具有自相关误差变系数回归模型的局部线性估计

变系数回归模型误差具有自回归结构时,基于重新改写具有自回归误差的变系数回归模型为独立误差的变系数回归模型,文章提出其局部线性估计方法.模拟结果显示该估计方法是有效的.     

基于多任务学习的正逆向情绪分值回归方法

提出一种基于多任务学习的情绪分值回归方法。首先,针对每一种情绪分值设计了正向打分和逆向打分;其次,将每一种分值的回归任务分为正向打分回归子任务和逆向打分回归子任务;最后,提出一种多任务学习方法用于主任务(正向打分回归子任务)和辅助任务(逆向打分回归子任务)的共同学习。该方法通过3种不同的共享机制实现中间特征信息共享,从而提升主任务的性能。结果表明,所提出的多任务学习方法能比基准方法获得更好的回归性能。     

非参数回归方法在短时交通流预测中的应用

为了提高短时交通流预测的准确性,提出了应用改进的非参数回归方法进行短时交通流预测。利用反馈机制动态调节系统变量和输入变量集是对非参数回归方法的主要改进之处。将建立的模型用于北京实际大规模路网的交通流预测预报,实例分析结果表明,应用非参数回归方法的5m in交通流预测结果明显优于神经网络方法;有反馈调节机制的非参数回归方法优于有固定输入变量集的非参数回归方法。     

模糊支撑向量回归

利用支撑向量回归几何方法实施的直接性和几何意义,在支撑向量回归几何方法中考虑了数据的置信度,建立了模糊支撑向量回归模型.数值分析表明,所提出的模糊支撑向量回归模型可根据数据置信度的大小有效地控制各训练数据在回归中的作用.     

用光滑的支持向量机解回归问题

解回归问题通常采用平方损失函数,传统方法在函数类的选择上是一个难点。采用ε-不敏感损失函数,用光滑的支持向量机解回归问题。数值实验表明,只需选一个核函数就可较好地解决这个难点,使支持向量的个数明显少于样本点的个数,简化了回归函数的表达式,回避了传统回归方法选择函数类的困难。所以,光滑支持向量回归机是解决回归问题的一个有效方法。     

基于ISOMAP与Adaptive-Lasso的日平均气温预测模型

气候变化是全球公认的环境困境,研究气象数据的回归预测模型对预防自然灾害有重要意义。应用等距特征映射(ISOMAP)方法对气象因素进行降维,采用Adaptive-Lasso方法建立日平均气温与主成分之间的回归模型,实证分析了合肥2017.1.1—2018.8.31日平均气温的回归预测问题。结果表明,通过ISOMAP与Adaptive-Lasso方法建立的回归模型能更好地对日平均气温进行回归预测。     

回归模型与时间序列在大坝变形监测中的应用

对大坝监测的GPS数据,利用回归分析和时间序列的方法建立了大坝形变模型,并进行数值模拟。结果表明误差为AR（1）的回归模型优于普通的回归模型,而且优于一般小波方法的非线性回归模型。     

广西城镇居民人均收入和消费的非参数回归估计

本文尝试用非参数回归方法研究居民人均可支配收入与消费的关系,应用非参数局部多项式估计方法对广西1980年~2010年城镇居民人均可支配收入与消费数据进行实证分析,克服了传统线性回归模型在讨论居民人均可支配收入与消费关系的不足。实证结果表明非参数回归方法优于线性回归方法.     

一种免疫优化的LS-SVR集成算法及其故障预报应用

针对支持向量机集成问题,将最小二乘支持向量回归机作为子回归机,定义子回归机的结构差异度概念,提出一种基于免疫算法优化的多回归机集成方法.该方法首先对各子回归机参数免疫优化,从而减小训练误差;在此基础上选择满足固定差异度的子回归机进行集成,并对集成权值再次优化选择,提高最小二乘支持向量回归机集成的泛化性能.将该方法应用于噪声污染的非线性时间序列的故障预报,利用预测误差反映的故障信息可以实现微小未知故障的快速预报.仿真结果证明了方法的有效性.     

