偏最小二乘法回归模型在分析毛涤混纺面料纤维含量中的应用

以毛涤混纺面料为研究对象,利用近红外光谱法,结合相应的化学计量学方法建立不同的数学预测模型,进行毛涤混纺面料中纤维含量的分析研究。实验对比分析了主成分回归模型、多元线性回归模型、偏最小二乘回归分析模型的模拟结果。其中,偏最小二乘法回归分析模型得出毛纤维含量的校正集标准差(SEC)为0.000 7,校正集预测值与真实值相关系数(RC)为0.992 23,涤纤维含量的SEC为0.001 6、RC为0.991 61,为最优分析结果。研究结果为数学模型在混纺面料成分定量分析中的应用提供了有力的依据。

求解自回归模型参数的最小二乘法

在自回归模型参数的解算中,针对增广矩阵中不同位置上同一观测值有不同的改正数这一问题,本文提出了AR模型参数估计的最小二乘法。首先对AR模型进行等价变换,重新组成新的函数模型,两次运用最小二乘方法分别求解误差矩阵与未知参数,最后给出了参数协因数阵的一阶近似估计公式。算例结果表明,本文方法在求解AR模型参数时具有可行性。采用本文方法,将总体最小二乘问题的求解转换为最小二乘问题,计算简单且易于编程实现。同时,该方法有效地减小了计算量,从而降低了求解的复杂程度。

基于区间选择偏最小二乘法回归分析的煎炸老油鉴别模型

煎炸老油属于地沟油之一,长时间食用会对身体健康造成严重危害。本文首先对食用金龙鱼菜籽油过度煎炸10次,分别提取光谱信息中特征吸收峰(323、391、443nm)处的光谱吸收值。然后建立区间选择偏最小二乘法模型,提取最佳区间为5,最佳因子为7的波长区间,验证区间预测相关系数达到0.998。最后建立PLS回归方程Y1,Y2,Y3,通过交叉有效性验证Q22=-0.3461<0.0975。提取成分t1、t2。分别得到回归方程的实际值与预测值相关系数为:323nm处,r=0.8478;391nm处,r=0.9754;443nm处,r=0.9285。

正交偏最小二乘法探析大承气汤治疗急性胰腺炎多成分多药效关系

目的/意义分析大承气汤治疗急性胰腺炎实验数据,证实多成分多药效关系。方法/过程运用正交偏最小二乘法,分别探析配伍药味、煎煮液的药物成分、血液的药物成分与药效指标的关系。结果/结论配伍药味与药效指标之间、煎煮液的药物成分与药效指标之间、血液的药物成分与药效指标之间均存在一对多、多对一、多对多的作用关系。实验分析结果表明大承气汤治疗急性胰腺炎呈现多成分多药效的特点。

偏最小二乘法和近红外光谱技术快速测定发酵黄芪茎叶中黄酮含量及抗氧化活性

试验测定发酵前、后黄芪茎叶黄酮含量和抗氧化活性,并应用近红外光谱技术(NIR)结合化学计量学法快速预测发酵黄芪茎叶黄酮含量,为定量检测发酵黄芪茎叶黄酮含量提供理论依据以及为黄芪茎叶深加工利用提供技术支持。试验采用硝酸铝-亚硝酸钠比色法测定发酵黄芪茎叶黄酮的含量,测定黄酮对1,1-二苯基-2-三硝基苯肼(DPPH)自由基清除能力和羟基自由基的清除能力,利用偏最小二乘方法构建发酵黄芪茎叶黄酮的快速预测模型。结果表明,发酵黄芪茎叶黄酮抗氧化能力强于发酵前,构建快速预测模型采用了二阶导数(SD)+正态变量变换(SNV)+去趋势算法(Detred)的方法对全谱图进行预处理的效果较好,优化后的模型决定系数(R^(2))、校正均方根误差(RMSEC)、校准标准差(SEC)分别为0.92、0.24、0.24,其相对分析误差(PRD)为3.46,外部验证R2为0.88。研究表明,构建的NIR模型校正和交互验证决定系数均较大,PRD均大于2,说明模型预测性能较好,建立的模型有助于检测发酵黄芪茎叶黄酮含量活性成分。

