递阶偏最小二乘回归模型及其应用

偏最小二乘回归模型中包含所有原始选择的变量,当自变量较多时,因得到的模型结果十分庞杂而难以分析和解释。本文采用递阶偏最小二乘（Hierarchical PLS,Hi-PLS）回归方法,通过分层建立模型的方法有效解决了这一问题。工程实践表明,本模型精度较高,特别适用于大规模变量集合的回归分析。     

基于偏最小二乘回归的大坝位移混合模型研究

介绍了偏最小二乘法的建模基本思路和交叉有效性判别方法,编制了偏最小二乘回归程序,与弹性力学有限元联系,建立了基于偏最小二乘回归的大坝位移混合模型。算例分析表明,建立的模型有较好的拟合和预报功能。     

偏最小二乘回归的应变统计模型研究

在应变监控模型中,各因子之间存在着多重相关性,将会严重影响参数估计、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.研究分析表明,与普通的最小二乘回归相比,偏最小二乘回归模型具有很好的稳定性.     

基于偏最小二乘回归和最小二乘支持向量机的大坝渗流监控模型

利用偏最小二乘回归法对影响大坝渗流的诸多因素进行分析,提取对因变量影响强的成分,克服了变量间的多重相关性问题,降低了最小二乘支持向量机的输入维数,从而可以较好的解决非线性问题,建立了基于PLS-LSSVM的大坝渗流监控模型。实例分析表明,PLS-LSSVM模型的拟合与预测精度均优于独立使用PLS或LSSVM建模的精度;PLS-LSSVM模型的学习训练效率比LSSVM模型有较大的优势,更适合于大规模的数据建模。     

偏最小二乘回归与灰色模型耦合预测城市用水量

 影响城市用水量的各个因素,存在多重相关性,采用传统最小二乘回归法建模,其估计参数存在较大误差,预测精度降低。运用偏最小二乘回归法建立城市用水量的预测模型可以克服变量间的多重相关性影响,并可以很好地解释因变量;采用GM（1,1）建立的城市用水量预测模型,能够克服参数的非线性干扰,进行中长期预测。结果和实际符合,将两者进行耦合,充分利用了两种模型的优点,预测结果更为合理可靠。     

基于遗传算法的偏最小二乘回归模型在大坝安全监测中的应用

偏最小二乘回归能较好地解决自变量之间严重的相关性问题,遗传算法作为一种新的全局优化搜索方法,具有智能性搜索、并行式计算、鲁棒性强等优点.本文在偏最小二乘回归分析的基础上引入遗传算法,依靠其有效的自适应全局搜索优化功能,对偏回归模型中的回归系数进行重新评估,建立基于遗传算法的偏回归模型.实例分析表明:基于遗传算法的偏回归模型有良好的拟合效果和预测精度.     

基于偏最小二乘回归的水面蒸发量数学模型

利用气象因子计算水面蒸发量过程中,各自变量之间经常存在多重相关性,从而导致传统的多元回归模型(基于最小二乘法)的失真,丧失稳健性,预测精度降低。该文采用偏最小二乘回归建模,有效地解决了各气象因子之间的多重相关性,得到满意效果。     

基于偏最小二乘回归法的水库渗漏分析与预测

渗漏是水库大坝主要病害形式之一,对大坝渗漏进行分析预测对了解大坝渗流性态和提高工程管理意义重大。由于坝体内部渗漏表现出的灰色甚至黑色特征增加了渗流性态的分析难度,基于常规的最小二乘法无法解决渗漏变量间多重共线、样本较少等问题。针对此类分析的难点,本文通过偏最小二乘回归法,依据监测数据建立了渗流统计回归模型,探讨了主要影响因素与渗漏量的关联程度。采用该模型对吉林台混凝土堆石坝运行条件下渗漏量进行了预测,分析结果表明了该方法的可行性。     

基于新偏最小二乘回归法的系列水文资料分析

在实际问题中,经常会碰到海量数据或者样本点较少,自变量较多的数据。对此可以利用递阶偏最小二乘回归来建立线性模型。但是一个直接的问题是如何对自变量进行分组。由此提出了基于聚类分析的递阶偏最小二乘回归方法,在对解释变量分组时引入聚类分析。通过对长江宜昌段水沙观测数据作实证分析后发现,基于聚类分析的递阶偏最小二乘回归方法是有效可行的,而且用该方法建立的回归模型比一般的偏最小二乘回归模型拟合能力更强。     

将偏最小二乘回归模型应用于非点源负荷预测

介绍了偏最小二乘回归的基本原理,建模思路和方法,将偏最小二乘回归模型应用于泾河流域非点源污染年负荷量预算,对计算结果的代表性和有效性进行了分析,并将其与最小二乘的多元回归模型预测结果进行了对比.实例计算分析结果表明,偏最小二乘回归分析对于反映因变量与多个相关性自变量之间的关系有较高的精度.     

