偏最小二乘回归在微波效应预测中的应用

引入偏最小二乘回归(PLSR)原理和方法应用于微波效应实验数据的预测,得到的预测精度与自适应神经模糊推理网络(ANFIS)结果基本一致,平均相对误差小于3%。实例分析了PLSR方法与ANFIS方法对建模数据样本量的需求,在建模样本数较少条件下,PLSR所建模型的预测精度均高于ANFIS模型。因此PLSR方法更适用于微波效应小样本数据的预测,更有利于实际应用。     

快速稳健偏最小二乘回归及其在近红外光谱分析中的应用

现代近红外光谱,作为一种间接分析技术,将建立校正模型,实现对未知样本的定量分析。针对近红外光谱分析灵敏度低、抗干扰性差的弱点,构建一种快速稳健的偏最小二乘回归(RRPLSR)算法。它运用峭度法快速识别离群点,排除它们后,再实施偏最小二乘回归,消除复共线性,建立稳健可靠的定量校正模型。将RRPLSR方法实际应用于鱼类物质的近红外光谱数据分析,实现脂肪含量的定量检测,效果良好。与已有的其他方法相比,它能准确识别离群点,所建模型预测性能良好,且计算省时,效率高,适用于快速检测。     

利用偏最小二乘回归从冬小麦冠层光谱提取叶片含水量

通过人为控制灌溉水平,在冬小麦3个发育期(孕穗、开花、乳熟)测定了冠层光谱和叶片含水量(leaf water content,LWC)。针对每期数据,结合偏最小二乘回归和迭代特征去除,建立了基于诊断波段的LWC回归模型。结果表明,叶片水分的光谱响应及反演精度受小麦生长状态的影响。在孕穗、开花和乳熟3个发育阶段,回归模型中光谱数据的最佳利用形式分别为对数光谱、导数光谱和反射率光谱;重要光谱区间为SWIR,NIR和SWIR;模型交叉验证决定系数(R2_CV)为0.750,0.889和0.696。研究结论对今后监测冬小麦旱情和开发作物水分遥感产品具有重要的指导作用。     

基于近红外光谱和稀疏偏最小二乘回归的生物质工业分析

林木生物质能源作为一种新型可再生能源,具有非常广阔的发展前景。基于近红外光谱技术,首次引入稀疏偏最小二乘回归建立木屑生物质的工业分析模型,用于生物质燃料特性的快速分析测定。工业分析总共测定了80种木屑的水分、灰分、挥发分和固定碳含量百分比;按照样品种类和产地将其划分为训练集和测试集,利用近红外光谱仪采集光谱数据并进行小波滤波处理;再利用稀疏偏最小二乘回归建立木屑生物质的定量分析模型,并与主成分回归、偏最小二乘回归、最小绝对收敛及变量筛选方法的建模效果进行比较。结果证明,相对于以上三种建模方法,稀疏偏最小二乘回归能够挑选出有重要影响的波长群组,降低非目标波段的噪声干扰,从而增强数学模型的解释能力并提高定量分析的准确度。利用稀疏偏最小二乘回归算法挑选的波长区间基本覆盖了工业分析中水分的吸收峰,而对于灰分、挥发分和固定碳的吸收峰波段尚无准确定位,需要继续探讨。总体而言,稀疏偏最小二乘回归能够减少无关信息的干扰,提高模型定量分析的准确度,增强模型的解释能力,将会在近红外光谱技术应用领域内起到重要作用。     

基于小波核偏最小二乘回归方法的混沌系统建模研究

基于核学习的强大非线性映射能力,结合用于回归建模的线性偏最小二乘(PLS)算法,提出一种小波核偏最小二乘(WKPLS)回归方法. 该方法基于支持向量机使用的经典核函数技巧,将输入映射到高维非线性的特征空间,在特征空间中,构造线性的PLS回归模型. PLS方法利用输入与输出变量之间的协方差信息提取潜在特征,而可允许的小波核函数具有近似正交以及适用于信号局部分析的特性. 因此,结合它们优点的WKPLS方法显示了更好的非线性建模性能. 将WKPLS方法应用在非线性混沌动力系统建模上,并与基于高斯核的核偏最小二乘 关键词： 小波核 偏最小二乘回归 混沌系统 建模     