近红外光谱结合偏最小二乘回归法快速无损测定高密度聚乙烯的熔体流动速率

选择使用多元散射校正(MSC)、一阶导数(D 1)、二阶导数(D 2)、卷积平滑(Savitzky-Golay)等方式对3个牌号高密度聚乙烯(HDPE)粉料样本的近红外光谱进行预处理,使其经预处理后的近红外光谱与相应牌号熔体流动速率(MFR)之间的关联性良好;然后,采用偏最小二乘回归法拟合,建立相应匹配HDPE牌号的MFR定量分析模型,旨在实现快速无损检测。结果表明:上述近红外光谱结合偏最小二乘回归法所建立的匹配于相应3种HDPE粉料的MFR定量分析模型的测试结果均具有很好的复现性,牌号1、牌号2、牌号3的MFR标准偏差依次为0.0158,0.0147,0.0006 g/min,而且该方法快速测定得到的MFR与GB/T 3682.2—2018标准方法测定的均相近。

基于最小二乘法和BP神经网络的磁流变阻尼器H-B模型参数辨识方法

针对Bingham模型磁流变阻尼器由于剪切稀化效应带来的阻尼力计算误差,在理论和仿真分析的基础上,提出一种最小二乘法和BP神经网络相结合的方法,对磁流变阻尼器H-B模型进行参数辨识,获得各参数与电流的关系,从而对磁流变阻尼器的阻尼力进行准确计算。最后通过磁流变阻尼器实验对理论方法进行验证。结果表明:借助于磁流变阻尼器的仿真分析,最小二乘法和BP神经网络相结合的磁流变阻尼器H-B模型参数辨识方法精确度高、吻合性好,验证了参数辨识结果的通用性及准确性。

偏最小二乘法在激光诱导击穿光谱定量分析中的应用研究

介绍了激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术、主元分析(principal component an alysis,PCA)法和偏最小二乘(partial least squares,PLS)法的基本原理。对Pb元素特征谱线附近的36个维度进行主成分信息提取,对36维波长数据压缩到2维后,采用每个样品的20个脉冲的主元分数进行偏最小二乘拟合,对数据进行平均处理后,拟合结果质量较高,拟合系数平方的值从0.49810提高到0.97000;残差平方和从0.72529下降到1.36366*10^(-4)。PCA法可以有效的缩减具有一定相关性的样本数据空间,对于数据维度较大的数据处理能显著提升效率,再结合PLS法拟合压缩后的主元,实验结论得出PLS适合用于LIBS定量分析。

主成分回归和偏最小二乘法在高炉冶炼中的应用

以邯郸钢铁公司2000 m3高炉采集的数据为样本,采用主成分回归(PCR)方法研究了各运行参数对高炉铁水含硅量的贡献,实现了高维复杂数据的降维.考虑到偏最小二乘法(PLS)在处理多重共线性数据中的优势,利用PLS对高炉铁水含硅量进行预测.结果表明,主成分回归和偏最小二乘法在对高炉冶炼过程中产生的大量数据的处理具有其独到的优势,取得了显著的效果.

基于最小二乘法线性回归的火炮身管寿命预测

为直观地判断火炮身管寿命,提出一种基于最小二乘法线性回归的预测方法。根据靶场身管参数试验数据分析火炮身管内径、药室长、弯曲度随射弹数增加的变化规律;利用最小二乘法线性回归建立火炮身管磨损量与射弹数的关系式;对某型火炮身管寿命进行预测。结果表明:该方法能够较为准确地预测出火炮身管寿命且算法简单,便于推广使用,可为火炮射击、退役报废等提供重要参考。

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。

偏最小二乘法回归在水利工程安全监测中的应用

针对常规最小二乘法回归难以有效识别和消除自变量因子间的多重相关性影响这一不足,对偏最小二乘法回归在水利工程安全监测数据分析中的应用进行了研究。采用偏最小二乘法进行回归建模分析,将模型拟合与非模型式的数据内涵分析有机结合,同时实现回归建模、数据结构简化以及因子间的多重相关性分析,并通过交叉有效性检验来确保模型精度。对绕坝渗流地下水位实测资料的建模分析表明,偏最小二乘回归法能有效克服因子间的多重相关性影响,所分离出的因子变量对实测结果具有更好的物理成因解释能力,因而在水利工程安全监测及有关数据的统计分析方面具有广阔的应用前景。

基于多模型共识的偏最小二乘法用于近红外光谱定量分析

建立了多模型共识偏最小二乘(cPLS)建模方法,并应用于烟草样品近红外(NIR)光谱与常规成分氯含量之间的建模研究,探讨了建模参数对预测结果的影响.结果表明,cPLS方法与传统的偏最小二乘算法(PLS)相比,所建模型更稳定可靠,预测结果也可得到了明显改善.