偏最小二乘与人工神经网络耦合模型在酸雨pH值预测中的应用

将偏最小二乘与人工神经网络耦合,建立了一种新型耦合预测模型———偏最小二乘与人工神经网络耦合模型。该模型利用了偏最小二乘方法有效处理自变量之间多重相关性问题和人工神经网络可以较好地解决非线性问题的能力,在城市酸雨pH值预测中的应用表明,该模型预测精度高,明显优于偏最小二乘回归模型和人工神经网络模型。     

基于遗传算法优化BP神经网络的岩溶泉水位预测研究

我国北方岩溶大泉是集自然、文化和旅游等多种属性的重要自然资源,对北方岩溶地区经济社会发展有着重要的促进作用。为了精确预测岩溶泉的动态变化趋势,为岩溶泉资源保护提供支撑,基于2016-2018年趵突泉泉域的大气降水量、岩溶水开采量、人工生态补源量等数据,分别构建了6种BP神经网络以及采用遗传算法优化的BP神经网络预测模型,评价了不同预测模型对趵突泉水位的预测效果。研究表明：与BP神经网络相比,将GA算法得到的权值和阈值作为BP神经网络初始值可以很好地提高神经网络预测的稳定性,同时可以大大减少神经网络迭代次数,从而节省大量的计算成本;采用Levenberg-Marquardt训练方法的GA-BP(LM)网络模型具有稳定性高、计算成本低、预测误差小的特征,更适用于岩溶泉水位的预测。     

基于最小二乘法的逻辑回归模型在土石坝 沉降预测中的应用

针对传统回归模型的不足,提出了采用逻样回归曲线建立土石坝沉降预测模型,由最小二乘 法确定模型参数。该模型用于了南湾水库大坝的沉降量预测。研究表明,该方法的拟合误差较传统模 型小,可取得较好的预测效果。     

基于模糊神经网络的区域需水预测计算模型

将神经网络和模糊理论相结合建立模糊神经网络模型,从模糊神经网络角度并运用灰色系统理论对区域需水量进行预测,通过应用于盐城市在未来2010年需水预测的实例,计算分析结果表明该模型具有良好的可行性和合理性,可以借此深入分析外生变量与区域需水量之间的关系。     

基于IPSO-BP神经网络的高含沙水体对鱼类影响预测方法

水库进行水力排沙时,高含沙水流过程可能会对鱼类等水生动物产生负面影响,其量化评估方法研究较为薄弱。为了预测和评估水库排沙过程对下游鱼类的影响,本文利用黄河花斑裸鲤和鲤鱼在高含沙水体中生存特性研究的实验数据,综合考虑含沙量和粒径、溶解氧、暴露时间、水温等因子对鱼类生存的影响,建立了基于IPSO-BP神经网络的高含沙水体对鱼类致死影响预测方法,对目标鱼类死亡率的预测误差小于6%。本文使用了与BP神经网络紧密耦合并引入动态参数和变异扰动的IPSO算法,较BP和PSO-BP神经网络预测能力更佳,相比国内外已有的Stress Index(SI)、Severity of Ill Effect (SEV)和多元拟合方法预测精度得到显著提升。分析表明,本文提出的预测方法能够考虑高含沙水体中鱼类生存受多环境因子联合制约,且多因子之间存在复杂关联的情况,可为评估高含沙水流过程对水生态的影响提供新的方法。     

基于偏最小二乘及最小二乘支持向量机的 人工加糙渠道糙率预测模型

影响渠道糙率的因素相当复杂,且因素间又存在一定的相关关系。为取得更为精确的糙率预测效果,采用偏最小二乘(PLS)法对影响人工加糙渠道糙率的因素进行分析,提取影响自变量的重要成分,结合最小二乘支持向量机(LSSVM)建立了人工加糙渠道糙率预测模型。结合实例,通过对某人工加糙渠道相关试验数据进行PLS-LSSVM模型的训练及预测,并将预测结果与单独使用PLS、LSSVM及公式法的预测结果进行对比,其结果显示:基于PLSLSSVM模型的预测平均绝对百分比误差MAPE为1.38%,均方根误差RMSE为2.24×10~(-4),预测精度均优于PLS、LSSVM及公式法的预测结果。结果表明,将PLS与LSSVM相结合的PLS-LSSVM模型,综合了PLS与LSSVM各自的优势,应用PLS-LSSVM模型可有效进行人工加糙渠道糙率的预测。     

基于小波分析的NARX神经网络在水位预测中的应用

高精度的水位预测能为防洪决策、水资源管理等提供重要的调度依据,减少洪旱灾害损失。为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量、出湖流量、周边用水、前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络、NARX神经网络模型进行比较。结果表明,三种模型在短历时预报中均取得了较好的模拟预测效果。当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优。研究成果可为洪泽湖的水位预报提供一定的参考价值。     

改进的偏最小二乘法在青海省农业用水预测中的应用

根据2000—2009年影响青海省农业用水的11个因子的基础数据,建立偏最小二乘回归模型,考虑到模型的实用性和准确性,运用后退法对偏最小二乘法进行改进,剔除了5个不需要的变量,得到了拟合精度更高的结果。选取2010—2013年数据进行模型检验。结果表明:运用偏最小二乘法预测的结果与实际情况贴近,并且改进的模型的贴近度更高。通过模型的应用,可以看到偏最小二乘法在青海省农业用水预测中有较好的应用价值,并且改进后的偏最小二乘法简化了模型,提高了预测精度,为青海省的农业用水预测提供了依据。