偏最小二乘回归在渗流监控模型中的应用

在渗流监控指标中,库水位之间、库水位与降雨之间存在严重的相关性.利用普通多元线性回归建立渗流监控模型中,监控指标之间存在的多重相关性影响参数估计,扩大模型误差,破坏模型的稳健性.为了克服多重相关性对模型的干扰,引入了能辨别系统信息与噪声的偏最小二乘回归,并编制了程序.算例分析表明,偏最小二乘回归模型所分离出的各个影响分量能对大坝实测变量的变化作出合理的物理成因解释,而且偏最小二乘回归模型的预测能力也远优于普通最小二乘回归模型,前者的预测误差平方和约只有后者的二十分之一.     

大气污染偏最小二乘回归预报模型及试报分析

针对丹东城区SO2污染的实际情况及与气象因子的关系,建立了偏最小二乘回归预报模型,并在实际预报中进行了模拟、试报和应用、模型拟合及预报效果检验,结果发现：模型模拟值与实际值的变化趋势基本一致,模型可以用于各季SO2浓度预报。     

非线性隐核偏最小二乘回归算法及其应用

利用隐核映射技术,将输入数据映射到一个高维隐特征空间,然后在隐特征空间里引入改进的非线性迭代算法构造线性PLS回归模型,提出了一种新的非线性隐核偏最小二乘回归算法(HKPLS)并应用于非线性系统建模中.仿真验证了所提方法的有效性.     

偏最小二乘法应用于回归的局限性

通过剖析＂偏最小二乘回归模型＂的原理,指出其局限性以及使用的必要条件。通过反例证明用＂偏最小二乘法＂建立回归方程出现不合理结果的可能性。最后通过一个成分数据的实例,验证了＂偏最小二乘回归模型＂在该类问题中的不适宜性。     

单因变量的偏最小二乘回归模型及其应用

采用偏最小二乘回归对大坝位移监测资料进行建模 ,并应用于某土石坝的沉降资料分析中 ,结果表明 ,该方法有较高的预报精度 .     

基于偏最小二乘降维的分类模型比较

在众多数据降维方法中,偏最小二乘降维方法是一种非常有效的数据降维模型,并被广泛应用于生物基因数据分析等领域。但基于偏最小二乘降维的分类模型的选择问题,往往为以往的研究工作所忽视,研究者基本是根据自身喜好选择不同的分类模型。针对这一问题,本文通过大量的实验,对多种不同分类模型在生物基因芯片数据集上的性能进行了比较和分析。通过t检验,发现人工神经网络、逻辑斯特判别、线性支持向量机是3种在偏最小二乘降维上性能较好的的分类模型。     

主成分回归与偏最小二乘回归方法比较

借助一个具体实例,用主成分回归和偏最小二乘回归方法分别建模,从他们的具体作法、方法特点、建模效果等方面进行比较,进一步揭示了两种回归方法的思想差异,从而得出偏最小二乘回归在解决具有多重相关性的回归问题上较比主成分回归更先进、更有效的结论。     

偏最小二乘回归模型在水文相关分析中的应用

介绍了偏最小二乘回归的基本原理、建模基本思路和交又有效性判别方法，将偏最小二乘回归模型应用于水文相关分析，并与最小二乘回归模型进行比较分析。通过算例分析表明，该模型具有符合水文现象特性的合理结构及较高的相关分析精度，能很好的应用于水文相关分析中。     

非线性回归模型最小二乘估计量的二阶近似解法及其渐近平稳性质

本文先对模型的误差平方和进行二阶近似,求出近似模型的最小二乘估计,然后应用改进的高斯-牛顿迭代法,得出满足一定要求的最小二乘估计。证明了此迭代法是渐近数值平稳。本文是文献[1,2]的扩展。     

元素缺损偏最小二乘法的程序实现及应用

元素缺损加权偏最小二乘法较通常采用交互证实来确定主成分数的PLS法更好地解决了主成分数的确定问题.用MATLAB设计该算法程序,简化了编程.应用编制的程序对制冷系统的生产数据进行回归、预测,结果令人满意.     

