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．     

双幂变换下参数极大似然估计的精确分布研究

在双幂变换下,使用极大似然估计方法估计正态线性回归模型中的变换参数,并研究其精确分布.给出了极大似然估计的精确分布函数,并通过模拟研究表明了,其分布不仅依赖于变换参数取值,还与方差和回归系数的取值密切相关;得到极大似然估计是一奇异随机变量,不具有密度函数的结论.为双幂变换的应用提供了很重要的理论依据.     

建筑结构强度无损检测区间评定方法

提出一种建筑结构强度无损检测区间评定方法,此方法能较好地反映工程的实际情况.该方法运用逆回归模型和置信检验理论给出了在一定置信度下的建筑结构混凝土强度的置信上、下限和置信区间,并给出了混凝土强度的合格和不合格判定标准,从而形成了逆回归回弹法检测建筑结构混凝土强度的新体系.通过工程实例证明,本文提出的方法比传统的利用回归模型和点估计方法判断混凝土强度更符合工程实际,且能对混凝土强度做出定量化的判断.     

城市用水量的综合动态预测建模方法

基于BP神经网络,建立了一种综合时间序列分析和多元分析特点的动态水量预测模型,模型除了将影响用水量的因素作为输入节点之外,还将预报日前2 d的用水量作为输入节点,使得模型不但反映了用水量与影响因素的关系,还揭示了用水量时间序列的非线性特性.经生产实践检验,该模型的预测精度达到工程要求.     

SVR—CKNN预测用于HIV-1蛋白酶抑制剂QSAR建模

为提高药物定量构效关系（QSAR）模型预测精度,发展了一种新的QSAR建模方法SVR—CKNN。该法基于支持向量机回归（SVR）自动筛选化合物结构描述符,以k-最近邻建立多个子模型实施组合预测（CKNN）。应用于49种HIV-1蛋白酶抑制剂QSAR研究,留一法预测结果表明SVR—CKNN预测精度明显优于多元线性回归（MLR）、逐步回归（SLR）、偏最小二乘回归（PLS）和神经网络（BP—ANN）等传统模型。SVR—CKNN基于结构风险最小,具非线性、适于小样本、泛化推广能力强、稳定性好、不依赖操作者经验等诸多优点,在药物设计等研究中应用前景广泛。     

西藏经济发展预测及影响因素分析

以西藏自治区国内生产总值和影响经济发展的因素作为研究对象,采用定量研究分析的方法,通过西藏GDp数据分析建立了时间序列ARIMA模型,利用该模型对西藏GDP进行了预测。结果表明各年实际值与预测值较为吻合,达到了较好的预测效果。此外采用多元线性回归方法对影响西藏经济的因素进行了分析研究,从影响西藏经济发展的因素来看,在进出口总额、财政支出,固定资产投资总额因素中财政支出对西藏经济发展的因素影响依然较大,这与西藏自身“造血”能力不强有关。     

分子距边矢量用于卤代甲烷及卤代乙烷沸点的估计与预测

基于分子距边矢量（ＭＤＥ）,借助多元线性回归技术（ＭＬＲ）建立起描述卤代烃沸点变化规律的定量结构－性质相关关系（ＱＳＰＲ）模型,其复相关系数Ｒ＝０．９９３５,均方根误差ＲＭＳ＝１０．０７Ｋ。最后５次随机选取２５个化合物作预测集,以余下的６２个化合物作校正集建ＱＳＰＲ模型（Ｒ＝０．９９２８,ＲＭＳ＝１０．８８Ｋ）,并有效地预测了沸点（Ｒ＝０．９９２５,ＲＭＳ＝１１．７８Ｋ）。结果表明,模型的预测能力良好。另外,还运用所建立的模型对３０个未知沸点的卤代甲、乙烷的沸点值进行了预测,根据预测出的沸点数据指出了ＣＦＣ１１,ＣＦＣ１２和ＣＦＣ１１３的一些可能的代用品。     

一种改进的相关向量回归方法

相关向量回归(relevance vector machine,RVR)是一种非线性回归方法。当样本集中存在少量异常点时,RVR方法能够得到鲁棒的回归模型。随着异常点增加,求得的回归模型的泛化能力下降。针对这种情况,实现了一种改进的相关向量回归方法。首先重新定义样本子集T和根据最小截平方和估计理论重新定义RVR回归的似然函数;然后利用贝叶斯推论求解边际最大似然函数;最后使用迭代法迭代求解最大似然函数的最优超参数α、β以及子集T,并使用超参数α、β得到回归模型。通过证明和实验结果表明,算法具有鲁棒性,而且当样本集中的异常点增加时,依然具有较高的鲁棒性。     

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。     

基于线性回归与神经网络的储层参数预测复合方法

为提高储层参数的预测精度,提出一种利用测井资料,结合多元线性回归和神经网络预测储层参数的新的复合方法,具体分两步:(1)通过多元线性回归分析建立回归值y'的计算模型,将y'作为储层参数的初步预测值;(2)通过RBF神经网络建立y'的残差Δd的预测模型,将预测结果Δd作为y'的非线性误差补偿,最终建立储层参数解释模型,y=y'+Δd。基于该方法,结合测井资料和岩心数据,建立了鄂尔多斯盆地某致密砂岩气田M3井区S_2~2、T_2~2段孔隙度和含水饱和度的测井解释模型,结果显示,新方法建立的模型预测值与S_2~2、T_2~2段实际岩心孔隙度、含水饱和度值的平均相对误差均小于17%,明显优于单独根据多元线性回归分析或RBF神经网络建立的解释模型,预测精度更高。