运用偏最小二乘回归法计算导水裂缝带高度

为克服导水裂缝带高度计算经验公式中仅考虑煤层顶板岩性和开采厚度所带来的误差,综合分析开采深度、煤层倾角、开采厚度、走向长度、倾斜长度、顶板岩性等变量的影响,运用偏最小二乘回归法提取对自变量、因变量有强解释能力的主成分,建立了因变量与自变量间的回归公式。根据淮南矿区走向长壁垮落式采煤中导水裂缝带高度实测资料,基于偏最小二乘回归法建立导水裂缝带高度预测模型,经辅助分析检验表明该模型预测精度较高,可以作为淮南矿区相似条件下导水裂缝带高度的计算公式。     

偏最小二乘回归的神经网络模型在巷道围岩位移预测中的应用

偏最小二乘回归方法集多元回归、典型相关分析及主成分分析的功能于一体，能有效地处理自变量的多重线性相关问题，但不能较好地处理因变量与自变量间复杂的非线性问题，而神经网络方法是处理非线性问题的有力工具，但输入数据的严重相关性会使得网络的求解变得不稳定且收敛速度很慢，本文试图把这两种方法结合在一起来预测巷道围岩的位移．结果表明，结合方法比单一方法优越．通过偏最小二乘回归对巷道围岩的位移影响因子的处理，消除了影响因子的线性相关性，并提取了对因变量解释性最强的成分，使BP(back propagation)网络的输入层节点数目由原来的7个减少到3个，起到了简化网络结构，增强网络稳定性的作用．     

基于偏最小二乘回归的煤层瓦斯含量预测研究

针对煤层瓦斯含量回归建模过程中自变量间出现多重共线性问题,提出应用偏最小二乘回归(PLS)对瓦斯含量进行预测的建模思路。通过收集影响某矿11-2煤层瓦斯含量的实测数据,建立偏最小二乘回归模型,并利用SIMCA-P工具分析对比影响煤层瓦斯含量因素。结果显示偏最小二乘回归方法预测煤层瓦斯含量具有较好精度,是预测煤层煤层瓦斯含量的一种有效方法。     

加权总体最小二乘法及其在GPS高程拟合中的应用

多项式函数法是GPS高程拟合的常用方法,而常规的最小二乘解算方法没有考虑系数矩阵误差这一问题。该文分析了不同形式的多项式函数以及系数矩阵中观测元素之间的不等精度性,在基于二次曲面函数的GPS高程拟合中引入加权总体最小二乘的方法,并依据误差传播定律、实际观测精度情况定权。采用加权总体最小二乘问题的迭代解算方法,经过实例计算,对比分析加权总体最小二乘法与总体最小二乘法、最小二乘法的计算结果,验证了加权总体最小二乘法更加合理,可以求得更准确的模型参数。     

基于偏最小二乘回归的回采工作面瓦斯涌出量预测模型

针对回采工作面瓦斯涌出量回归建模过程中自变量间出现多重共线性问题,提出应用偏最小二乘回归(PLS)对瓦斯涌出量进行预测的建模思路。选取地质及采矿2个方面共12个参数指标作为回归因子,利用15个瓦斯涌出实例为建模样本,建立了回采工作面瓦斯涌出量的偏最小二乘回归模型。建立的模型对训练样本拟合效果良好,最大误差为6.09%,平均误差仅为2.06%;对其余几个案例进行预测,精度优于主成分分析和BP神经网络,与最小二乘-支持向量机模型相当。研究表明,基于偏最小二乘回归进行工作面瓦斯涌出量预测是一种有效可行的方法。     

基于整体最小二乘法的GPS地质高程拟合研究

在测绘领域,关于整体最小二乘法的应用研究刚刚开始,受到众多学者的关注,如何提高测量数据处理的精确度与稳定性是目前面临的根本任务,将整体最小二乘法应用于GPS高程的拟合中,对拟合函数进行参数求解,并且该方法解算结果与传统最小二乘法解算结果进行对比分析,研究得出:模型以二次曲面模型为依据,对测量数据进行计算,计算结果与传统的最小二乘法相比,整体最小二乘法建立的模型更加合理、更加严密;对具体数据进行算例解算分析,并应用于平面模型与曲面模型中,然后通过整体最小二乘法与传统最小二乘法进行对比分析,采用整体最小二乘法进行GPS高程拟合得到的拟合结果更加贴近实际情况、更加准确。     

基于偏最小二乘回归的回转切削钻机凿岩速度预测

针对回转切削钻机凿岩速度回归建模过程中出现钻进参数间多重共线性问题,提出应用偏最小二乘回归对凿岩速度进行预测的建模思路。采用拟线性化的偏最小二乘回归方法,通过对胜利露天矿回转切削钻机的钻进参数进行分析并引入它们的一次效应、二次效应及交互效应来建立凿岩速度预测的回归模型。     

激光诱导击穿光谱技术与偏最小二乘回归法在煤炭灰分检测中的应用

为了解决激光诱导击穿光谱技术(LIBS)的自吸收效应所导致的测量精度降低问题,将LIBS与偏最小二乘回归法(PLS)结合后建立分析模型以有效应用于煤炭灰分的检测。在传统的PLS模型基础上考虑谱线自吸收的影响,根据自吸收后的谱线强度与浓度之间的非线性关系,增加基于谱线强度的平方项并提出谱线自吸收效应的非线性PLS模型。经过自吸收修正后的PLS模型,预测样品的平均误差从1.696%降至1.504%,最大误差从5.780%降至3.507%,模型的预测性能和泛化能力得到了显著提升。     

基于最小二乘支持向量机和人工鱼群算法的GPS高程异常拟合技术

为了有效地解决最小二乘支持向量机(LSSVM)进行高程异常拟合时,人工选择参数造成拟合精度损失的问题.该文采用人工鱼群算法(AFSA)对参数进行优化选择,提高了最小二乘支持向量机拟合精度.通过分析,AFSA-LSSVM模型在样本点较少时拟合残差均小于5mm,差值标准差为2.6mm,表明该算法优于传统的拟合方法.     

利用最小二乘多项式拟合算法实现土地更新调查精准化的研究

随着国家社会经济的快速发展,土地利用现状更新调查工作必将朝着精准化的方向发展,而通过GPS等高精度仪器获得的变更数据与原土地利用现状图的数据不能较好地匹配,导致了测量得到的高精度数据产生了精度偏移,而解决精度偏移问题是实现调查精准化的关键环节之一。针对此问题,在普洱市思茅区主城区范围内进行研究实验,提出了利用最小二乘多项式拟合算法解决这两种不同精度数据的融合问题,减弱了精度偏移对土地利用更新调查的影响。     

基于补偿最小二乘的AR(p)模型在变形监测中的应用

处理时间序列常用的模型AR(p)模型,它的核心是求取模型的参数。传统的参数求取方法忽略了模型误差的影响,为了顾及模型误差的影响,该文引入了半参数补偿最小二乘方法,将模型误差用非参数来加以弥补,提高了模型的精度。对比最小二乘方法、总体最小二乘方法和补偿最小二乘方法对时间序列的分析和预报结果。实验表明,补偿最小二乘方法所建立的模型对时间序列的分析和预报效果最好。