基于LabVIEW的多元线性回归数据处理系统

多元线性回归分析是一种重要的数据处理方法,借助图形化的虚拟仪器开发平台LabVIEW可开发出集数据剔错、模型构建、统计检验、区间估计与预测等功能为一体的多元线性回归的可视化数据处理系统。系统构建方法新颖和稳健,通用性和适应性强,可方便地与数据采集整合使用,又可单独应用,具有广泛应用价值。文章对系统的构建与设计作了阐述,给出了主要的实现程序。     

基于多元线性回归的环境监测数据分析与研究

目前的环境实时监测数据精度和适用范围都有一定限制,为此提出并改进一种新的环境预测模型,用于预测大气环境质量,收集6个空气污染物指标和5个相应的气象指标并进行检测.研究发现通过逐步线性回归优化多元线性方程,可以准确预测短期大气环境质量,改进后的模型可以相对准确地预测未来大气污染物的质量浓度.     

基于MapReduce的多元线性回归预测模型

针对传统的多元线性回归预测方法处理时间长且受内存限制的特点,对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduce过程组成,分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量,用来预测未来参数的特征值和特征向量矩阵和未来时刻回归参数的估计量。设计并实现了实验来验证提出的并行多元线性回归预测模型的有效性。实验结果表明,基于MapReduce的多元线性回归预测模型具有较好的加速比和可扩展性,适合于大规模时序数据的分析和预测。     

基于多元线性回归的雾霾预测方法研究

提出了一种在线样本更新的多元线性回归分析的雾霾预测方法。首先搜集了北京市天气状况,包括平均气温、湿度、风级等气象数据以及PM2.5、CO、NO₂、SO₂等大气成分浓度数据,然后通过散点图对这些因素进行主要影响因素分析,筛选出对雾霾影响比较明显的因素作为雾霾预测的依据。通过在线样本更新的多元线性回归建立了PM2.5含量预测模型,并将气象要素作为雾霾的判断标准。最后给出实际例子,利用多元线性回归对北京未来一天、三天及一周的PM2.5含量进行较为精确的预测。     

基于灰色多元线性回归融合模型的故障率预测

为预测在设备使用年份期间的制氧系统故障率,提出灰色多元线性回归融合模型的新方法。该方法首先求出制氧系统各设备故障率的GM(1,1)模型;然后计算出制氧系统故障率、制氧系统各设备故障率与设备使用年份相关关系模型,并且将制氧系统各设备故障率的GM(1,1)模型代入该关系模型中;最后利用最小二乘法求出待定参数。通过对制氧系统故障率的预测分析表明,灰色多元线性回归融合模型在故障率预测精度上优于单一的灰色模型和线性回归模型,且不要求提供的历史数据具有典型的分布规律。该模型的预测结果可为制氧系统的维修工作提供决策依据。     

具有模糊控制变量的多元线性回归

多元线性回归被广泛用于预测。回归式反映了响应变量和预测变量间的线性关系。将模糊集理论引入多元线性回归中,通过模糊控制变量,可以得出更符合实际,也更容易为人所理解的回归模型。针对真实数据的实验表明,具有模糊控制变量的线性回归可以解决一类复杂的回归问题。     

基于多元线性回归的昆虫图像分割方法

昆虫图像自动鉴定是一种快速鉴定昆虫的方法,图像分割则是其中的关键步骤。为了使昆虫图像分割达到更理想的效果,提出基于RGB三色板的多元线性回归算法对昆虫图像进行分割。算法的核心是首先建立图像的多元线性回归模型,根据RGB三色板的背景样本确定回归模型参数,并采用范数对回归模型进行优化,优化后的算法有效解决了昆虫图像分割中部分区域分割不理想的问题。实验证明,提出的算法对昆虫图像分割具有良好的应用价值。     

基于多元线性回归的飞机燃油消耗诱因分析

针对民航运行燃油成本增加问题,为了提升燃油经济性,采用多元线性回归建立的燃油消耗诱因分析模型,定量分析了飞机燃油消耗诱因.将飞机落地剩余油量作为对象,从飞机性能、飞行操纵等方面选取了影响落地剩余油量的参数.先利用相关性分析进行了参数筛选,通过主成分分析对筛选后的参数进行降维,并建立了回归模型,分析了各因素对落地剩余油量的影响.利用某航空公司航线运行数据进行了仿真验证,结果表明,所建模型可以精确得出不同参数对燃油消耗的影响程度.研究可为油量监控和运行节油策略等方面的研究提供基础.     

