基于Sas的时间序列缺失值处理方法比较

对于时间序列挖掘过程中的缺失值处理,目前有许多方法。在处理数据变量成一定的相关的数据集时,回归模型不失为较好的插补方法。利用均值插补、一元线性回归、多元线性回归、迭代回归方法对水文时间序列数据集的缺失数据进行处理,比较不同的皮氏相关系数下各方法的优劣及适用性。文中研究表明当数据集中存在与缺值变量相关度较大的变量时,一元线性回归的插补简单直观,且有较高的精度,结果接近真实;当数据集中不存在与缺值变量显著相关的自变量时,一元线性回归的结果变差,多元线性回归与多元迭代回归具有较好的结果,但多元迭代回归迭代次数难以确定,插补代价较大,多元线性回归为最佳选择;当缺值变量与其他自变量相关系数均较小时,回归插补的结果不理想,此时可考虑其他插补方法。     

基于Sas的时间序列缺失值处理方法比较

对于时间序列挖掘过程中的缺失值处理,目前有许多方法.在处理数据变量成一定的相关的数据集时,回归模型不失为较好的插补方法.利用均值插补、一元线性回归、多元线性回归、迭代回归方法对水文时间序列数据集的缺失数据进行处理,比较不同的皮氏相关系数下各方法的优劣及适用性.文中研究表明当数据集中存在与缺值变量相关度较大的变量时,一元线性回归的插补简单直观,且有较高的精度,结果接近真实;当数据集中不存在与缺值变量显著相关的自变量时,一元线性回归的结果变差,多元线性回归与多元迭代回归具有较好的结果.但多元迭代回归迭代次数难以确定,插补代价较大.多元线性回归为最佳选择;当缺值变量与其他自变量相关系数均较小时,回归插补的结果不理想,此时可考虑其他插补方法.     

基于R语言的城市PM2.5影响因素分析

以R语言为数据分析的工具,基于相关分析和回归分析方法,对太原市PM2.5的影响因素进行分析。研究PM2.5与其他气态污染物之间的关系,探讨各气态污染物在PM2.5二次合成中的贡献;建立PM2.5和PM10的回归模型,方便通过PM10对PM2.5进行预测。结果显示:(1)太原市区空气污染物中,PM2.5和PM10相关性最强;(2)PM2.5和PM10回归分析得到回归模型为PM2.5=0.63PM10-11.76(R2=0.8427),回归方程拟合度较好;(3)PM2.5和其他气态污染物多元线性回归模型为PM2.5=0.24SO_2+20.08CO+11.54(R2=0.4844),拟合度检验效果一般,考虑三者之间还有其他因素的影响。     

BPSK信号盲处理结果的可靠性检验算法

研究了BPSK信号盲处理结果的可靠性检验问题,提出了一种基于线性回归失拟分析的检验算法。该方法在无信号先验知识的条件下,先根据调制识别结果对应的信号模型构造参考信号,在分析参考信号与观测信号相关累加后模值曲线线性回归特性的基础上,将BPSK信号盲处理结果的可靠性检验问题转化对相关累加后模值曲线线性回归的失拟检验问题。计算机仿真结果表明,本算法在较低信噪比条件下,可实现对BPSK信号盲处理结果的可靠性检验。     

大数据背景下的房价归因模型

房价由于与国计民生休戚相关,而成为了当今社会最热门的话题之一,所以数十年来,为了对房价进行更加精准的预测,大量国内外各领域的专家和学者都致力于建立一个精度较高的房价预测模型,促使房价预测理论不断丰富和完善。但从以往的研究来看,大多数模型对于房价预测的效果都不够理想,鉴于此情况,本研究着眼于影响房价的因素,基于多元线性回归模型,提出了基于多种方法的房价归因模型,比较有效地甄选出了对于房价影响力比较大的因素,在一定程度上改善了预测效率和精度。     

基于误差预测的焦炉火道温度软测量模型

针对焦炉火道温度在线检测的问题,在分析焦炉火道温度特性的基础上,建立了一种基于误差预测的高精度焦炉火道温度软测量模型．首先分别建立了1元、2元和12元线性回归模型,对蓄顶温度和火道温度进行线性拟合;然后比较分析了三种回归子模型的特点．使用融合时间差分法的Elman神经网络,对线性回归模型中精度最高的12元模型的预测误差进行拟合和多步预测．采用专家经验将线性回归组合模型和融合时间差分法的Elman神经网络模型进行集成,最终获得了具有较高预测精度的焦炉火道温度软测量值．实际运行结果验证了该软测量模型的有效性．     

新疆城镇居民消费模型构建研究

居民消费状况对一个地区的经济发展和社会稳定有非常大的作用.该文以近17年来新疆居民消费为研究对象,通过多元线性回归模型的统计检验、经济意义检验和显著性检验,最终建立适合新疆城镇居民消费模型,通过建立模型,更好地帮助我们了解新疆地区居民消费目前的现状和相关的影响因素.     

