基于偏最小二乘路径模型的粮食产量影响因素分析

根据1990—2018年粮食产量相关统计数据,选取有效灌溉面积、农用化肥施用折纯量、农业机械总动力、农用塑料薄膜使用量、农药使用量、支持农业生产支出、农村居民人均可支配收入、成灾面积、农村用电量、播种面积这10项指标,采用简单相关分析、典型相关分析、偏最小二乘路径模型分析了影响粮食产量的主演因素。结果表明:通过简单相关分析法,对单位面积粮食产量影响最大的因素是农村用电量,对粮食总产量影响最大的因素是支持农业生产支出;通过典型相关分析法,对产量影响较大的因素是有效灌溉面积、播种面积;通过偏最小二乘路径模型法,对粮食产量影响较大的潜变量是科技因素,其中以塑料薄膜使用量所占载荷最大。

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.

样品选择结合分段直接校正法和偏最小二乘法用于近红外光谱分析模型传递研究

为了实现近红外光谱分析模型在不同仪器间的共享,对分析模型的传递方法进行了研究。以混胺燃料的分析模型为例,采用马氏距离法对转换集样品进行选择,采用分段直接校正(PDS)法结合偏最小二乘(PLS)法,对从仪器光谱进行校正。对转换集样品数、PLS回归的主因子数、PDS的窗口宽度进行选择,当转换集样品数为12、主因子数为1、窗口宽度为39时,转换集样品的光谱校正率达到96.5%.混胺分析模型传递后,预测集样品的标准偏差远远好于校正前的结果,与主仪器的非常接近。研究结果表明:采用马氏距离法选择转换集样品,并结合PDS-PLS算法计算转换矩阵,可有效扣除不同仪器间的光谱差异,提高混胺分析模型的传递精度,实现三乙胺、二甲苯胺、水分、密度的准确分析。

基于神经网络内部模型的非线性偏最小二乘法用于火电厂烟气光谱定量分析

针对火电厂烟气光谱数据的非线性特性,采用了基于神经网络内部模型的非线性偏最小二乘定量分析方法。该方法进行偏最小二乘(PLS)回归后,将自变量和因变量的隐变量作为神经网络的输入和输出进行训练,即可得到非线性内部模型。将PLS、基于向后传递神经网络内部模型的非线性PLS(BP-NPLS)、基于径向基函数神经网络内部模型的非线性PLS(RBF-NPLS)和基于自适应模糊推理系统内部模型的非线性PLS(ANFIS-NPLS)对火电厂烟气多组分进行测定后比较,BP-NPLS、RBF-NPLS和ANFIS-NPLS较之PLS,将二氧化硫预测模型的预测均方根误差(RMSEP)分别降低了16.96%,16.60%和19.55%;将一氧化氮预测模型的RMSEP分别降低了8.60%,8.47%和10.09%;将二氧化氮预测模型的RMSEP分别降低了2.11%,3.91%和3.97%。实验表明,非线性PLS较PLS更适用于火电厂烟气定量分析。通过神经网络对非线性函数的高度逼近特性,基于本文所提及内部模型的非线性偏最小二乘方法有较好的预测能力和稳健性,在一定程度上解决了基于多项式和样条函数等其他内部模型的非线性偏最小二乘方法的自身局限性。其中,ANFIS-NPLS的效果最好,自适应模糊推理系统的学习能力能够有效降低残差,使模型具有较好的泛化性,是一种比较准确实用的火电厂烟气定量分析方法。

偏最小二乘回归分析法在黄芩抑菌谱-效关系及数学模型研究中的应用

以黄芩药材指纹图谱及其对金黄色葡萄球菌抑菌率为基础数据,采用偏最小二乘回归分析法(PLS)进行数据的谱-效相关性分析,并建立数学模型。结果表明,黄芩中有5个成分对抑菌率的影响较大,建立模型的药效预测值偏差在10%以内,能够较好地预测药效。该方法及所建立的数学模型能成为预测黄芩抑制金黄色葡萄球菌的药效作用的一种有效的手段。

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下,如何建立它们之间的线性回归”的基本问题,以经典线性回归分析法为基础,结合对称Logratio变换,建立了一种基于偏最小二乘回归分析的成分数据预测模型,并对该模型进行了理论实证分析,论证了该模型的可行性与优良性,从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径.