工作曲线法和偏最小二乘回归分析在XRF定量分析软玉样品中的应用

由于块状固体标准玉石样品的缺乏, 造成了便携式X射线荧光分析技术(pXRF)利用工作曲线法对玉石文物样品进行无损定量分析的困难。试图寻找一种pXRF可采用, 但不需要块状固体玉石标准样品的定量分析方法。选取24件软玉样品, 其中17件为校准样品, 7件为测试样品。所有软玉样品利用质子激发X射线荧光分析技术(PIXE)获得定量分析结果。根据校准软玉样品的PIXE定量分析结果建立兴趣元素的工作曲线, 利用工作曲线对测试软玉样品进行定量分析;然后, 利用pXRF对所有软玉样品进行定性分析, 获得其定性分析图谱, 利用校准软玉样品的定性分析图谱和PIXE定量分析结果, 采用最小偏二乘法对测试软玉样品兴趣元素含量进行分析。最后, 将工作曲线法、PLS方法和PIXE的定量分析结果进行了相互对比。通过误差分析, 评估了工作曲线法和PLS方法定量分析软玉样品的精确度。结果表明, PLS方法可以代替工作曲线法对玉石类样品进行定量分析。     

基于线指数的核偏最小二乘回归在恒星大气物理参数测量中的应用

恒星大气物理参数(有效温度、表面重力、化学丰度)的自动测量是天体光谱数据自动处理中的一项重要内容。由于光谱数据的高维性的特点,处理运算量非常大,对于光谱的实时分析及处理会造成延误。文章提出了一种基于Lick线指数,利用核偏最小二乘回归(KPLSR) 对恒星大气物理参数进行测量的方法。可以有效地减少运算量并可达到理想的准确率。首先计算Kurucz合成光谱的Lick线指数,利用核偏最小二乘回归方法建立Lick线指数与大气物理参数之间的核回归模型,并利用DR8实测光谱数据对得到的模型进行测试,将测试的结果与SEGUE SSPP提供的大气物理参数进行了对比,取得了比较好的效果。此外,为了检验噪声对参数测量的影响,本文还对Kurucz光谱分别加了信噪比为10, 20, 30, 40, 50, 70, 90, 120的高斯白噪声,对得到的不同信噪比的Kurucz数据进行了测试,实验结果表明,核回归模型对噪声比较敏感,光谱数据的信噪比越高,其大气物理参数的预测精度越高。提出的基于线指数建立核偏最小二乘回归模型的方法运算量小,训练速度快,适合用于恒星大气物理参数的测量。     

改进偏最小二乘法在近红外牛奶成分测量中的应用

采用NicoletNexus870红外-近红外傅里叶变换光谱仪测量了36个市售巴氏杀菌纯牛乳样品的透射光谱。在近红外光谱1254～1875nm和2045～2372nm波段内,为了选择携带信息量大的波长区域,采用改进偏最小二乘回归法,包括间隔偏最小二乘法、移动窗口偏最小二乘法和可变窗宽移动窗口偏最小二乘法对巴氏杀菌纯牛乳中脂肪、蛋白质及乳糖成分分别建立模型,进行了分析和比较,结果表明,采用改进偏最小二乘法所选出的波长区与目标值的相关程度高,可以较好地建立牛奶的预测模型。     

工作曲线法和偏最小二乘回归分析在XRF定量分析软玉样品中的应用

由于块状固体标准玉石样品的缺乏,造成了便携式X射线荧光分析技术(pXRF)利用工作曲线法对玉石文物样品进行无损定量分析的困难。试图寻找一种pXRF可采用,但不需要块状固体玉石标准样品的定量分析方法。选取24件软玉样品,其中17件为校准样品,7件为测试样品。所有软玉样品利用质子激发X射线荧光分析技术(PIXE)获得定量分析结果。根据校准软玉样品的PIXE定量分析结果建立兴趣元素的工作曲线,利用工作曲线对测试软玉样品进行定量分析;然后,利用pXRF对所有软玉样品进行定性分析,获得其定性分析图谱,利用校准软玉样品的定性分析图谱和PIXE定量分析结果,采用最小偏二乘法对测试软玉样品兴趣元素含量进行分析。最后,将工作曲线法、PLS方法和PIXE的定量分析结果进行了相互对比。通过误差分析,评估了工作曲线法和PLS方法定量分析软玉样品的精确度。结果表明,PLS方法可以代替工作曲线法对玉石类样品进行定量分析。     

局部偏最小二乘回归建模参数对近红外检测结果的影响研究

报道了在局部加权(LWR)回归方法基础上,自主改进的更简单、实用的局部偏最小二乘回归(LPLS)的原理和方法。并以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,研究了主成分数以及局部建模样品数对检测结果的影响。结果表明：应用交叉验证方法推荐的尼古丁组分模型主成分数并不是最优,通过适当降低主成分数可提高检测效果;局部建模样品数为30～50个时总糖、总氮、尼古丁预测准确度的提高幅度可分别达7%,14%,10%以上。该方法能有效提高近红外数学模型的预测准确度,是建立具有高度适应性近红外数学模型的有效方法。     

