半参数回归模型的泛补偿最小二乘估计

本文首先提出泛补偿最小二乘法：接着,使用该法考虑半参数回归模型,得到了参数及非参数的估计。然后,将泛补偿最小二乘法与补偿最小二乘法进行了比较;最后用模拟的算例说明了该方法的有效性。     

基于LSSVM的多元过程非参数监控方法研究

多元控制图常用于对多个相关变量进行监控,用以发现制造过程中存在的系统性变异。当多元过程的分布未知时,常用非参数方法进行过程监控。针对多元过程监控问题,提出了一种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的多元过程非参数监控方法。在仅有受控数据(参考数据集)的条件下,采用移动窗口技术对过程数据序列进行预处理,并与参考数据集一起用于对LSSVM进行动态训练,进而以移动窗口中的数据与分类超平面之间的距离为控制变量进行多元过程监控。讨论了监控模型设计与参数选择方法并通过仿真和实例进行了性能评估。     

截尾数据下一类半参数回归模型的估计

讨论了一类半参数回归模型y =x′β+g(t′α) +e .假定y被随机变量T右侧截尾 ,T与y独立 ,T～G。在G已知和未知两种情况下 ,构造了α、β和g(·) 的强相合估计     

相依误差下半参数回归模型的估计

本文在固定设计及相依误差下获得了半参数回归模型的参数估计的强相合性．     

基于回归分析的加工尺寸分布参数的建模研究

根据刀具磨损的一般规律，应用回归分析的原理建立了加工尺寸分布参数的预测模型。该模型适用方便，具有可递推性。模型的建立为质量控制提供了有效的理论依据。     

局部线性回归模型的半参估计

针对局部线性估计方法收敛速度较慢且对窗宽选择不稳健的问题,本文提出一种改进的局部线性半参估计方法。首先,选择不同窗宽作相应的局部线性估计,然后利用这些估计构造参数回归模型,由此给出回归函数的参数估计。相对于局部线性估计,新方法在不改变方差阶的情况下,将估计偏差的阶由h2减小至h4,最优均方收敛速度提高至O(n?89),且对窗宽选择稳健。模拟研究验证了新方法的有效性。     

基于吉林市大学生消费状况的回归分析及预测

以吉林市大学生为依托,通过对吉林市大学生的实际消费进行问卷调查,获取到样本数据进行数据统计建立线性回归模型,从定性的角度研究了大学生的消费水平与家庭月平均收入的关系,并对月平均消费进行预测。     

基于改进偏最小二乘的CMM动态误差混合建模分析

三坐标测量机(CMM)动态误差源错综复杂,并且相互影响,因此很难建立一个通过误差源分析误差的准确预测模型.本文以空间测量位置的三维坐标值和测量机测量时的计算机直接控制(DCC)参数,包括移动速度、逼近距离和触测速度作为CMM动态测量误差模型的原始自变量,并通过3B样条变换获得各原始自变量与动态测量误差的非线性关系函数,再利用正交投影法把解释矩阵中与因变量无关的成分扣除掉,得到新的解释矩阵后再用偏最小二乘(PLS)回归进行降维和参数估计,从而得到CMM动态测量误差模型,即基于3B样条-正交投影偏最小二乘(3BS-OPPLS)模型.这样既避免了分析错综复杂的误差源及其相互影响,又能够捕捉各自变量对动态测量误差的非线性影响,并能克服因解释变量过多而产生的多重共线性问题.实验结果表明建立的3BS-OPPLS模型的预测效果优于未经正交投影的3B样条-偏最小二乘(3BS-PLS)模型,模型的预测精度得到显著提高.     

基于多元线性回归分析的风机噪声预测的研究

研究了IEC 61400-11风力发电机组声学噪声测量技术标准,针对风力发电机组噪声测量过程复杂且易受外界干扰的问题,提出了采用多元线性回归分析的方法对风力发电机组噪声的声压级进行预测.通过较易实现的参数的测量,建立回归方程,用最小二乘法求取回归系数,最终建立了风力发电机组噪声声压级预测的模型.将模型应用于实际测试过程中,效果良好.     

PC准则下生长曲线模型回归参数阵岭估计的优良性

将 PC准则推广应用于生长曲线模型参数阵的最小二乘估计和岭估计优劣性的比较 ,给出了岭估计在PC准则下优于最小二乘估计的条件     

基于多元非线性回归分析的Cu-Ag合金偏析预测模型研究

目的研究Cu-Ag合金金属型铸造过程中,铸造工艺对宏观偏析的影响规律。方法通过数值模拟技术和实际浇注试验,对Cu-Ag二元合金金属型铸造过程中的宏观偏析缺陷进行分析,研究主要凝固参数,即冷却速率和温度梯度对宏观偏析程度的影响规律。在此基础上,利用多元非线性回归分析方法对所获得数据进行分析,明确主要凝固参数与宏观偏析程度之间的定量关系,建立Cu-Ag合金金属型铸造过程中的宏观偏析预测模型。结果采用研究获得的最佳浇注工艺方案,即浇注温度为1100℃、浇注时间为120 s、铸型温度200℃、涂料厚度为1.5 mm进行实际浇注,所获得铸件中的宏观偏析缺陷得到了明显的改善。结论降低浇注速度可以有效提高冷却速度和温度梯度,从而有效减小宏观偏析的倾向。     

Simultaneous Envelopes for Multivariate Linear Regression

We introduce envelopes for simultaneously reducing the predictors and the responses in multivariate linear regression, so the regression then depends only on estimated linear combinations of X and Y. We use a likelihood-based objective function for estimating envelopes and then propose algorithms for estimation of a simultaneous envelope as well as for basic Grassmann manifold optimization. The asymptotic properties of the resulting estimator are studied under normality and extended to general distributions. We also investigate likelihood ratio tests and information criteria for determining the simultaneous envelope dimensions. Simulation studies and real data examples show substantial gain over the classical methods, like partial least squares, canonical correlation analysis, and reduced-rank regression. This article has supplementary material available online.     

基于PSO的SVR模型在多联机功耗预测上的应用

支持向量回归(SVR)模型在多联机系统功耗预测稳定性和精度上存在不足,本文引入粒子群优化(PSO)算法,对SVR预测模型的惩罚系数C和核参数γ进行最优求解,来改善模型预测性能。在制冷剂充注量为95. 75%工况下,对多联机组进行运行实验,并对实验数据进行预处理。基于PSO算法建立PSO-SVR模型,对多联机功耗进行预测,并与SVR模型的预测结果和理论公式计算结果进行对比。结果表明:SVR、PSO-SVR、理论公式计算法总体预测误差分别为1. 43%、1. 08%和1. 57%,均方根误差RMSE分别为105. 36、88. 79、91. 37 W,参数寻优结果为惩罚系数C=10 000和核参数γ=4. 275。粒子群优化算法的引入显著提高了SVR模型的预测精度和稳定性;相较于理论公式计算法,PSO-SVR精度更高,且需要测量的参数数目明显减少,在降低了测量系统复杂性同时更具经济适用性。