基于支持向量回归和高斯过程回归的水文时间序列特征提取方法

水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,并将各特征组合分别进行支持向量回归与高斯过程回归建模;其次,利用遗传算法演化求解一组最优特征组合,使得支持向量回归和高斯过程回归输出误差同时最小;最后,为了证明所提方法的高效性与准确性,以屯溪流域水文时间序列数据为对象进行验证。实验结果表明,基于支持向量回归和高斯过程回归特征提取方法的水文时间序列预测结果优于传统神经网络特征提取方法。     

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.     

混合地理加权回归模型的两种估计

混合地理加权回归模型系数特征是部分回归系数为未知常数,而其它回归系数为地理位置的未知函数.基于这一系数特征,给出反馈和两步估计两种简单有效的方法,对模型中的因变量做了估计.     

分位数回归与局部线性回归的估计的稳健性比较研究

在介绍分位数回归估计方法理论和局部线性回归估计方法理论的基础上,分别建立模型分析了2008—2011年我国通货膨胀和海关进出口总额之间的关系,结果表明：分位数回归估计方法具有更加稳健的特点;在研究通货膨胀和海关进出口总额之间关系时,使用分位教回归模型更加有效．     

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。     

模糊回归在太湖悬浮物反演中的应用

模糊回归分析是一种能直接处理不确定性的分析方法,突破了传统的“观测值的不确定性就是随机性”这一基本假设本文将此方法应用于悬浮物的遥感定量反演问题中,在太湖水质的采样数据和Landsat7 ETM遥感图像的基础上,应用模糊回归分析方法,针对悬浮物与遥感反射率数据之间的相关关系,建立了二者之间的模糊回归方程,并将该方法的计算结果与统计学中的最小二乘回归分析结果进行比较．结果表明：模糊同归模型比最小二乘同归模型提供了更多的信息量,更具优越性;用模糊回归模型进行反演,可信度更高,且更具推广价值．     

一种基于固定截距多元线性回归的涡轮叶片冷却效果经验公式推导方法

为综合考量三个常见因素(冷气与燃气流量比、温比及燃气雷诺数)对航空发动机涡轮叶片冷却性能的影响,推导并发展了一种新型的多元线性回归分析方法,即固定截距的多元线性回归分析方法。通过对试验数据分别采用三种回归分析方法(即单因素非线性回归分析、常规多元线性回归分析和固定截距多元线性回归分析)处理分析后对比发现,运用固定截距多元线性回归分析方法处理的结果中确定系数更高,残差平方和令人满意,可见该方法更适合于当前试验方法下的冷却效果试验数据经验公式的拟合。     

正交多项式回归在橡胶配方试验中的应用

应用均匀设计安排橡胶配方试验,研究四个因子（包覆剂M81、包覆剂M82、氯化钠和硬脂酸盐）对粉末氯丁橡胶500％定伸应力,邵尔A型硬度,永久变形三项性能的影响。采用正交多项式回归分析法建立回归模型,并对回归方程和回归系数进行显著性检验。结果表明,所得的回归方程可以良好地预测4项变量对粉末氯丁橡胶物理机械性能的影响。     

基于MATLAB的岭归分析程序设计及其应用

岭归分析是多元线性回归分析中的一种方法,在实际应用中经常遇到。本文通过设计MATLAB中Ridgel函数程序,介绍如何利用MATLAB进行岭回归分析。     

回归分析在F-P标准具测量实验中的应用

以测量法布里-珀罗标准具间隔实验中小数序的计算为例,分别建立一元线性回归模型Di2=b0+b1i、二元线性回归模型Di2=b0+b1i+b2i2、加权回归模型及近似直线回归模型Di2=b0+b1i*,采用最小二乘法数据处理过程,分析其应用条件和优缺点,得出近似直线回归方法可以在物理实验处理中广泛应用。