基于小波消噪偏最小二乘回归模型的径流预测

小波消噪方法,可消除原始数据序列存在的噪声;偏最小二乘回归分析方法,可减弱自变量间多重相关性在系统建模中的不利影响。为此,引入基于小波消噪的偏最小二乘回归分析方法进行建模分析,对奴各沙水文站1960-2000年的径流序列进行拟合和预测。结果表明,该模型在径流的拟合和预测中表现较好,具有较高的精度和较好的稳定性,可作为径流预测的有效方法。     

基于航空高光谱的囫囵淖尔水体浊度反演建模

针对机载 Headwall 高光谱成像仪对水质监测能力的验证, 利用 2018 年 9 月 17 日航空高光谱数据和 17 个准同步实测水体浊度数据分别构建囫囵淖尔水体浊度波段比值反演模型、一阶微分反演模型和偏最小二乘反演模型, 估算同日的囫囵淖尔水体浊度的空间分布。研究结果表明: 利用机载 Headwall 高光谱数据构建的 3 个浊度反演模型, 验证均方根误差 RMSE 均小于验证样本浊度的极值差 5. 3 NTU, MRE 均小于 10% , 机载 Headwall 高光谱成像 仪能够较好地观测水体浊度差异; 在囫囵淖尔, 基于 Headwall 高光谱数据的偏最小二乘模型建模精度高于波段比 值模型和一阶微分模型, 决定系数 R2 达到 0.95, 综合误差 CE 为 1. 74% , 最适用于囫囵淖尔水体浊度的反演; 2018 年 9 月 17 日囫囵淖尔东部水域浊度范围为 21. 2~ 54.4 NTU, 呈现出北低南高的趋势, 湖中心区域水体浊度较低, 南部水域受水中藻类的影响, 水体浊度较高。利用航空高光谱遥感影像实现了浊度的定量反演, 为航空高光谱遥感数据用于水质参数反演提供借鉴。     

偏最小二乘法与神经网络耦合的大坝监测模型

针对人工神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定性差等问题,提出了偏最小二乘法与人工神经网络耦合的大坝变形监测模型,提高了神经网络的学习速率和稳定性.首先运用偏最小二乘法对多维自变量进行主成分提取和降维处理,解决了变量之间的多重相关问题,而后把降维的数据输入神经网络进行训练.对比实例应用结果表明,偏最小二乘神经网络耦合模型的拟合速度和精度都高于传统的神经网络.     

论偏最小二乘法在水利工程建设和监测中的运用

最小二乘法是一种常用的统计方法,可以运用于水利工程建设中。但是这种方法也存在着一定的不足,主要表现为,当样本点少时,通常统计的结果存在着一定的偏差。并且,在现实的水利工程中,往往会面临着样本点过少的问题。针对这些问题,采用偏最小二乘法就可以解决。文章采取偏最小二乘法建模以解决水利工程建设和监测中的问题,将定量分析与定性分析相结合,通过多种分析方法来确保模型的精度。     

基于小波变换的高光谱遥感影像光谱匹配技术研究

以中国的高光谱影像OMIS为例,研究了基于小波变换的高光谱遥感影像光谱匹配算法,然后将该方法用于遥感影像智能化解译。实验结果表明,该算法先对光谱曲线进行小波去噪,再对不同频率信号进行小波多分辨率分析,能够在匹配过程中拉大异类间的特征值距离,提高分类精度。     

基于偏最小二乘回归法的大坝渗漏分析与预测

渗漏是水库大坝主要病害形式之一,进行大坝渗漏分析预测对了解大坝渗流性态和提高工程管理具有重大意义。由于坝体内部渗漏表现出的灰色甚至黑色特征增加了渗流性态的分析难度,基于常规的最小二乘法无法解决渗漏变量间多重共线、样本较少等问题。针对此类分析的难点,本文通过偏最小二乘回归法,依据监测数据建立了渗流统计回归模型,探讨了主要影响因素与渗漏量的关联程度。采用该模型对吉林台面板堆石坝工程运行条件下渗漏量进行了预测,分析结果表明了该方法的可行性。     

