线性模型中最小二乘估计的相对效率与广义相关系数的关系

对于线性模型未知参数的最小二乘估计，对于一种新的相对效率，研究了它与某些广义相关系数的关系，并且取得了比较满意的结果－

跨语言信息检索中的双语主题相关模型

如何通过双语平行语料库提取语言之间的语义对信息,对改善跨语言信息检索的性能有着十分重要的意义.双语平行文档拥有相同的主题,这些双语主题在具体模型上可体现为语义相关.本文首先将双语平行文档看作同一语义内容的两种语言表示,从双语平行语料库构造每种语言的潜在语义空间,从而提出一种新的双语主题模型,即双语偏最小二乘主题相关模型.新模型克服了跨语言潜在语义索引模型没有充分考虑双语语义联系的不足.在中英双语新闻语料集上实验结果显示,新模型的文档配对搜索和伪查询跨语言检索性能明显优于跨语言潜在语义索引模型;在使用Google翻译得到的TREC-9双语平行语料库上,新模型也获得了较好的检索性能.

基于相关分析与最小二乘支持向量机的TE过程多模型建模

针对TE化工过程高度非线性、复杂性的特点,文章提出了一种基于相关分析和最小二乘支持向量机对TE过程进行多模型建模方法,以提高模型性能;首先对TE过程采用相关分析法划分为3个子系统,对每个子系统分别采用基于C-均值聚类的最小二乘支持向量机建模和基于K均值聚类的最小二乘支持向量机多模型建模;实验表明,基于K均值聚类的多模型建模能简化计算、提高模型精度、并且能更好的预测模型输出。

基于自相关的自回归模型参数的折扣最小二乘估计

本文简要介绍了基于自相关的自回归模型参数的折扣最小二乘估计。

水文相关中的最小二乘回归问题探讨

在研究了水文相关中利用最小二乘原理进行回归分析方法的基础上,指出了传统水文回归分析方法的使用条件、局限性和存在的问题。提出了不同性质的变量在回归分析时应区别对待的概念。结合水文观测的实际情况,研究了相关变量观测值均存在误差情况下,以变量的观测误差作权进行回归分析的概念,提出了建立基于最小二乘原理基础上的双加权回归模型,并研究了该模型的解算方法。同时推导了估计参数和预测值的误差估计公式,通过估计参数和模型误差的研究,有助于提高水文变量回归的精度和误差估计水平。

基于整体最小二乘的灰色模型在大坝变形分析中的应用

在对大坝进行变形分析时,传统的灰色模型在求解灰色参数的过程中,只认为观测向量存在误差,可直接应用最小二乘法。而实际上由于多方面原因,系数矩阵可能存在误差,故本文考虑到系数矩阵的误差,提出基于整体最小二乘的TLS-GM模型,并将该模型用于某大坝变形监测观测资料中,与传统的GM(1,1)模型的预测结果进行了比较分析,认为TLS-GM模型的预测精度要高于GM(1,1)模型。

混合整数线性模型的最小二乘解及其应用分析

全球卫星导航系统整周模糊度解算最终归结为一个混合整数线性模型的求解问题。给出了求解混合整数线性模型最小二乘解的基本过程和由整体最优搜索准则推导出最小二乘模糊度搜索准则的简化过程,讨论了整数解的验证及其在实际应用中存在的问题。最后结合GPS实测数据的处理结果,分析了降相关变换和ratio检验在模糊度解算过程中所起的作用。

基于偏最小二乘回归模型的空气质量监测数据校准模型

为了对自建点所监测的空气质量实时有误数据(包括PM_(2.5)、PM_(10)、CO、NO_(2)、SO_(2)、O_(3))进行校准,以国控点准确数据为标准算出差异值,使用多元线性逐步回归模型从11个影响差异值大小的因素中遴选出显著因素,再以这些显著因素为自变量,以国控点准确数据为因变量,建立偏最小二乘回归模型,实现了对自建点实时有误数据的校准。

电力负荷预测线性相关方程的最佳权重加权最小二乘法

针对电力系统负荷预测的一元线性回归模型,提出了基于加权最小二乘法建立相关方程的最佳权重法.与传统的最小二乘回归法相比较,该方法综合考虑x及y方向误差确定相关方程,所求相关方程不会因坐标系的选取而改变,结果较为客观,可作为电力负荷预测的一种新的补充方法.

基于偏最小二乘回归的COCOMO模型校准方法

准确的软件成本估算对于实现软件项目的科学管理具有重要意义。COCOMO系列模型是当今实践应用最为广泛的成本估算模型之一。文章针对现有的COCOMO模型参数校准方法只对比例因子和指数因子进行校准的问题,为了更好的实现COCOMO模型本地化,提出了一种基于偏最小二乘回归的参数校准方法,解决了工作量乘数因子的校准问题。采用COCOMO81原始建模数据库对校准后的参数进行验证,结果表明该方法能够明显提升COCOMO模型的估算精度。

基于改进最小二乘支持向量机的一次风机状态预测方法研究

在“双碳”目标下,针对一次风机工况复杂且多变量强耦合特点,提出一种基于改进天牛须搜索算法(IBAS)优化的最小二乘支持向量机(LSSVM)一次风机状态预测模型。首先,基于“系统+部件”的思想多维度构建了原始特征体系,采用皮尔逊相关系数对各维度数据进行降维处理;其次,应用IBAS对LSSVM模型中的超参数进行寻优计算,建立了完整的一次风机状态预测模型;最后,采用国内某电厂的一次风机实测数据进行算例分析。结果表明:所提出的一次风机状态预测方法在精度和收敛速度上具有一定的优越性,其平均绝对百分比误差为2.53%,低于其他模型,可满足风机状态预测的工程实践需求。

