基于离差平方和分解式的线性回归检验统计量的构建

文章基于样本数据离差平方和分解式,分析影响变量之间相关关系的因素.将离差平方和分解成回归平方和与残差平方和两部分,呈现出数据变异的根源在于变量自身取值的差异性和存在不可控制的随机因素两方面叠加的结果.建立线性回归数学模型,应用最小二乘估计法先求出回归方程参数的估计值,由估计值的数学期望、方差的性质,得到回归平方和、残差平方和服从正态分布、χ2分布的结论,再依据F分布、t分布的结构模式,构造回归分析显著性检验的F统计量、t统计量.文章理清了从离差平方和分解式、回归分析模型到选择检验统计量的思维线索.

基于变分模态分解-布谷鸟搜索-支持向量回归的变压器油中溶解气体浓度预测方法

针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题,研究了时间序列分解预测重构方式,提出变分模态分解,结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的模态分量,降低了预测的复杂度。之后利用预测性能较好的SVR对各个模态分量分别进行预测。最后使用CS开展全局搜索对SVR参数进行优化选取,将得到的溶解气体浓度预测结果进行叠加重构。通过对油中溶解气体中H_(2)的仿真实验,得到VMD-CS-SVR组合模型预测结果的均方根误差为0.124μL/L,平均绝对百分比误差为1.19%,有效提升了预测精度。通过对CO和C 2H 4建模预测,进一步验证了本文所提模型的有效性。

基于分位数回归模型和经验模态分解的全球变暖问题研究

利用分位数回归模型和经验模态分解(empirical mode decomposition,EMD)方法对气候及其变化进行分析和预测.首先,采用全球热力图对气温数据进行描述统计,并采用经验模态分解方法降噪获取趋势项来引入全球气温周期概念,探究全球气候变暖趋势;然后,基于多元线性回归模型及分位数回归模型寻找全球气温的影响因素,并对气温进行建模及预测.研究结果可为全球气候分析提供统计学支撑.

基于迪氏指数分解与地理加权回归的长三角碳排放研究

温室气体的排放在一定程度上阻碍了中国经济的可持续发展,研究碳排放的空间特征与影响因素对于“双碳”目标的实现有重要意义。文章基于迪氏指数分解法与地理加权回归模型,研究长三角城市群的碳排放空间分布特征与影响因素,以期为长三角实现高质量发展提供参考。研究结果表明,长三角城市群的碳排放量呈现西北沿海地区高于东南沿海地区高于未沿海地区的空间特征,主要受人口规模、经济发展、能源消费结构、能源消费强度的影响,碳排放量的增速与城市的经济、工业、人口等密切相关,减少使用化石能源能有效降低碳排放。

基于集合经验模态分解的增强核岭回归配电系统状态估计

针对配电网量测信息存在强非高斯噪声时会大幅干扰基于深度学习的状态估计模型滤波精度的问题,提出了一种基于集合经验模态分解的增强核岭回归状态估计方法。首先,使用集合经验模态分解筛除量测信息中的多数噪声数据,保障了后续滤波对数据可靠性的要求。然后,通过构建增强核岭回归状态估计模型,建立了量测信息与估计残差之间的映射关系,输入量测信息后可以得到估计结果与估计残差。最后,在标准IEEE 33节点与某市78节点系统上进行数值仿真,结果证明了该方法在强非高斯噪声干扰下具有较高的精确性和鲁棒性。

基于集合经验模式分解和遗传-高斯过程回归的短期风速概率预测

短期风速概率预测对实现大规模风电并网具有重要意义。当前风速预测方法大多为点预测,无法描述风能的随机性。提出了一种基于集合经验模式分解(EEMD)和遗传-高斯过程回归(GAGPR)的组合概率预测方法,首先对筛选和归一化后的风速时间序列进行集合经验模式分解,然后对各分量分别建立高斯过程回归模型,并引入遗传算法代替共轭梯度法,改进协方差函数的超参数寻优过程。最后叠加子序列预测结果得到风速概率预测结果,并与分位点回归法进行比较。仿真结果表明,该方法能够有效提高概率预测准确度,并为类似工程提供借鉴。

