基于主成分分析的主元回归建模

介绍了主成分分析,主元回归建模的基本方法,意义。利用主成分分析法对一个从CO2提纯工艺中获取的七个过程变量进行数据压缩,提取主成分,消除变量间的线性相关性,建立一个基于主元的反射回归模型。     

基于主成分物元可拓模型的岩爆倾向性预测

岩爆会对井下工作人员和设备造成严重的伤害和破坏,开展岩爆倾向性预测研究具有重要的现实意义。以岩爆倾向性预测为目标,综合考虑岩爆的影响因素,从岩性、应力、围岩3个角度选取12个影响因素作为评价指标,采用主成分分析法和物元可拓模型建立新的预测模型即主成分物元可拓模型,选取国内7个典型工程实例,运用主成分物元可拓模型进行岩爆倾向性等级预测,将预测结果与实际情况进行对比,发现预测结果与实际情况基本吻合,准确率达到了85.71%。以白鹤滩水电站地下厂房为工程实例,对该预测模型的精度作进一步检验,结果表明,该水电站地下厂房的岩爆倾向性等级为Ⅱ级,属于弱岩爆,预测结果与实际情况吻合。     

主成分回归在PU弹性体物理性能测量中的应用

物理性能参数间存在着相互关系,该文将以撕裂强度为例对其进行探讨。采用了最小二乘回归和主成分回归,对撕裂强度受其他物理性能的影响关系进行详细的分析,并给出两种方法的结果分析,来体现主成分回归的优越性。其他物理性能之间的关系可以用相同的方法得到。     

磷铵水分预测的非线性主成分神经网络模型

磷酸一铵是目前国内产量最大的一种磷肥,具有一定的吸湿性,容易结块,因此在生产中控制磷酸一铵产品的水分含量具有重要意义;从影响磷铵产品的水分含量的诸多因素中,利用非线性主成分分析法处理原始样本数据减少变量数目,然后用所得主成分作为输入变量,建立了神经网络磷铵水分预测模型.     

基于主成分分析的煤元素分析通用预测模型研究

基于大量煤质分析数据,以主成分分析法对煤的发热量和工业分析数据进行预处理,应用三元线性回归和BP网络分析研究主成分与煤的各元素间的关系,进而提出了煤元素分析通用预测模型,并对模型适应性进行了检验;结果表明所建模型具有较强的适应性。     

主成分回归法在PU物理性能关系分析中的应用

采用主成分回归法、利用聚氨酯（PU）物理性能间存在的相互制约关系，预测PU的撕裂强度，并与实测值进行比较。结果表明，采用主成分回归法可以较为精确地预测PU的撕裂强度以及其它物理性能，对配方的优化设计具有重要意义。     

基于主成分分析和偏最小二乘回归的烟煤水分近红外检测

基于近红外光谱技术对烟煤水分分析的快速、无损性。采集了100个烟煤样品,分成验证集和预测集,验证集85个,预测集15个。利用主成分分析对烟煤的近红外光谱数据进行压缩,然后以主成分为输入,采用偏最小二乘回归建立烟煤水分预测模型。烟煤水分平均绝对相对误差为0.0728,表明该方法用于预测烟煤水分含量是可行的。     

主成分回归法同时测定白油中单环及多环芳烃含量

采用主成分回归紫外分光光度法分析白油中单环芳烃和多环芳烃的含量,运用计算机VB语言对实验数据进行回归分析。结果表明,主成分回归分光光度法对样品各组分的平均回收率在92.41%~99.28%,取得了满意的分析结果。     

主成分回归荧光光谱法同时分析多组分混合体系

采用主成分回归和荧光光谱结合技术,解析光谱重叠严重的多组分光谱数据,对混合体系中的蒽和芘进行同时测定;采用Mtalab7.0编程进行主成分回归分析,用光谱矩阵建立校正模型,并预测未知样品。实验结果表明,主成分回归荧光光谱法对各组分的平均回收率为99.825%~108.86%,可以不经分离进行多组分定量分析,结果满意。     

主成分回归-分光光度法同时测定食品中的钙、镁

在pH值为10.5的NH4Cl-NH3.H2O缓冲溶液中,以4-甲基偶氮胂-TB为显色剂进行试验,发现Ca和Mg分别与4-甲基偶氮胂-T形成的配合物的吸收光谱有比较严重的重叠,不能利用光度法进行单一组分的测定,本文对同时测定Ca、Mg含量进行了研究,利用主成分回归建立了校正模型,利用该模型对合成试样进行了预报,合成样品中Ca、Mg的平均回收率分别为100.36%和99.27%,利用该方法测定食品中Ca、Mg的含量,试验结果令人满意。     

核主成分分析-广义回归神经网络法研究——70种烷烃类有机化合物的气相色谱保留指数

利用核主成分分析法和广义回归神经网络研究了70种烷烃在固定相为角鲨烷,柱温50℃时的气相色谱保留指数。核主成分分析将70×8维的样品集降为51×3维,以减少计算量;降维后的样品集作为广义回归神经网络的训练集对色谱保留时间进行计算和预测。该方法的计算结果满足误差要求。     