基于神经网络偏最小二乘法的柴油机NO_x排放预测模型

分析了现有柴油机氮氧化物(NO_x)排放的预测方法,针对选择性催化还原技术(SCR)的控制需求,选用神经网络偏最小二乘法(NNPLS)作为NO_x排放预测模型建立的基础;该方法通过偏最小二乘法(PLS)提取成分,然后用神经网络(NN)拟合,具有PLS充分提取自变量中信息和NN非线性拟合性高的优点;并建立了某柴油机NO_x排放预测模型,该模型预测精度高,训练误差均方根和测试误差均方根分别为30×10-6和62×10-6.

基于偏最小二乘法的平南县森林蓄积量估测模型研究

以平南县两景CBERS—02B影像为遥感数据源,提取CBERS—02B影像5个波段、植被指数的灰度值;利用研究区1∶10 000地形图提取海拔、坡度、坡向等GIS因子;以各遥感因子和GIS因子为自变量,研究区样地蓄积量为因变量,采用偏最小二乘法建立了森林蓄积量估测模型。结果表明:(1)CBERS—02B遥感影像5个波段,植被指数,郁闭度、海拔高、坡向、坡度等与蓄积量相关性不显著,且各因子之间存在明显的多重相关性;(2)运用偏最小二乘法建立的森林蓄积量估测模型,精度为85.44%,相对误差仅为-0.232%。研究结果为科学、准确、高效地估测森林蓄积量提供了理论依据和有效方法。

基于偏最小二乘回归与神经网络耦合的岩溶泉预报模型

本文将偏最小二乘回归与神经网络耦合,建立了泉流量预报模型。利用偏最小二乘法对影响岩溶泉流量的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量之间的多重相关性问题,降低了神经网络的输入维数。同时,利用神经网络建模可以较好地解决非线性问题。实例表明,本耦合模型的拟合和预报精度均优于独立使用偏最小二乘回归或神经网络建模的精度。

基于改进遗传算法-偏最小二乘回归的大坝变形监测模型

【目的】针对常规大坝变形监测回归模型中存在的因子多重相关性干扰和模型拟合效果欠佳问题,进行偏回归模型优化方法研究。【方法】将改进的遗传算法引入大坝变形监测偏回归模型,利用遗传算法强大的自适应全局优化搜索功能,对偏最小二乘回归模型进行优化,建立了基于改进遗传算法-偏最小二乘回归的大坝变形监测模型。【结果】工程实例研究与对比分析表明,改进遗传算法-偏最小二乘回归模型在一定程度上改善了原偏回归模型存在的拟合效果不佳的问题。【结论】改进遗传算法-偏最小二乘回归模型具有较好的拟合与预测能力,有较强的工程实用性。

偏最小二乘回归模型在水文相关分析中的应用

介绍了偏最小二乘回归的基本原理、建模基本思路和交叉有效性判别方法,将偏最小二乘回归模型应用于水文相关分析,并与最小二乘回归模型进行比较分析。通过算例分析表明,该模型具有符合水文现象特性的合理结构及较高的相关分析精度,能很好的应用于水文相关分析中。

基于核偏最小二乘法的动态预测模型在铜转炉吹炼中的应用

为实现铜转炉吹炼过程中的关键操作参数的准确预测,构造一种基于核偏最小二乘法的动态预测模型,并提出一种适用于动态建模的在线式异常样本剔除方法。该动态预测模型使用滑动窗方法不断更新建模数据,再利用核偏最小二乘法对动态模型的参数进行辨识,最后根据反馈的前次计算误差对本次预测值进行修正。仿真研究结果表明:该动态预估模型具有较好的泛化能力和较强的鲁棒性,并具有较好预测精度(风量预测的相对均方根误差小于10%,氧量预测的相对均方根误差小于19%)。目前,该预测模型被用于某转炉的吹炼辅助决策系统中。

基于偏最小二乘回归的类模型方法用于中药牛黄的真伪鉴别

针对独立软模式类簇法(SIMCA)在确定主成分数和决策区间时遇到的困难,提出了一种基于PLSR的类模型方法——PLS类模型方法(PLSCM)。通过把类描述问题转化为常见的PLSR问题,采用成熟的蒙特卡罗交互验证法确定模型的隐变量数和决策区间。采用本方法对不同牛黄样品的近红外光谱数据(波长范围4000～9000 cm-1)进行分析,可成功鉴别牛黄的真伪。本方法的可操作性和鉴别准确率均优于经典的SIMCA方法。对于原始光谱数据,PLSCM的训练和预测准确率均为100%,对于经SNV处理的数据,训练和预测准确率分别为99%和100%。