误差空间自相关GWR模型的截面最小二乘估计

为了处理空间数据同时存在的空间异质性和空间相关性,本文考虑了一类空间误差自相关GWR模型.该模型被视为经典GWR模型和空间误差模型的有效融合.由于模型中误差项的空间滞后项引起的内生性问题,使用现有的GWR模型的估计方法无法得到参数的一致估计.为此,本文结合局部线性估计和截面最小二乘估计的思想,提出一种新的模型估计方法.讨论了估计量的渐近性质,通过数据模拟评估了所提方法在有限样本下的性能,并将本文的方法和已有的方法进行比较.数据模拟结果表明,本文的方法能够更准确地估计模型参数和系数函数.最后通过一个实证案例来说明所提方法的实用性.

奇异G-M模型最小二乘估计新的相对效率

在奇异线性模型下利用2个矩阵特征根比值的最小值推广了Euclid范数定义的2种相对效率.文中研究了它们的下界,并给出了2种相对效率与广义相关系数之间的联系以及它们之间的关系,最后讨论了它们的性质,并研究了这2种相对效率的优越性.

同时考顾异方差及自相关的一般化最小二乘法

在经济计量学的回归分析中,我们常常以最小二乘法做为参数估计的工具,而最小二乘法之所以被人们重视,一方面是因为它简便易算,另一方面在一般线性回归模型中,利用最小二乘法可以求得最佳线性无偏估计式(BLUE)。最小二乘法由于条件不同,可分为普通最小二乘法(OLS)及一般化最小乘法(GLS),两者在使用中虽然条件各异,但也有联系,要了解一般化最小二乘法,首先得掌握普通最小二乘法,现分述如下:

采用变系数模型改进空间相关性风速预测

空间相关性方法是近年来逐渐受到重视的风电功率预测方法。为提高超短期风电功率预测效果,提出了采用变系数模型改进空间相关性风速预测的方法。首先介绍了一种空间相关性风速预测的建模方式,然后根据风速序列间关系随时间变化的情况引入变系数模型,通过加权最小二乘法进行参数估计,给出一种权函数形式,最后的仿真试验研究了权函数中的遗忘因子对预测误差的影响,验证变系数模型提高空间相关性风速预测的有效性,说明采用变系数模型来改进空间相关性风速预测是一条可行的思路。

银黄口服液近红外光谱测定和相关性模型建立

目的近红外光谱法测定银黄口服液（金银花、黄芩）中绿原酸和黄芩苷的含有量,并建立相关性模型用于定量分析。方法采集30批银黄口服液的近红外光谱数据,HPLC和偏最小二乘法建立绿原酸和黄芩苷的相关性模型。结果绿原酸和黄芩苷的最佳波段均为9 401.6-7 826 cm^-1,R2分别为0.985 2和0.9881,交叉验证均方差（RMSECV）分别为0.002 96和0.018,相对分析误差（RPD）分别为8.23和9.27。将该模型应用于检测两者的含有量时,其预测值的马氏距离（Mash distance）均小于1,相对误差分别为2.12%和1.67%。结论该模型预测性良好,可用于银黄口服液的实时监测和质量控制。

基于相关熵的光伏电池模型鲁棒参数辨识法

参数辨识可以提高光伏电池模型参数设置的精确度,得到与实际对象相一致的模型。针对加权最小二乘参数辨识(WLS-PI)方法受测量数据显著误差影响显著的问题,提出了一种基于相关熵的鲁棒参数辨识(C-PI)方法。首先,分析了太阳能电池理论模型;其次,构造了一种相关熵估计器,通过该估计器的影响函数分析测量误差对辨识结果的影响,进一步将C-PI方法应用于光伏电池模型的参数辨识上。最后,将C-PI和WLS-PI两种方法用于仿真实例中,结果显示C-PI方法鲁棒性更好;进一步采用光伏电池的测试数据验证了C-PI方法的可行性与有效性。

自回归模型偏自相关函数截尾性检验

文章研究了自回归模型偏自相关函数截尾性检验问题。基于经验似然方法建立了检验统计量,并且在原假设下给出了检验统计量的极限分布。并通过随机模拟将上述方法用于具体观测数据的实证研究,模拟结果表明上述方法具有可行性。

互相关分析在近红外光谱模型传递中的应用

采用互相关分析,研究近红外光谱的模型传递问题。提出了对2台近红外光谱仪所采集的光谱数 据分别进行互相关运算以后,所得到的2台光谱仪的互相关函数之间存在1个固有倍率常数的假设,并且通 过实验证实了这个假设。通过补偿这个倍率常数,从而增强了模型之间的兼容性,得到了很好的预测结果。

基于偏最小二乘的风电机组发电效率提升性能评估

为了评估风电机组技术改造的效果,需利用运行数据对其发电功率进行建模。采用偏最小二乘(PLS)回归的方法为风电机组的发电功率进行分段线性建模。其输入包含与本机相关性较高的相邻机组的运行数据,但不包含风速测量值,以避免因测量精度低和输入变量维数少而导致的模型精度低的问题。将得到的模型应用在改造后的机组上。对真实输出和模型输出进行比较,以评估改造对发电功率提升的有效性。该方法完全基于数据,而无需机理模型或知识,为评估系统改造效果提供了一种切实可行的新思路,可用于各种复杂系统。金紫山风场的建模和应用结果证明,目标风机机组的改造提升效果明显。