基于多元线性回归模型的锂电池充电SOC预测

在诸多汽车电池中,锂电池因为性能稳定、寿命长、承受力强等优势,成为了电动汽车动力电池的绝佳选择。为了对锂电池进行高效管理,防止过充、过放的情况发生,保证锂电池使用的安全性以及性能,需要对锂电池的荷电状态（state of charge,SOC）进行准确预测。实验基于锂电池充电过程中的实际数据,使用Pyhton语言编程,建立多元线性回归模型,通过模型预测出锂电池开始充电到结束充电过程中准确的SOC值。研究结果表明,锂电池充电SOC的变化过程具有一定的线性规律,多元线性回归模型预测SOC值的误差都能控制得很小,决定系数都高于99%,具有很好的预测效果且有一定的通用性。除此之外,多元线性回归模型参数较少,结构简单,易于实现,更容易在实际应用中推广。     

多源雪深数据在中国的空间特征评估

积雪的年际和年内变化强烈地影响着区域及全球的水量平衡，同时，积雪反照率反馈也显著地影响着气候变化。目前长时间序列的格网雪深数据主要来自被动微波遥感及再分析资料，但不同数据之间存在着明显差异。基于多源雪深数据的评估，特别是空间特性的评估还很缺乏。因此，本研究选取了AMSR-E、WESTDC、GlobSnow、RA-Interim及MERRA2这5种雪深数据，以站点观测数据为参考真值，对它们进行了中国地区的空间误差对比及基于误差排序的相对表现分析。评估结果初步显示：①WESTDC在我国西北及东北积雪区表现较好，适合用于我国北方的雪深研究；②MERRA2在西北和东北积雪区也有较好的表现，但由于其分辨率较粗，缺乏细节的空间信息，因此认为比较适用于大区域的统计分析；③AMSR-E在我国中部和东南地区表现最好，因此认为适合我国中部及东南部的雪深研究。     

多源雪深数据在中国的空间特征评估

积雪的年际和年内变化强烈地影响着区域及全球的水量平衡,同时,积雪反照率反馈也显著地影响着气候变化。目前长时间序列的格网雪深数据主要来自被动微波遥感及再分析资料,但不同数据之间存在着明显差异。基于多源雪深数据的评估,特别是空间特性的评估还很缺乏。因此,本研究选取了AMSR-E、WESTDC、GlobSnow、RA-Interim及MERRA2这5种雪深数据,以站点观测数据为参考真值,对它们进行了中国地区的空间误差对比及基于误差排序的相对表现分析。评估结果初步显示：①WESTDC在我国西北及东北积雪区表现较好,适合用于我国北方的雪深研究;②MERRA2在西北和东北积雪区也有较好的表现,但由于其分辨率较粗,缺乏细节的空间信息,因此认为比较适用于大区域的统计分析;③AMSR-E在我国中部和东南地区表现最好,因此认为适合我国中部及东南部的雪深研究。     

基于多元线性回归的螺纹钢价格分析及预测模型

通过分析期货黑色系品种螺纹钢产业链上下游的关系,提出了一种基于多元线性回归分析的螺纹钢价格分析及预测模型。首先,收集 影响螺纹钢价格的主要因素数据,包括焦炭期货结算价、焦煤期货结算价、铁矿石期货结算价、热卷期货结算价与人民币兑美元汇率中间价;然后,通过散点图与趋势线对这些影响因素进行分析以确定影响因素,借助SPSS与NCSS软件利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过岭回归分析消除自变量间的共线性,得到修正后的模型;最后,运用此模型对未来一个月交易日的螺纹钢价格进行较为精准的预测。实验表明,该模型拟合度较高,具有一定的实用性。     

被动微波雪深反演算法在东北地区的时空分析与验证

Chang算法及改进算法是被动微波遥感雪深反演算法中较简单的经验算法。为了评价改进的Chang算法在东北地区的适用性,对改进的Chang算法进行分析与验证。从空间上,选取了84个野外数据采样点和48个气象站点对改进的Chang算法进行分析与验证。结果表明:森林下垫面改进的Chang算法会低估雪深3.6cm,而农田下垫面改进的Chang算法会高估雪深1.5cm。从时间序列上,选取五营、呼中、庆安和巴彦4个气象站点2012年11月15日~2013年2月28日的时间序列雪深数据,对改进的Chang算法进行分析与验证。结果表明:森林下垫面改进的Chang算法会低估雪深,五营站点低估雪深13.7cm,呼中站点低估雪深8.3cm,农田下垫面改进的Chang算法会高估雪深,庆安站点高估雪深3.4cm,巴彦站点高估雪深0.8cm。无论从空间上还是时间序列上,验证结果都表明,农田下垫面时改进的Chang算法的精度比森林下垫面时要高。此外,站点雪深不变而改进的Chang算法反演的雪深却在增大,这可能是由于期间雪粒径不断增大的缘故。     

