程中，如果对边界条件和入渗补给最难以确定的地区，人为去调节参数，很难准确计算出预测，而运用逐步回归的方法求解水位与水量的关系，建立逐步回归方程，来预测这种关系，不仅简便且实用，本文以大庆西部水源地开采为例，说明该方法的实用性。     

双重检验逐步回归模型在电力负荷预测中的应用

文中针对电力负荷预测的多元线性回归模型,提出了双重检验逐步回归模型。与传统的多元线性回归模型相比较,双重检验逐步回归模型无需建立全部变量的回归方程,而是在全部自变量中按对因变量的作用大小,边进行显著性检验,边入选或剔除变量,并且由于每步都作检验,因而保证了最后所得的方程中所有因子都是显著的。     

逐步回归方法在虫情测报中的应用

应用逐步回归等数理统计方法,采用电子计算机作计算工具,在众多的气象因子中筛选出一、二个因子作为预报的依据.所得结果对我们所收集数据地区的虫情测报有实际意义.     

甘薯水分关系的主分量分析

运用多元统计数学中主分量分析的方法计算和比较了甘薯离体叶片的水势、相对含水量、束缚水、水分饱和亏缺、质膜透性、丙二醛和游离脯氨酸含量等植物水分生理指标的变化。结果指出：水势、相对含水量和丙二醛等对水分胁迫作出反应的敏感程度较高。表明主分量分析方法是综合评价甘薯抗旱生理指标的一种好的研究方法。     

逐步回归分析方法在储层参数预测中的应用

目前,储层参数(孔隙度和渗透率等)分布规律和储层非均质性研究是油气藏描述的核心,储层参数是油层评价的重要依据,储层参数预测在油气勘探开发中具有重要意义。文中通过采用某一个点的测井曲线或地震数据推测出该点的孔隙度或渗透率,基于多种测井信息的多元线性回归方法已成为储层孔隙度定量预测的主要方法,多元逐步回归分析方法的理论正好适用于这种实际问题。它是利用通过特殊仪器测量的测井曲线数据参数与岩芯属性参数(例如孔隙度),建立测井曲线数据参数与多个岩芯属性参数之间的线性关系,这种方法比较简单实用。因此文中采用逐步回归分析方法作为预测方法,重点介绍了回归分析中的逐步回归的基本思想以及具体计算步骤。最后,提出油气勘探中预测孔隙度的问题,并用逐步回归分析优化回归方程并用此方程预测岩芯属性参数。研究表明,该方法预测精度高,方法稳定有效,逐步回归较好的解决了部分测井勘探的实际问题,基于多种测井信息的多元线性回归方法已成为储层孔隙度定量预测的主要方法,该方法可以把非线性问题转化为线性问题,大大减少了技术上的难题。     

基于主分量特征与独立分量特征的人脸识别

PCA方法抽取出的主分量特征与ICA方法抽取出的独立分量特征是对原数据的两类不同描述.PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的.ICA方法使用数据的二阶和高阶信息抽取数据的独立分量特征.文章对这两种方法做了理论上的比较,并通过实验证明ICA算法提取的特征子空间在人脸识别应用中更有效,识别率更高.     

主成分回归分析在收入分配中的应用

采用主成分回归分析的方法,对贵州省城乡居民收入差距作实证分析。依据1979～2008年的数据,选取贵州省城乡居民的收入、消费、人口、教育、农业等几大方面的相关指标。实证结果显示,不论是从定性角度还是从定量角度分析,贵州省城乡居民收入差距都呈现增长趋势。     

基于主成分回归分析的流程工业生产故障预测

在流程工业生产过程中,采用主成分回归分析方法,去除变量间的共线性,可以有效提高系统故障预测的能力.通过TEP过程验证,证明该方法具有较好的故障预测效果.     

关于逐步回归算法的一个修正

将逐步回归算法用于符号回归任务时,会产生计算溢出现象,其原因是在检验因子的显著性时,由于数据精度很高,可能会发生最大偏回归平方和Ｖｍａｘ与残差平方和ｒｙｙ相等或非常接近的情况,从而造成检验式分母的绝对值过小而溢出,对此,提出了两种修正方法,修正后的算法消除了隐患,可用于符号回归等高精度数据拟合任务。     

环境质量评价中的主成分分析与全局主成分分析方法

给出在环境质量评价中对即时性平面数据的主成分分析方法与对多维动态数据系统的全局主成分分析方法,着重介绍了对时序立体数据表进行立体式的综合与简化,并应用于具体的实例,得到很好的结果.这两种方法对环境质量的评价和治理工作都有积极的指导作用与重要的应用价值.     

南海热带气旋风力的逐步回归分析及预报

选取具有天气学意义和物理意义的９个预报因子，采用逐步回归分析，建立了８４个统计预报方程，用于东南沿海１４个台站预报热带气旋影响的风速．根据统计样本外的１９８８年的资料作预报检验，结果表明所建立的一套统计预报方程是可以用于实际预报的．     

多重共线性的逐步回归检验分析

通过国家财政逐步回归模型实例,本文分析了自变量选取原则,阐明了变量筛选的依据,并在逐步回归具体步骤中,重点描述了多重共线性的解决过程,最后利用积矩相关系数,对多重共线性问题的解决结果进行分析,并给出了合理的实际意义。     

半相依回归系统参数的Stein型主成分改进估计

将S tein压缩思想与主成分改进估计相结合,研究两个半相依回归系统.当设计阵呈病态时,提出S tein型主成分改进估计,同时,给出当V未知时的两步估计.证明在均方误差意义下,S tein型主成分改进估计局部优于主成分改进估计和协方差改进估计.     

关于岭型主成分估计的回归最优性

证明了在一类岭型降维估计中,岭型主成分估计的方差和最小。     

一类相依回归模型参数的组合主成分改进估计

针对两个相依方程组成的一类回归模型,提出回归系数的一种组合主成分改进估计方法,在均方误差意义下讨论了这种估计量的优良性质,研究了此估计与主成份改进估计的关系.     

逐步回归分析的拓展

给出一种方法,在逐步回归后,使每一前进（后退）步为一单元步,用Ｆ检验来判别这单元步的去留,使回归式子比逐步回归纳入更多的解析变量,同时能减低向后消元法产生多重共线性的可能性．