偏最小二乘logistic回归在鄱阳湖洪涝灾害预测中的应用

偏最小二乘logistic回归模型是一种新型的多元分析方法,它在自变量之间存在强多重共线性、或者当样本量偏小以及样本中有缺失值的情况下,可以较好地解决普通logistic回归模型的计算结果不稳定的问题.本文利用偏最小二乘logistic回归算法,根据鄱阳湖地区1953～1998年观测的水文数据,分析各月连续最大五天降水量和长江各月最大流量对鄱阳湖洪涝灾害的影响,建立了预测洪涝灾害程度的发生概率的判别模型.研究结果表明,偏最小二乘logistic回归模型在相关领域的研究中具有很好的适用性.     

两个多重相关变量组的统计分析(3)(偏最小二乘回归与PLS过程)

本文用PLS过程建立多因变量的偏最小二乘回归模型 ,并用具体例子对最小二乘回归(MLR)、主成分回归 (PCK)和偏最小二乘回归 (PLS)进行比较     

偏最小二乘回归分析在均匀设计试验建模分析中的应用

本文分析了目前应用一般的最小二乘法建立均匀试验数据的二次多项式回归模型时存在的局限性,提出了应用偏最小二乘法(Partial least-square,PLS)建立二次多项式回归模型的技术,并且进一步介绍了偏最小二乘回归(PLS回归)在均匀设计中的应用。作者认为,PLS回归分析建模技术将为均匀设计的更广泛应用提供有力的技术支持。     

基于灰色关联分析与PLS-LSSVM的航材备件需求预测模型

航材备件是保障航空装备日常训练和作战正常使用的重要影响因素,针对部分航材备件样本数据量少,影响因素多且复杂多变,预测结果与装备系统完好性要求偏差较大等问题.建立基于灰色关联分析(GRA)与偏最小二乘(PLS)及最小二乘向量机(LSSVM)相结合的航材备件预测模型,采集某无人机航材备件数据,通过对统计数据进行灰色关联分析,提取航材备件需求的相关因素作为模型训练样本,确定关键因素,利用偏最小二乘对关键因素特征提取,然后将偏最小二乘特征提取后的数据作为最小二乘向量机输入,进行模型构建及分析.通过实验验证了该方法的可行性与适用性,能够满足无人机航材备件预测的实际需要.     

基于均匀设计试验利用偏最小二乘回归对边坡稳定性的分析预测

采用均匀设计试验方案对影响边坡稳定性的因素进行测量,既能节约取样开支,又能得到均匀分散且具有代表性的小样本数据.对该小样本数据结合偏最小二乘回归方法,建立了边坡稳定性系数与各影响因素的非线性回归模型.通过对模型结构、变量投影重要性指标、相对残差值及拟合值的分析发现,基于均匀设计试验利用偏最小二乘回归法可用于对边坡稳定性的分析预测.     

助推偏最小二乘法（BPLS）及其应用

在生物统计以及数据挖掘中,分类预测是最基本的任务之一。本文将探讨一种新的方法-助推偏最小二乘法（BPLS）。它结合了一系列收缩的偏最小二乘模型,每个模型只有一个主成分。这种新方法和传统的偏最小二乘方法不同,它不需要选择一系列的偏最小二乘成分。只需要确定两个参数即可。通过对真实数据的训练,得以证明这种新方法比传统的偏最小二乘法在防止过度拟合方面有更好的表现,同时能够保证精确度。     

基于结构元最小二乘序的模糊线性回归

在具有模糊观测数据的线性回归问题中,通过定义模糊序指标实现模糊数的排序,借助经典最小二乘法原理,给出了使平方误差和在此排序方法下达到最小的模糊回归系数最小二乘序估计方法。三个例子的结果表明,文中的最小二乘方法能很好的对输入和输出为模糊数,回归系数为精确值的回归模型进行估计,更重要的是,此方法不仅对三角模糊数适用,对其他类型的模糊观测数据也适用。     

天然气消费量的偏最小二乘支持向量机预测

结合偏最小二乘法和支持向量机的优缺点,提出基于偏最小二乘支持向量机的天然气消费量预测模型。首先,利用偏最小二乘法确定影响天然气消费量的新综合变量,建立以新综合变量为输入,天然气消费量为输出的支持向量机模型,对天然气消费量进行了预测;然后,与多元回归、偏最小二乘回归、普通支持向量机做误差检验比较,验证该方法的可行性与正确性。结果表明,此天然气消费量预测模型具有较高的精确度和应用价值。     

基于支持向量机的中国工业增加值预测研究

工业增加值是衡量一个国家工业发展水平的重要指标。由于其受多种因素影响，对其预测相对困难。本文提出运用时间序列预测方法对其预测，并利用支持向量机和微分进化算法（differential evolution，DE）相结合的方法对中国工业增加值数据进行预测。数据仿真显示该模型比核主成分分析的最小二乘支持向量机（KPCA-LS-SVM）以及岭回归（ridge regression，RR）具有更高的预测精度。     