基于多源数据的阿勒泰地区雪深反演研究

利用阿勒泰地区 2010~2012年冬季(11月~次年2月)3类积雪数据:风云三号微波成像仪(FY\|3/MWRI)反演的雪深数据、美国人机交互式多仪器冰雪制图系统(IMS)积雪面积数据、阿勒泰及周边地区实测雪深数据,进行积雪深度的反演研究。通过结合3类积雪数据的各自优势,建立修正模型,最终得到较准确的研究区雪深数据。同时通过编程实现了相应模型的操作平台,为今后研究区积雪业务化监测做好准备。结果表明:模型提高了FY\|3/MWRI数据反演阿勒泰地区积雪深度的准确性,改善了FY\|3/MWRI数据在阿勒泰地区雪深反演偏低的缺点,使微波与实测平均雪深误差由修正前的21.7~12.1 cm缩小为修正后的3.7~1.5 cm。     

基于多元线性回归的空腹血糖影响因素分析方法

通过分析空腹血糖影响因素的关系,提出了一种基于多元线性回归分析的空腹血糖影响因素分析方法。首先,收集影响空腹血糖的主要因素数据,包括血清总胆固醇、甘油三酯、空腹胰岛素、糖化血红蛋白；然后,通过散点图对这些影响因素进行分析和确定,利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过逐步回归分析得到修正后的模型；最后,运用此模型确定了影响空腹血糖的关键因素,以为糖尿病患者的平时饮食给予指导以及为医生的临床治疗提供参考。     

利用实测资料评估被动微波遥感雪深算法

利用SSM/I微波亮温数据,结合地面站点实测资料,比较Chang算法和Che算法在前苏联、中国及蒙古境内6种不同积雪类型的反演精度,结果表明:被广泛应用于全球雪深反演的Chang算法低估了前苏联境内雪深7.6cm,相对误差为-24.3%,而分别高估中国及蒙古境内雪深9.2cm与11.4cm,相对误差分别为108.8%和180.9%,区域反演效果很差;针对中国境内积雪的Che算法严重低估前苏联境内雪深,整体低估21.3cm,相对误差为-68.6%,RMSE为31.4cm;在中国及蒙古境内反演效果有所改善。6个积雪类型中,植被较单一,地形较平坦的苔原型积雪和草原型积雪雪深的反演效果较好。随着纬度和积雪深度的增加被动微波雪深反演有由高估变为低估的趋势。Che算法反演的雪深大体以40°N为界,以北表现为低估,以南表现为高估,另一方面,整体上该算法在雪深低于6.7cm时表现为低高估,高于6.7cm表现为低估;因此,全球算法应用到局部地区需要进行修正,不同下垫面性质以和气候条件下形成的积雪的被动微波反演应区别对待。     

结合过渡区的多元线性回归昆虫图像分割方法

针对多元线性回归模型对含阴影的昆虫图像边界分割不准确的问题,提出一种结合过渡区的多元线性回归优化算法。算法首先对多元线性回归模型进行范数优化。即根据图像的RGB三色板信息建立多元线性回归基本模型,再利用余弦范数对模型进行优化。优化后算法对图像的分割效果有所改进,但仍保留了图像阴影部分,因而引入过渡区算法对边界和阴影进行分割,实现图像边界的二次分割优化。与单独应用多元线性回归算法相比,新算法提高了昆虫图像的分割精度,具有较强的鲁棒性。     

The Study on Snow Depth Retrieval in Xinjiang Region based on FY3B-MWRI Data

The snow depth is one of the necessary parameters of weather and hydrological model,which is not only used to study the balance of surface radiation,but also to study the hydrological effects of snow.Meanwhile,the snow depth monitoring plays an important role in snow-melt runoff forecasting,water resources management and flood control.the sites to measure snow depth data to constructe existing snow depth retrieval models based on FY3B-MWRI data mainly distribute in middle,east and south of China,and the sites in Xinjiang region are relative less.Thus,it causes the poor precision of the snow depth retrieval algorithm in the Xinjiang region.In this paper,we select Xinjiang region as the study area and select FY3B-MWRI as the data source.According to the topography characteristics and surface land cover characteristics of the region,we use regression analysis method to study the different snow depth retrieval algorithms of the three land covertypes (forestland,farmland and grassland).Then we verify the accuracy of the algorithms comparing to the field measured data.The results show that the R² and RMSE of the three land covertypes are 0.758,2.58,0.729,3.21,0.854,5.70 respectively,so the algorithms of this paper have a high accuracy of the snow depth retrieval in Xinjiang region.