基于偏最小二乘回归的黄金价格预测

黄金作为一种特殊的贵金属,具有货币和商品的双重功能。黄金价格的变化受美元指数、石油价格、欧元兑美元汇率、DOW指数等因素的影响较大。通过对各因素与黄金价格的关系进行分析,建立黄金价格与各个影响因素的数量模型,将各因素对黄金价格的影响程度进行量化分析,为研究黄金价格的变化提供了依据,在量化分析过程中,由于美元指数、石油价格、欧元兑美元汇率等自变量会产生自相关性,对于这个问题本文采用的不是以往剔除变量的普通多元回归分析方法,而是采用了偏最小二乘回归法建立模型,使得最终的模型综合地反应了各个变量对黄金价格的影响。     

基于偏最小二乘回归法的管网测压点压力宏观模型

测压点压力宏观模型是根据多个泵站的出口压力和流量,预测各测压点压力值的数学模型,可用作水厂调度优化的理论模型。因模型自变量多重相关,普通回归方法难于得到满意的精确度,而偏最小二乘回归法能较好地解决此类问题,通过实例计算、拟合、分析,结果证明用这种方法建立的宏观模型具有较好拟合性。     

城市公交系统公众评价的偏最小二乘通径模型

针对城市公交系统的公众评价问题,提出了偏最小二乘通径模型. 通过该模型能够方便地确定潜变量与观测变量之间的关系,分析变量对城市公交系统整体性能的影响,以及有效处理变量的多重相关性问题. 根据有关问卷调查数据,对此模型进行了验证. 实例分析表明,该模型更有效、更全面,具有良好的应用前景.     

多项式最小二乘拟合法在 CCD采样曲线拟合中的应用

分析了最小二乘拟合法在CCD采样曲线拟合中的应用，对应用中存在的问题及其解决方法做了进一步的探讨。     

偏最小二乘回归在岩体力学参数取值中的应用

为了解决工程实践中复杂岩体的岩体力学参数的取值问题,利用偏最小二乘回归方法,在自变量间存在强相关性的情况下建立计算模型,有效解决了变量间的多重共线性问题,尤其当样本点少、变量个数多时,该方法更有效.以岩体变形模量的取值为例进行了分析研究,结果表明,PLS拟合值与实测值相差很小,拟合值与实测值的趋势基本一致,说明该方法实用有效.计算量小,预测精度高.     

基于偏最小二乘回归算法的燃煤碳元素分析

基于偏最小二乘回归算法建立了燃煤碳元素分析模型.该模型以工业分析成分中的水分、灰分、挥发分和发热量为输入向量,以燃煤的碳元素为输出向量.利用偏最小二乘回归算法所具有的可以逼近任意非线性映射的能力,来模拟实际的输入输出关系.通过对预测方程进行训练和检验,结果表明,该分析模型预测精度是满足工程要求的.因此,所建模型是合理可行的.     

非线性模型最小二乘估计的渐近正态性

考虑非线性回归模型：ｙｉ＝ｆ（ｘｉ,θ０）＋ｇ（ｔｉ）＋ｅｉ,讨论了当ｇ（·）的估计取一般非参数估计时,θ０及σ２的最小二乘估计＾θｎ、＾σ２ｎ的渐近正态性。     

基于偏最小二乘回归的挖掘机液压系统故障诊断

为了提高挖掘机液压系统的可靠性水平，提出了一种针对挖掘机液压系统的偏最小二乘回归（PLSR）故障诊断方法，其原理是：首先使用非线性迭代偏最小二乘（NIPALS）算法分析系统正常状态下的样本，选择累积方差最大的PLS成分数目，建立输出变量关于输入变量间的PLSR辨识模型；然后，将系统故障状态下的样本代入PLSR辨识模型，运用广义似然比（GLR）检验对模型残差进行假设检验，判断系统的故障状态。实验结果表明，采用基于PLSR的故障诊断方法能准确地诊断出所有系统故障，能有效地应用于挖掘机液压系统的故障诊断。