运用人工神经元网络建立氨溶解度计算模型

本文运用RBF－PCR方法建立氨溶液度计算模型,试验结果表明,该模型用于氨溶解度的计算,效果良好。     

基于主成分分析-支持向量机的电脱盐工艺预测方法研究

原油电脱盐工艺水平直接影响常减压装置腐蚀状态和工艺催化剂活性。综合考虑电脱盐工艺参数,选择脱盐前盐质量浓度、含水量及电场强度等40个工艺参数共440组工况数据,进行电脱盐效果评价研究。根据脱后盐含量数据箱型图特征,将电脱盐效果等级分为3级,采用主成分分析法,提取原始数据累积贡献率90.91%以上的前3个主成分,与电脱盐等级建立数据集,最后通过支持向量机建立电脱盐等级评价模型。结果表明：该方法对指导电脱盐工艺优化具有较好的工程适用性。     

基于主成分分析方法的地震相分析技术研究

基于主成分分析方法的地震相分析技术,是继传统地震相分析(相面法)技术和基于神经网络的波形分类技术后发展起来的又一项新的地震相分析技术,它能实现多属性数据体同时划相,最终得到三维地震相数据体。克服了以往技术的某些缺陷,是研究沉积相和储层预测的重要手段之一。本文利用此地震相分析技术,针对SYB地区碳酸盐岩生物礁相储层进行了研究,在礁体内幕的刻画和相带边界的划分上取得了很好的效果。     

基于主成分分析和随机森林的DDoS攻击检测模型研究

提出基于主成分分析（PCA）和随机森林（Random Forest）的分布式拒绝服务（DDoS）攻击检测模型PCA-RF。对数据进行预处理操作后进行PCA降维,以保留数据的最大特征分量,然后将降维处理的数据放入随机森林模型进行训练得到分类结果。与其他5类机器学习算法对比的结果显示,所提出的PCARF算法的识别准确率达到了99.92%,训练时间在对比实验中也是最短的。     

基于多元非线性回归模型预测磷建筑石膏强度

研究硅灰、聚羧酸减水剂、柠檬酸、聚乙烯醇乳液对磷建筑石膏强度的影响,根据各因素对强度影响的拟合曲线特征,提出多元非线性回归模型,运用MATLAB软件建立多因素共同作用影响磷建筑石膏强度的多元非线性回归分析模型,结果表明:硅灰是影响磷建筑石膏强度的最主要因素,通过模拟值与试验值的比较,验证回归模型的合理性.     

基于主成分分析的土壤重金属污染综合评价研究

主成分分析法是环境质量综合评价的一种简单、客观的方法。本文基于主成分分析法,建立土壤重金属污染综合评价模型,并以青岛为例,根据青岛市不同功能区的土壤重金属含量调查结果,对该地区的重金属污染程度进行综合评价,并分析了产生污染的可能原因。     

基于导函数层序聚类的光谱成分预测方法研究

多光谱成像技术通过增加颜色通道的维数,成功的实现了基于光谱的颜色复制。然而,由于其颜色信息维数较高,此方法在提高色度精度的同时引入了较大的计算及存储压力。为此,最常用的方法就是通过对光谱数据进行分组,并利用每组光谱数据集中的主成分向量来对各个光谱曲线进行线性表示,从而实现数据的降维处理。提出了1种新的针对光谱数据导函数曲线的聚类分析方法,并利用伪逆算法进行光谱重建;本研究采用孟塞尔光泽色卡及无光泽色卡作为实验数据集,并将提出的导函数聚类分析法与现有的主成分分析法、聚类分析法以及色相角分类法相比较,实验结果证明其颜色预测精度在色度匹配及光谱匹配方面均优于现有方法。     

基于GC-MS和主成分分析的蜂蜡质量控制方法研究

目的:为确保蜂蜡质量稳定可控,建立建全蜂蜡的质量控制方法。方法:收集14个不同产地的蜂蜡,利用柱前衍生化气质联用技术对蜂蜡中成分进行分析,利用指纹图谱对14个不来源不同的蜂蜡样品进行鉴定分析,随后采用主成分分析进行结果验证,并找出引起质量差异的化合物,建立简单快捷的质量评价方法。结果:主成分(PCA)分析的结果表明,存在样品质量差别的最明显原因可能是由化合物2、6、9、14、17、21、22、24、29、33、37、39、44等造成。结论:蜂蜡质量标准应该控制总烷酸类含量的同时也控制烷烃及游离烷酸的含量。     

采用神经网络和主成分分析方法建立催化重整装置收率预测模型

催化重整装置收率预测的准确性对生产计划的制定具有重要意义. 采用神经网络和主成分分析方法,并运用改进的遗传算法进行网络训练,建立了催化重整装置收率预测模型. 将这一模型程序作为催化重整装置收率预测模块加入软件GIOPIMS(Graphic I/O Petro-chemical Industry Modeling System)中,得到更为精确的产品收率预测结果. 在实际生产中,将收率预测模块计算的催化重整装置各侧线的收率代入生产计划模型中,可为生产计划的制定提供依据.