递阶偏最小二乘回归模型及其应用

偏最小二乘回归模型中包含所有原始选择的变量,当自变量较多时,因得到的模型结果十分庞杂而难以分析和解释。本文采用递阶偏最小二乘（Hierarchical PLS,Hi-PLS）回归方法,通过分层建立模型的方法有效解决了这一问题。工程实践表明,本模型精度较高,特别适用于大规模变量集合的回归分析。     

基于偏最小二乘回归和最小二乘支持向量机的大坝渗流监控模型

利用偏最小二乘回归法对影响大坝渗流的诸多因素进行分析,提取对因变量影响强的成分,克服了变量间的多重相关性问题,降低了最小二乘支持向量机的输入维数,从而可以较好的解决非线性问题,建立了基于PLS-LSSVM的大坝渗流监控模型。实例分析表明,PLS-LSSVM模型的拟合与预测精度均优于独立使用PLS或LSSVM建模的精度;PLS-LSSVM模型的学习训练效率比LSSVM模型有较大的优势,更适合于大规模的数据建模。     

改进的偏最小二乘法在青海省农业用水预测中的应用

根据2000—2009年影响青海省农业用水的11个因子的基础数据,建立偏最小二乘回归模型,考虑到模型的实用性和准确性,运用后退法对偏最小二乘法进行改进,剔除了5个不需要的变量,得到了拟合精度更高的结果。选取2010—2013年数据进行模型检验。结果表明:运用偏最小二乘法预测的结果与实际情况贴近,并且改进的模型的贴近度更高。通过模型的应用,可以看到偏最小二乘法在青海省农业用水预测中有较好的应用价值,并且改进后的偏最小二乘法简化了模型,提高了预测精度,为青海省的农业用水预测提供了依据。     

大坝安全监控的偏最小二乘回归分析

针对大坝安全监拉模型因子间多重相关性问题,本文引入了偏最小二乘回归法.对渗流资料进行了详细的分析.研究分析表明,偏最小二乘回归法能够有效地克服因子间的多重相关性的影响,建立的模型具有很好的稳定性和解释性.相比一般的最小二乘回归法,更具有推广性.     

基于PLSR的珠江口城市河流水质高光谱反演

为研究珠江口城市河流水体高光谱特征与城市河流水质指数(CWQI)的关系,对中山市典型河流开展了高光谱监测和同步水质分析,基于偏最小二乘回归(PLSR)建立了高光谱数据与CWQI的反演模型,并研究了反演模型的最佳光谱分辨率和最优主成分数.结果 表明:基于化学需氧量、总磷、氨氮和溶解氧4项水质指标质量浓度值计算得到的CWQ...     

基于偏最小二乘-径基网络模型的岩体变形分析

偏最小二乘回归不直接考虑因变量与自变量回归问题,而直接提取与系统有关的新的综合变量,并能利用交叉有效性检验确定成分个数,在分析单因变量与多自变量间关系时结果令人满意;3层RBF神经网络模型具有自适应学习和记忆能力,因而被广泛应用。把这两者相关联,以岩体变形量为因变量,以6个影响因素为自变量,分析研究了实际工程的高边坡位移监测资料。工程应用实例分析研究表明,偏最小二乘-径基网络模型能有效克服各类因子变量间的相关性和与因变量的非线性关系,模型收敛速度快,求解稳定,对实测数据具有较好的拟合效果和预测精度,因而具有一定的实用价值。     

基于偏最小二乘回归与神经网络耦合的岩溶泉预报模型

本文将偏最小二乘回归与神经网络耦合，建立了泉流量预报模型。利用偏最小二乘法对影响岩溶泉流量的诸多因素进行分析，提取对因变量影响强的成分，从而克服了变量之间的多重相关性问题，降低了神经网络的输入维数。同时，利用神经网络建模可以较好地解决非线性问题。实例表明，本耦合模型的拟合和预报精度均优于独立使用偏最小二乘回归或神经网络建模的精度。     