随机耦合模型在高功率微波效应中的应用

分析了微波混沌腔体系统中关键部位感应电压的统计问题,介绍了随机耦合模型在高功率微波效应研究中的计算方法和应用,并以计算机机箱为实验系统,开展了电磁波耦合入计算机机箱腔体的电磁干扰问题研究,对其电路板上关键部位感应电压的统计计算和实验结果进行了比较,其结果基本一致。随机耦合模型在波混沌系统中感应电压的统计探讨为高功率微波效应、电磁兼容等研究提供了一种新的思路。     

随机耦合模型在高功率微波效应中的应用

分析了微波混沌腔体系统中关键部位感应电压的统计问题,介绍了随机耦合模型在高功率微波效应研究中的计算方法和应用,并以计算机机箱为实验系统,开展了电磁波耦合入计算机机箱腔体的电磁干扰问题研究,对其电路板上关键部位感应电压的统计计算和实验结果进行了比较,其结果基本一致。随机耦合模型在波混沌系统中感应电压的统计探讨为高功率微波效应、电磁兼容等研究提供了一种新的思路。     

概率神经网络在高功率微波探测数据处理中的应用

为了更好地处理高功率微波探测过程中产生的样本数据,在深入分析高功率微波特性参数的基础上,建立一个高功率微波器件特征参数库,并结合概率神经网络系统建立了一个高功率微波探测预测模型。通过部分学习样本和非学习样本进行预测,预测结果证明该模型能够基本再现原始数据,同时,对非样本数据有着较好的预测能力。这一数据处理方法在处理复杂样本、模式分类和判别过程中具有较高的实用性和实时性,能够在高功率微波探测数据的数据分类、结果预测等方面得到较好的应用。     

概率神经网络在高功率微波探测数据处理中的应用

为了更好地处理高功率微波探测过程中产生的样本数据,在深入分析高功率微波特性参数的基础上,建立一个高功率微波器件特征参数库,并结合概率神经网络系统建立了一个高功率微波探测预测模型。通过部分学习样本和非学习样本进行预测,预测结果证明该模型能够基本再现原始数据,同时,对非样本数据有着较好的预测能力。这一数据处理方法在处理复杂样本、模式分类和判别过程中具有较高的实用性和实时性,能够在高功率微波探测数据的数据分类、结果预测等方面得到较好的应用。     

支持向量机回归在电子器件易损性评估中的应用

针对现有的以概率统计理论为基础的方法和模糊神经网络法必须建立在大量统计数据基础之上,以及模糊信息扩散估计法可能对器件失效阈值估计过高的问题,提出将模糊信息处理技术用于对原始实验数据的处理,得到训练样本,在此基础上利用支持向量机回归预测一定功率的高功率微波辐照条件下电子器件的损伤概率。仿真结果表明：该方法与模糊神经网络法都较好地给出了预测结果,但该方法具有更高的精度（均方根误差为7.40610-5）,并且克服了在样本数据减半的小样本情况下模糊神经网络法可能出现野值的缺陷。     

支持向量机回归在电子器件易损性评估中的应用

针对现有的以概率统计理论为基础的方法和模糊神经网络法必须建立在大量统计数据基础之上,以及模糊信息扩散估计法可能对器件失效阈值估计过高的问题,提出将模糊信息处理技术用于对原始实验数据的处理,得到训练样本,在此基础上利用支持向量机回归预测一定功率的高功率微波辐照条件下电子器件的损伤概率。仿真结果表明:该方法与模糊神经网络法都较好地给出了预测结果,但该方法具有更高的精度（均方根误差为7.40610-5）,并且克服了在样本数据减半的小样本情况下模糊神经网络法可能出现野值的缺陷。     

模糊神经网络系统在微波效应数据处理中的应用

 描述了建立神经网络驱动的模糊系统的基本过程，结合部分微波效应数据建立了一个小型的效应预测评估模型。对应于学习样本，给出了网络输出值与样本输出真实值的比对情况，并对部分非学习样本输出值进行了预测，由对比情况可知，网络系统基本能够再现原始数据的真实面貌，并能对未知事件有一定的预测能力，作为一种效应数据处理方法，模糊神经网络系统具有一定的潜在应用价值。     

微波效应实验最小样本量估计分析

为规范微波效应实验最小样本量,采用区间估计的统计推断方法,开展了样本作用概率与总体作用概率对应关系的分析和研究工作,对满足一定置信度和一定总体作用概率下所需要的最小样本量进行估计。研究结果表明,实验最小样本量确定为10是较为合理的。在80％的置信度下,当10支样本量样本作用概率达到70％时,总体作用概率置信下限约为51.6％。通过该方法能够将所获取的微波效应数据通过同一指标“总体作用概率置信下限”进行有效整理。