基于VAR模型的加拿大气候变化预测

南极冰川融化、飓风不断增加、海平面逐渐上涨等现象的出现,使人们意识到全球气候变暖给人类生存带来极大的挑战,对全球气候变化发展趋势的预测是十分有必要的。本文针对全球气候变暖现象,对加拿大具有代表性的4个省份数据进行缺失值填补后分析研究,建立一个考虑太阳辐射强度、二氧化碳含量、土壤含水量、温度、降雨量等因素的向量自回归（VAR）模型。通过对其进行平稳性检验、脉冲响应和方差分析得出具体模型并利用该模型对加拿大气温和降水量进行预测。实验结果表明,未来25年加拿大平均气温将达到15.0410 ℃,平均降水量达到2.0950 mm。     

新疆城镇居民消费模型构建研究

居民消费状况对一个地区的经济发展和社会稳定有非常大的作用.该文以近17年来新疆居民消费为研究对象,通过多元线性回归模型的统计检验、经济意义检验和显著性检验,最终建立适合新疆城镇居民消费模型,通过建立模型,更好地帮助我们了解新疆地区居民消费目前的现状和相关的影响因素.     

三次型火控回归解算模型变量筛选分析

在建立火控射击诸元回归解算模型时,由于影响火控射击诸元的因素较多,并且各因素之间存在交互作用.需利用逐步回归法对回归模型中的变量进行筛选,首先确定影响射击诸元的因素指标集,并划分因素水平.利用正交试验进行航路设计,并将数据装定到火控系统中,获得静态解算数据.利用逐步回归法在403个变量中选择14个变量通过多元线性回归得到火控回归模型.对火控模型进行偏F检验,对残差进行独立性和正态性检验.结果表明,通过逐步回归法筛选得到的模型变量建立的回归方程,回归效果较好.     

一种基于容错的感知数据回归模型研究

传感器主要用于对外部环境进行监测,然而当传感器发生故障时监测结果会出现误差。为了提高传感器发生故障时系统的容错能力,提出了一种容错的感知数据回归模型。首先,对最小二乘和岭回归两种线性回归模型进行分析,并分析了线性回归模型的相关统计量;然后,分析了部分传感器发生故障时系统的相关统计量,并以此为基础分析了协变量矩阵的上下界;最后,依据协变量矩阵定义了故障指标,并将优化模型转化为同时最小化故障指标和均方误差的问题。实验表明,提出的容错回归模型与传统的最小二乘法和岭回归方法相比具有更小的预测误差,因而当传感器发生故障时所提模型具有更好的健壮性。     

基于ARMA-RESN的网络流量预测

为了获得更加理想的网络流预测结果,融合回声状态网络和自回归移动平均模型的优点,提出一种基于ARMA-RESN的网络流量预测模型。分别采用自回归移动平均和回声状态网络对网络流量线性变化特征和非线性变化特性进行建模与预测,对自回归移动平均和回声状态网络的预测结果进行融合,得到网络流量的最终预测结果,最后采用具体网络流量数据以及多个对比模型进行了仿真实验。仿真结果表明,相对于其他网络流量预测模型,ARMA-RESN不仅提高了网络流量的预测精度,而且具有更好的鲁棒性。     

基于回归算法与多层次分布式智能决策支持系统的设计

讨论了多元线性回归模型及其在区域经济中的应用.在研究一元线性回归模型、未知参数的估计及参数的检验的基础上,详细的讨论了多元线性回归模型、未知参数的估计及其参数的检验问题.重点以某地区国民生产总值数据资料为例介绍多元线性回归算法在区域经济中的应用,可以对区域经济进行很好的计算和预测.     