构成型偏最小二乘路径模型在医疗器械售后服务满意度测评中的应用

目的分析医疗器械售后服务满意度的影响因素,探讨构成型PLS路径模型在满意度测评中的适用性。方法采用问卷调查的方法,对北京、天津等地的医疗机构进行调查,对所得数据分别构建反映型与构成型模型进行分析。结果产品保修、返厂维修、现场服务、备品提供对于售后服务满意度具有显著影响。反映型模型与构成型模型对于结构变量的测评结果较为一致,但在测量变量的测评结果上具有差异。结论医疗器械生产企业应当通过售后服务满意度测评,加强售后服务管理。构成型模型在医疗器械售后服务满意度测评中具有较强的适用性。

基于偏最小二乘路径分析和数据包络分析的医院科研效率评价研究

目的:构建和验证医院科研效率评价模型,并根据模型对深圳市37家三级医院的科研效率进行评价。方法:通过因子分析法和文献调研法将科研评价指标划分为科研条件投入和科研成果产出2个维度,从而构建医院科研效率评价模型,使用偏最小二乘结构方程模型进行验证,并应用数据包络分析进行科研效率评价。结果:2019年深圳市37家三级医院综合科研效率的平均值为0.858,纯技术效率的平均值为0.898,规模效率的平均值为0.951,达到相对有效的医院有22家,相对无效的医院有15家,以产出为导向计算出了相对无效医院需改进的具体数值。结论:对于相对无效的医院,建议通过调整科研规模,重点发展优势学科,优化科研资源配置,建设科研人才队伍,完善科研管理体制等措施来提高医院的科研效率。本研究的评价体系构建流程实践应用了指标选取创新和改良的定量化验证方法,为探索和改进医院科研效率评价体系提供一定的参考依据。

基于偏最小二乘回归的粮食产量模型分析

利用偏最小二乘回归方法对我国的粮食产量建立模型.在此基础上通过构造符合F分布的统计量,绘制T2椭圆图检测样本点中是否存在的异常点;通过构造变量投影指标反映每个自变量对因变量的影响程度,以此来提出提高因变量产量.

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。

利用神经网络提高偏最小二乘法的NIR多组分分析精度

提出了一种神经网络 (ANN)和偏最小二乘法 (PLS)结合的新的近红外 (NIR)多组分分析法。该方法首先把训练样本中待测组分涵盖的浓度区间分成若干个子区间 ,利用各个子区间的训练样本分别建立PLS校正模型 ,然后利用ANN对未知样本进行分类 ,判断其所属的浓度子区间 ,应用对应子区间上的校正模型计算预测样本的组分浓度。和传统的PLS比较 ,此方法改善了模型的适应性 ,显著地提高了预测精度。实验及数据处理结果证明了本方法的有效性。

多项式偏最小二乘法对非线性体系红外谱图的分析

文章利用了一种非线性模型多项式偏最小二乘法(PPLS),结合傅里叶变换红外光谱遥感技术,对大气中的五组分混合体系进行了同时分析。并与偏最小二乘法(PLS)得到的结果进行了比较,PPLS显示出较好的处理非线性数据的能力。尤其是对混合物中的苯和氯仿的预测,均方根预测误差(RMSEP)分别是0.043和0.087,用PLS预测相应的RMSEP为0.402和0.842。PPLS的这一预测精度,可以满足遥感傅里叶变换红外光谱对大气中有毒气体的实时、在线监测的需要。同时PPLS可以用较少的潜变量对变量进行解释,显示出PPLS模型的稳健性和简单化。

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。

偏最小二乘变量筛选法在毒品来源分析中的应用

提出了一种新的偏最小二乘变量筛选方法,该方法利用PLS回归建模过程中的一些信息,删除一部分冗余的或对建模影响不大的变量来简化、优化预报模型。用此方法结合变量扩维方法处理云南昆明、思茅、西双版纳3个来源地缴获的244个海洛因样本的ICP-MS数据时,与传统的算法比较,模型的判别准确率得到大大提高,达到95%以上。且所得到的模型含变量少,很容易分析或解释各变量对模型的影响。因此该方法可用于对毒品来源有效的识别或鉴定。