多项式回归的建模方法比较研究

在实际工作中,人们在采用回归模型解释因果变量间的相关关系时,经常会遇到自变量之间存在幂乘关系的情况。在这种情况下,多项式回归模型成为一个合理的选择。由于多项式回归模型中自变量之间存在较强的相关关系,采用普通最小二乘回归方法来估计变量的回归系数,则会存在较大的误差。在本文中,为了提高多项式回归模型的预测准确性和可靠性,提出使用主成分分析、偏最小二乘回归建模,并采用仿真数据来比较它们的异同。     

线性规划在回归分析中的应用

线性回归中,针对最小二乘法的两个替代准则一绝对离差和最小准则以及最大绝对离差最小准则,利用线性规划技术建立回归预测模型。实用分析表明,线性规划模型具有较好的预测效果,有郊地消除了统计数据中异常值对回归方程的影响。     

偏最小二乘建模在R软件中的实现及实证分析

通过介绍偏最小二乘（PLS）的建模和显著性检验原理,解决了小样本多变量且变量间存在多重共线性的回归问题,建立了多变量对多变量的回归模型,并使用R软件（版本为Ri3862．15．1）实现了PLS建模;最后基于葡萄和葡萄酒理化指标数据进行了实证分析．     

回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用

PM2.5作为大气首要污染物,严重影响着人们的身体健康.为了研究影响PM2.5的相关指标,以武汉市的空气数据为研究对象,通过多元线性回归、偏最小二乘回归、基于MIV的RBF神经网络回归等方法对AQI中6个基本监测指标的PM2.5(含量)与其它5项分指标及其对应污染物(含量)之间的相关性进行分析;通过比较,基于MIV的RBF神经网络回归模型拟合度达到0.9302,效果最好,而且也优于BP人工神经网络回归算法,因此得出了精确可靠的影响PM2.5的指标权重大小,为减排PM2.5提供了可靠的理论依据.     

剔除相关性的最小二乘研究

本文提出了一种新的回归模型,剔除相关性的最小二乘,它有效的克服了变量间的相关性,兼顾到变量的筛选。并与最小二乘、向后删除变量法、偏最小二乘比较分析。发现剔除相关性的最小二乘能很好的处理自变量间多重相关性,对变量进行有效的筛选,克服了回归系数反常的现象。     

对北京市年需水量预测模型的研究

水资源的供给问题是每个城市都要面临的一项必须且复杂的基础建设任务。对城市需水量的预测直接关系到一个城市供水系统的建设规模与安全运行,是实现科学调度的必要前提。本文通过对北京市2001-2014年需水量及其影响因素相关数据的分析,分别建立了普通线性回归及偏最小二乘线性回归预测模型。通过对模型的比较分析及仿真模拟预测计算,发现偏最小二乘线性回归预测模型不仅易于解释,更适合做外推预测,具有较强的应用价值。     

惩罚的偏最小二乘

本文研究了二个推广的惩罚的偏小二乘模型,将惩罚估计的算法作用于偏最小二乘估计上,得到了参数的最终估计.将此模型运用到一个实际数据,在预测方面获得了较好的结果.     

应用SAS解非线性回归问题

.应用SAS/STAT估计非线性回归模型中的参数.首先,通过变量代换,把可以线性化的非线性回归模型化为线性回归模型,并用普通最小二乘法、主成分分析法和偏最小二乘法求模型中的参数和回归模型.其次,通过改良的高斯—牛顿迭代法来估计Logistic模型和Compertz模型中的参数.     

基于GIS技术的沪宁经济与夜光的关系研究

利用DMSP/OLS夜间灯光遥感数据和地区经济数据,通过GIS技术研究上海和南京地区经济与夜间灯光强度的关系,采用时间序列分析、线性回归模型分析与回归模型验证方法,研究两个地区经济数据与夜光强度的关系.研究发现,虽然上海与南京之间的经济发展有一些差异,但它们之间经济相关性强,地区经济与夜光数据正向显著相关,地区夜光数据能够反映地区经济状况.最后,对研究存在的问题进行了阐述,给出了后续研究的方向.     

基于偏最小二乘回归的装备备件消耗预测

考虑了装备使用时间、行驶里程和配备时间等影响备件消耗的多种因素,依据装备备件的消耗特点,在分析偏最小二乘回归方法原理的基础上,运用方法对小样本数据条件下装备备件的消耗数量进行预测.应用示例表明,偏最小二乘回归方法比传统多元回归分析法、逐步多元回归分析法和删除多元回归分析法具有更高的预测精度.     

半参数回归模型的一类压缩估计

研究了半参数回归模型的参数估计问题,利用压缩估计方法给出了模型的一类有偏估计,并与最小二乘估计、岭估计、几乎无偏岭估计进行了比较.在均方误差意义下,新的压缩估计明显优于最小二乘估计.最后讨论了有偏参数选取的问题.