基于多元线性回归分析的汽油辛烷值损失预测建模

针对催化裂化汽油精制装置所采集的325个数据样本,运用R型聚类法得到建模的25个主要变量,并通过数据挖掘技术建立了基于多元线性回归分析的汽油辛烷值(RON)损失的预测模型.首先,利用3σ准则去除异常值等方法对原始数据样本进行预处理.其次,根据统聚类法中的R型聚类法,利用相关系数法和最大系数法分别确定指标变量之间的相似性...     

基于多元统计分析方法的人字果药材中木兰花碱的含量与环境因子的关联性分析

目的:建立人字果药材中木兰花碱的含量测定方法;对影响人字果药材内在质量的环境因子的相关性进行分析,初步揭示影响人字果药材中次生代谢产物木兰花碱累积的主导环境因子.方法:采用HPLC法,建立人字果药材中木兰花碱的含量测定方法;结合多元统计分析方法对人字果药材中木兰花碱含量与环境因子的相关性进行分析.结果:23批人字果药材...     

颅内压和血流速度关系的相关模型

由兔颅内压血流速度的实验数据,采用回归和微分方程法分别建立了颅内压和血流速度(PICP-V)关系的回归模型和Logistic模型.理论计算与实验结果表明,Logistic模型较好地吻合了现有的一些医学结论.     

对分法在多元优化问题中的推广应用

将一维优化方法中的对分法推广应用于无约束多元优化问题的寻优求解中,基于对分法求解的优化问题必须具有有限边界搜索区域的考虑,讨论了问题初始搜索域的确定方法;并进一步给出了对分法推广应用的算法实施过程.最后通过算例与目前现有的几种确定性求导寻优法进行了比较.     

水热法制备纳米Fe3O4的研究

本实验以尿素、铁盐、亚铁盐等为原料,采用水热法制备了纳米Fe3O4．通过一次回归正交设计研究和讨论了表面活性剂SDS用量、反应温度、反应时间、尿素用量对产物粒径的影响,并通过快速登高法寻优得到了最优工艺条件：表面活性剂SDS用量0．4g、反应温度118℃、反应时间2．1h,尿素用量10g．在最优条件下制备的产物经XRD、TEM和激光粒度分析仪检测得知,产物大部分为球形Fe3O4。平均粒径27nm．     

一种基于SVR和RBF的实时检测系统的算法设计与实现

根据芯片生产线等场所的需要和现有人工监控手段以及国外基于支持向量机相关产品的缺陷,本文利用图像的二维矩不变量理论,将实时图像转换成为灰度图像后,用CANNY算子作边缘检测,并计算边缘检测图像的二维不变矩,再利用支持向量机的支持向量回归理论对二维不变矩进行训练和识别,提出了一种基于支持向量机(SVR)与径向基神经网络(RBF)的实时检测系统的设计算法,给出了算法实例和结果。从实验仿真结果和实际运行情况来看,算法的效果是令人满意的。     

基于多监督的三维人体姿势与形状预测

三维人体重建技术指通过图像或视频建立有相应姿势和体型的三维人体模型,其在虚拟现实(VR)、网游、虚拟试衣等方面有着十分广泛的应用前景．其中,参数化的三维人体模型由于参数数量的局限,重建精度较低,缺少细节特征．为了提升参数化三维人体模型的重建精度,增加其脸部与手部细节,提出一种基于多监督的三维人体模型重建方法．该方法结合传统的回归方法和优化方法,利用卷积神经网络回归出参数化人体模型的参数,得到一个较为粗糙的人体模型,将该模型作为初始模板进行拟合和迭代优化,将带有脸部和手部的全身密集关节点信息和轮廓信息作为回归网络的2D监督,同时使用迭代优化后的人体模型作为回归网络的3D监督,最终可由一幅图像获得一个多细节、高精度的参数化三维人体模型．定性分析结果表明,该方法为人体拟合过程提供正确的拟合方向,可有效减少非自然姿势的出现,提高三维人体模型重建的准确度．全身密集关节点监督可为模型增加更多手部与脸部的细节,而轮廓监督可减少重建的人体模型与图像中人体的像素级偏差．定量分析表明,该方法在数据集Human3.6M上的平均逐关节位置误差(MPJPE)为59.9 mm,较经典方法 SPIN减少了4.16%...     

采用双向流固耦合的胀圈密封功率损失预测模型

针对现存胀圈密封功率损失模型不能准测预测出实际运行时密封环的功率损失的问题,提出了新的胀圈密封功率损失预测模型。基于ANSYS Workbench平台建立了包括转轴、配油套及胀圈密封环在内的双向流固耦合数值计算模型,设计并搭建了胀圈密封性能试验系统,验证了数值模拟的准确性。通过多元线性回归方法构建了包含油液动力黏度、密封压差、转轴转速以及胀圈密封结构主要尺寸参数的功率损失预测模型,比现存模型包含更多影响因素。分析结果表明：模型预测值与试验值的相对误差在9%以内,满足工业应用要求;功率损失对各影响因素的敏感度由强到弱依次为：密封压差、温度、转速,且密封压差对胀圈密封功率损失影响高度显著。     

非线性模型的众数回归估计

本文应用众数回归方法来考虑非线性模型的估计时把调整参数当作常数, 在适当的条件下得到了估计量的 √n 收敛速度, 该结果改进了已有的众数回归估计(把调整参数当作变量)的结果. 本文还做了一定的模拟实验来证实众数回归估计的稳健性.     

基于XGBoost的房价预测优化（英文）

客观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和XGBoost是两种常用的方法.RF模型通过其Bagging过程，能够准确地评判“冗余”特征，而XGB模型在提高预测效果的同时，也囿于其泛化能力下降，无法稳定地反映特征重要性.因此，本文利用RF模型处理冗余数据，并使用XGB模型对新数据集进行拟合提高预测效果.本文在Kaggle竞赛的数据集（"House Prices-Advanced Regression Techniques"）上进行了实验，测试结果显示，XGB回归模型最终的回归精度R²为87%,而单独的RF模型或XGB模型的R²分别为79.2%和78.7%.实验证明，该数据预测方法能够明显提高房价预测效果.同时，为充分体现模...