无标度网络上SEIQ类疾病传播行为分析

在假定网络节点保持不变的情况下,建立了无标度网上具有潜伏节点且潜伏节点和感染节点均具有传染性,同时采取隔离措施的传染病模型,即SEIQ模型。并利用平均场理论对疾病传播行为进行了解析研究,求出了与网络拓扑结构、隔离率、潜伏期变为染病者的比率等因素有关的疾病传播临界条件,分析可得：当该临界条件小于1时,疾病发展为地方性疾病,当其大于1时,疾病消亡。然后,对该模型进行计算机数值仿真。仿真结果与理论分析相吻合,证明了传播阈值的存在性。     

结合特征图谱学习的人数统计方法

针对实际公共场景视频的人数统计中存在的背景干扰、光照变化、目标间遮挡等问题,提出一种结合特征图谱学习和一阶动态线性回归的人数统计方法。首先,建立图像的尺度不变特征变换（SIFT）特征与目标真实密度图之间的特征图谱映射模型,利用SIFT特征和前述映射模型得到包含目标和背景特征量的特征图谱;然后,根据通常监控视频中背景变化较小、特征图谱中的背景特征量相对稳定的特点,由特征图谱的积分与真实人数通过一阶动态线性回归建立人数回归模型;最后,通过该回归模型模型得出估计人数。在数据集MALL和PETS2009上进行实验,实验结果表明：与累积属性空间方法相比,所提方法平均绝对误差降低了2.2%;与基于角点检测的一阶动态线性回归方法相比,其平均绝对误差降低了6.5%,平均相对误差降低了2.3%。     

基于相关向量回归的仿真元建模方法

针对支持向量回归元模型存在的不足,提出将相关向量回归应用于仿真元建模,使用多个不同维度和非线性程度的基准测试函数,在元模型精确性、采样技术、样本规模、模型维度和非线性程度等多方面与多项式回归、Kriging、径向基函数、支持向量回归4种方法进行对比研究,结果证明该方法具有较高的精确性和鲁棒性。     

地表反照率机器学习估算方法北大核心CSCD

针对反照率直接估算中多元线性回归方法难以拟合反照率估算中的非线性特征的问题,引入基于梯度提升决策树机器学习方法对GLASS(global land surface satellite products)反照率产品算法中的多元线性回归(multiple linear regression,MLR)直接估算算法进行改进,并将梯度提升决策树算法(gradient boost decision tree,GBDT)结果同原有方法进行对比,同时利用地面站点观测反照率评价本文算法效果。结果表明,多元线性回归方法平均RMSE为0.017到0.02,梯度提升决策树方法平均RMSE为0.009到0.013,梯度提升决策树方法的估算精度较原多元线性回归方法精度有较大提升,表明新型机器学习方法在优化遥感经验或半经验模型中具有重要潜力。同时地面验证结果表明,本文算法相比于GLASS V3反照率产品在RMSE和绝对偏差上相对提升4%和60%。     

逐跳带宽测量技术研究

分析了基于线性回归的逐跳带宽测量模型,该模型在路由稳定的情况下工作良好,但当探测路径发生动态改变,往返时延减小的情况下,利用通过最小过滤法所采集的数据进行线性拟合时,会产生较大的偏差,得不到期望中的带宽值.针对该问题,对探测数据采用数理统计的方法进行处理,对偏差较大的探测值进行过滤,从而获得较好的线性拟和结果,得到更加接近实际的带宽值.     

基于等维新息模型的矿井瓦斯涌出量预测

矿井瓦斯涌出量预测是瓦斯防治的重要技术环节,能够为煤矿安全生产提供保障.为了提高矿井瓦斯涌出量的预测精度,将等维新息模型的理论结合到灰色线性回归组合模型中,建立等维新息灰色线性回归组合模型,并应用MATLAB软件进行编程.以某煤矿相对瓦斯涌出量统计数据为实例,利用等维新息灰色线性回归组合模型对其瓦斯涌出量进行预测,分析了模型的最佳维数,通过检验得出模型的精度等级为一级.结果表明:等维新息灰色线性回归组合模型在对矿井深部瓦斯涌出量进行预测时,精度高于原有的灰色预测模型,取得了良好的预测效果.可将此模型的软件应用到瓦斯监控系统中,以提高系统的技术性与实用性.     

BP网络和多元回归在葡萄酒质量模型中的应用

利用因子分析法筛选出对葡萄酒质量影响较大的12种理化指标,将其作为多元线性回归的自变量和BP网络输入层神经元,分别用多元线性回归和改进的BP神经网络两种方法建立葡萄酒和酿酒葡萄的主要理化指标与葡萄酒质量的关系模型。比较了两种模型的泛化能力,得出多元线性回归模型对新样本预测的平均相对误差是1.93%,而BP神经网络模型的平均相对误差是0.37%。仿真实验表明,BP神经网络的泛化能力和稳定性明显优于多元回归模型。