基于偏最小二乘法的遗传模拟退火算法及其在大坝安全监控中的应用

介绍了基于偏最小二乘法的遗传模拟退火算法的编程方法和利用其建立大坝安全监控模型的方法。实例分析表明,遗传模拟退火算法筛选影响因子后由偏最小二乘法建立的安全监控模型与直接由偏最小二乘法建立的模型相比,不仅简化了模型、提高了模型的拟合精度,而且增强了所建模型的预测能力。     

基于总体最小二乘法的系统响应修正方法

为了提高实时洪水预报的预报精度,提出了基于总体最小二乘平差理论的系统响应方法。传统的系统响应方法基于最小二乘法,只能考虑观测值的误差,因而传统的系统响应方法不能考虑动态系统响应矩阵存在的误差。对传统方法进行了分析并引入了总体最小二乘平差理论,改进方法同时考虑了动态系统响应矩阵和观测值的误差。针对动态系统响应矩阵的病态情形,通过总体最小二乘的岭估计解法给出稳定解。通过改进方法对新安江模型中的土壤含水量进行修正,应用于七里街流域,并与传统的系统响应方法进行比较。结果表明,两种方法都能提高模拟精度,改进方法相比于传统方法精度明显提升;改进方法的修正效果要优于传统方法,更加稳定。     

基于加权最小二乘的结构模态参数与损伤识别

为提高利用最小二乘进行模态参数识别的精确度,提出了分频段加权最小二乘模态参数及损伤区域识别方法。分别基于各频率段能量和普通克里金插值作为权值,加权计算模态参数。将此方法应用于识别时变系统,用于Koyna混凝土重力坝在地震作用下损伤识别中。结果表明,识别的固有频率时程曲线可以准确地对结构损伤情况进行描述,根据坝体观测点在初始和损伤结束时刻的响应信号识别的归一化振型可以对结构损伤进行定位。该方法可以较大地提高结构模态参数的识别精度,并且准确地识别结构的损伤区域。     

Human impacts on suspended sediment and turbidity in the River Murray,South Eastern Australia: Multiple lines of evidence

European settlement has led to increased loads of fine suspended sediment (SS) entering the River Murray, Australia's largest, and arguably, most important river. The River Murray's anthropogenic sediment history can be divided into four periods with varying source areas, sediment loads, and seasonal patterns. The Aboriginal period (before 1840) was characterized by clear water at summer low‐flows in the River Murray and its southern tributaries, with more sediment coming from the northern catchment than the southern, and the Darling River being turbid at all flows. There is little evidence that Aboriginal burning resulted in any measurable increase in SS. SS loads peaked in the 1870s and 1880s (the gold and gully period, 1850–1930) as valley floors were incised by gullies (mostly in northern tributaries), and gold sluicing flushed huge amounts of sludge into southern tributaries. Sedimentation in wetlands and on floodplains increased by 2–10 times in this period, and the biota in wetlands switched from clear water to turbid water communities. In the hiatus period (1930–1960) sediment supply from gullies and gold mining waned and low flow SS concentrations returned to low levels. Dam construction through the 1960s and 1970s (the regulation period, 1960 on) disconnected the River Murray from catchment derived sediment. Despite this, SS levels increased again: now largely derived from instream sources including bank erosion from long duration summer irrigation flows, the spread of bottom‐feeding carp (Cyprinus carpio), and wave erosion from boats. Erosion switched from winter to summer dominated. Significant investment in securing water for the environment in the Murray‐Darling Basin could be complemented by addressing in‐channel sediment sources in the River Murray itself to reduce turbidity. Overall, European era SS concentrations remain relatively low with small sediment delivery to the ocean (0.1 Mt per annum), despite high catchment erosion rates. This is due to poor sediment delivery efficiency through the low‐gradient landscape.