逐步回归时间序列和RBF-ANN在降水预测中的应用

将逐步回归融入到时间序列预测模型的建立中,摒弃了传统的“考虑所有变量”模式,利用“有进有出”的形式,分清各因子主次关系,仅选用影响显著的变量建立预测方程。径向基函数人工神经网络(RBF-ANN)属于局部逼近网络,准确度高。以桦甸市五道沟站的月降水量和月蒸发量为例,分别用传统、逐步回归时间序列分析和RBF-ANN建立降水预测模型,并对比其精度。结果表明：传统、逐步回归时间序列及RBF-ANN模型的后验差比值分别为0.315、0.272、0.284,平均绝对误差分别为18.37、15.65、13.82 mm,有效系数分别为0.87、0.94、0.93,精度均满足要求,最后用逐步回归时间序列法预测了未来5年的月降水量和月蒸发量。     

广西暴雨致洪灾害的非线性预测模型研究

选取自1994—2012年来广西共87个暴雨致洪灾害过程,以暴雨时间长度、暴雨过程降水极值、暴雨过程降水均值三个指标作为致灾源因子,以暴雨洪涝造成的直接经济损失作为主要灾情因子,通过对数变换获得更加光滑的灾情因子序列.利用统计学理论建立支持向量回归模型,采用网格搜索法进行SVM的参数寻优,利用选取的致灾源因子对灾情序列进行回归预测.结果表明,基于支持向量机的回归预测模型,其拟合优度、拟合效果均优于传统的逐步回归.该研究为探讨暴雨致灾源因子与灾情因子的非线性关系提供了一条新的途径.     

Guanosine的酰化与酯解——均匀设计用作有机合成中的新颖计量化学技术(英文)

均匀设计可用作新颖的计量化学和计量合成工具 ,特别是用于有机合成试验设计和优化 从Guanosine分别经酰化和酯解可制务出NAG和TAR 为寻找最优合成反应条件 ,采用计量合成化学中均匀设计方法和逐步回归技术 ,使两者合成产率分别从 72 2 %和 35 6 %提高至 90 3%和 59 8% ,效果十分明显     

关于逐步回归算法的一个修正

将逐步回归算法用于符号回归任务时,会产生计算溢出现象,其原因是在检验因子的显著性时,由于数据精度很高,可能会发生最大偏回归平方和Ｖｍａｘ与残差平方和ｒｙｙ相等或非常接近的情况,从而造成检验式分母的绝对值过小而溢出,对此,提出了两种修正方法,修正后的算法消除了隐患,可用于符号回归等高精度数据拟合任务。     

重力坝坝体水平变形模型研究

针对统计模型当观测资料不包括荷载发生的极值或观测资料系列较短时,建立的数学模型将不能用于监测,主要依靠数学处理,没有较好地联系大坝和地基的结构性态的不足,文中在统计分析的基础上,提出变形混合模型来分析大坝水平变形。通过对大坝坝体的各测点的变形过程进行研究,对水库大坝坝体水平变形采用特征值统计分析;对坝体水平变形模型进行研究,建立基于逐步回归的统计模型和基于有限元的混合模型,并对2种模型进行综合比较,进而确定了测点变形模型。研究结果表明:大坝坝体实测水平位移和三维有限元计算结果基本一致,进一步表明文中采用的变形模型用于研究坝体的变形分析是可行和正确的。     

基于IRS-P6数据的森林生物量遥感估算——以桂林尧山为例

以桂林市尧山森林生物量为研究目标,以IRS-P6的LISS-III/IV数据和Landsat-7 ETM+数据为信息源,通过逐步引入-剔除法,建立起5种变量剔除情况下的遥感估算针叶林材积的多元线性回归方程.以此作为基础,对尧山针叶林材积开展了定量遥感计算和分析.研究结果表明尧山东南部森林生物量要大于西北部.相关研究结论为尧山以及桂林地区生态环境综合治理提供了林学方面的新依据.     

皖南世界文化遗产地宏村景区服务质量游客满意度分析

对宏村景区服务质量游客满意度进行了实证研究,运用SPSS17.0统计软件得到了一些关于宏村景区服务质量评价项目的定性与定量的数据,并且对这些数据进行了总结分析,可为宏村景区提高景区服务质量的游客满意度提供借鉴。     

近50ａ来南疆气候变化对可利用降水量的影响

选择1951~2006年逐月降水和温度资料,计算出南疆年平均蒸发量及可利用降水量.在详细分析了50 a来南疆地区降水、气温、蒸发及可利用降水量变化特征的基础上,采用逐步回归周期分析法对降水、气温和可利用降水量进行了模拟,并对未来5 a上述要素进行了预测.结果表明,20世纪70年代以后南疆地区的温度、降水和蒸发变化基本呈上升态势,可利用降水量却呈现出偏多和偏少交替的波状变化特征.这说明气候变暖,可利用降水量不一定增多,未来5 a南疆地区可利用降水量将可能减少.     

基于不同模型的土壤有机质含量高光谱反演比较分析

以新疆奇台县为研究区域,选取该县40个土壤样本,采用多元线性逐步回归法和人工神经网络法两种方法分别建立了土壤有机质含量的反演模型,并对模型进行了检验。结果发现：不同模型的精度值各异,其拟合效果从高到低依次为人工神经网络(ANNs)集成模型＞单个人工神经网络(ANNs)模型＞多元逐步回归(MLSR)模型。人工神经网络的线性和非线性逼近能力较强,而其集成模型作为提高反演模型精度的重要手段,相关系数高达0.938,均方根误差和总均方根误差最小,分别仅为2.13和1.404,对土壤有机质含量的预测能力与实测光谱非常接近,分析结果达到了较实用的预测精度,为最优拟合模型。     

基于灰度关联分析的冬小麦叶片含水量高光谱估测

尝试应用灰色关联分析方法(GRA)分析典型的水分植被指数(WVI)和水分含量(LWC)间的关联度,然后选择对冬小麦叶片水含量敏感的指数,比较SRM-PLS(逐步回归-偏最小二乘)方法和PLS方法估算LWC的精度。首先,对冬小麦WVI与LWC进行灰色关联分析,筛选出对冬小麦LWC敏感的WVI;其次,利用筛选出的敏感WVI,分别用PLS-SRM方法和PLS两种方式估算冬小麦LWC;然后对两种方式进行比较,选择最高决定系数(R2)和最小均方根误差(RMSE)的LWC估算模型来估算冬小麦LWC。结果表明：在整个生育期用PLS和PLS-SRM方法估算LWC, R2和RMSE分别为0.605和0.575,4.75%和7.35%。研究表明：先使用GRA对WVI和LWC进行关联度分析,再用PLS或PLS-SRM方法可以提高冬小麦的LWC估算精度。