组合偏最小二乘回归方法在近红外光谱定量分析中的应用

针对近红外光谱数据局部效应显著,变量个数多,彼此间常存在严重的复共线性,并多与样品组分含量呈非线性关系,构建一种组合非线性偏最小二乘回归(E-S-QPLSR)方法。它采用无重复采样技术(subag-ging),从训练样本中生成若干子样,然后每个子样通过二次多项式偏最小二乘回归(QPLSR),建立其子模型,并实现对训练样本因变量的定量预测,再将它们交由线性PLS算法用于计算各子模型的组合权系数。将该法应用于80个玉米样品的水组分含量与其近红外光谱的定量关系建模,效果良好,显示出很强的学习能力,所建模型的预报性能也优于其它方法。

红外光谱定量分析中的一种变量聚类偏最小二乘算法

偏最小二乘算法(Partial least squares,PLS)可以很好地解决分析数据中的变量共线性问题,在光谱分析,尤其是近/中红外及拉曼光谱的定量分析中应用广泛。针对PLS存在的有效信息提取和噪声抑制问题,提出一种变量聚类重加权的PLS算法。通过对光谱的各波数变量进行聚类并分别建模,然后集成为全谱模型。通过对计算并赋予各子类不同的权重,根据对模型的贡献对变量进行重加权,从而提高算法的预测精度。汽油中的辛烷值预测和烟草中的烟碱含量预测两组近红外数据验证表明,所提出算法优于经典的PLS算法,其RMSEP在两组数据中分别降低32%和22%,在光谱数据的定量分析中具有潜在的应用优势。

基于偏最小二乘回归算法的燃煤碳元素分析

基于偏最小二乘回归算法建立了燃煤碳元素分析模型。该模型以工业分析成分中的水分、灰分、挥发分和发热量为输入向量,以燃煤的碳元素为输出向量。利用偏最小二乘回归算法所具有的可以逼近任意非线性映射的能力,来模拟实际的输入输出关系。通过对预测方程进行训练和检验,结果表明,该分析模型预测精度是满足工程要求的。因此,所建模型是合理可行的。

经济新常态下基于偏最小二乘回归的中长期负荷预测模型

经济新常态下,中长期负荷预测面临负荷趋势呈S形、可依赖数据样本少等问题,传统预测方法精度受限,因此提出一种基于偏最小二乘回归和情景分析法的中长期负荷预测模型。从经济新常态的速度、结构、动力3个宏观方面入手,建立一个宏观与微观相结合、层次化的电力负荷影响因素指标体系;采用偏最小二乘回归法获取电力负荷与各影响因素的关系方程;根据"十二五"及"十三五"期间经济和电力发展的特点,采用情景分析法设定多个情景及相应参数,获得不同情景下有区别的负荷预测结果,以降低预测风险。利用所提模型对某省"十三五"期间的逐年用电量进行预测,通过与现有成熟方法预测结果及官方公布数据的对比,验证了所提模型的有效性。

中医证候的偏最小二乘和相似度分析

采用偏最小二乘和相似度分析等,探讨中医临床信息的提取和证候的数学模型。以肝炎后肝硬化为研究对象,利用相似度分析方法对临床表征信息(症状)、生物学指标和证候进行相似性分析;将逐步回归与偏最小二乘法相结合,在逐步回归方法筛选各证侯相关指标的基础上,采用偏最小二乘法建立的肝炎后肝硬化中医证候判识模型,通过Leave-One-Out法完成建模和预测。相似度分析方法所得证候与临床信息间的相似关系与临床实际基本相符,该技术可简化临床指标数量,为寻找中医证候特征提供简捷、可靠的方法;偏最小二乘法提高中医临床生物信息的利用度,并有较高的预测准确率,在中医证候建模的研究中有一定的应用价值。

偏最小二乘通径模型在贸易发展指数中的应用

设计了一套3层综合指数所构成的中国对外贸易发展指数体系,利用偏最小二乘路径模型对中国1999—2009年的相关数据进行了计算和分析,对中国10余年来的贸易发展情况进行总体的把握和描述。经贸易发展指数运算表明,中国自加入WTO以来,对外贸易的贸易流量、贸易结构等各方面水平均有大幅度提高,但是从2009年开始,由于受到国际金融危机的影响,各方面的贸易指数出现下滑并快速反弹的趋势。