基于整体经验模态分解和支持向量回归的北京市PM2.5预测

为了更好地掌握大气中PM2.5浓度的变化规律,利用EEMD-SVR混合模型对该地区的PM2.5浓度值进行了短期预测。首先,通过采用整体经验模态分解(EEMD)方法分析北京市PM2.5,把原始时间序列分解成多个固有模态函数和趋势项;然后,对各阶固有模态函数进行周期性分析,揭示了北京市PM2.5的周期性变化特点;最后,对经过EEMD分解后的各阶固有模态函数和趋势项用支持向量机回归(SVR)方法进行预测。结果表明,EEMD-SVR混合模型比单一的SVR模型预测精度更高。

基于支撑向量回归的高光谱混合像元非线性分解

提出了基于支撑向量回归的高光谱混合像元自动分解。首先利用投影迭代的方法自动寻找到影像的典型地物光谱,然后利用Hapke近似函数模拟出非线性的训练和测试数据。支撑向量回归的混合像元分解方法与基于基函数分解方法的不同点是不需要预先确定非线性的映射形式,它通过核函数,把像元矢量从低维空间映射到高维特征空间,使得在特征空间中构造的线性光谱组合对应着原始空间(像元空间)的非线性组合特性,从而揭示了典型地物光谱之间的高阶性质,提高了混合像元的分解精度。实验结果证明,这种方法具有很高的混合像元的分解精度。利用模拟数据作分解精度的评价,表明97%以上的像元分解绝对误差不大于10%,而各类总体平均平方根误差均小于3.5%。

基于小波分解的日径流逐步回归预测模型

本文以预测水文站的上游水文站的日径流序列为依据，利用小波分解和重构得到预测水文站及上游水文站的日径流序列在1-4尺度下的概貌分量，然后以各站的原始径流序列及其在不同尺度下的概貌分量为候选预报因子，建立了径流逐步回归多步预测模型。计算实例表明，由于引入了上游水文站的径流序列并提取了各站径流序列的不同尺度下的概貌分量，本文提出的基于小波分解的日径流逐步回归预测模型的预测精度高于小波网络模型和多元自回归模型，能对非凌汛期未来1～3d以及凌汛期1～7d的日均流量进行预测，可为制定水电站未来的发电计划提供科学的依据。

区域分割下农民工收入差距的回归分解

根据CHIPS《外来务工人员调查》数据,基于夏普里值(Shapley Value)的回归分解,本文考察区域分割、人力资本、社会资本和单位特征等因素对农民工收入差距的影响及贡献大小。研究结论:区域因素对农民工收入差距的贡献最大,对东中西部地区组内差距的贡献较小;健康和经验因素的贡献仅次于区域因素;农民工从事的行业和职业类型是农民工收入差距的重要成因;性别因素的贡献位居中等,西部地区尤为严重;受教育年限对农民工收入差距的贡献比城镇职工低;单位特征因素对西部地区农民工收入差距的贡献较大,而对东中部地区和全部样本的贡献都很小;社会资本的贡献微弱。

我国转移支付的地方财力均等化效应——基于水平公平与垂直公平分解的实证研究

本文提出一种新的结构分解方法,分析我国转移支付均等化地方财力的效应。该方法将均等化效应分解为两个部分:反映中央政府财政干预的水平均等化效应,与反映地方财政财力聚集趋势的垂直均等化效应。对2001—2012年我国省域相关数据的实证研究结果表明,中央政府的转移支付在均等化地方财力方面产生了积极的效果,且均等化效应出现增强趋势;转移支付均等化的水平效应与垂直效应都产生了积极的效果,且水平均等化效应呈现出逐年增强趋势,中央政府通过财政干预、缩小地方财力差距实现了区域均衡发展目标;进一步增大转移支付的力度、更多地向经济欠发达地区倾斜,都有利于我国地方财力的均等化。

基于主成分回归分析的SF_6分解组分红外光谱定量

SF6气体分解组分的定量分析对于气体绝缘组合电器(gas insulated switchgear,GIS)设备的在线监测与故障诊断具有重要的意义。基于朗伯比尔定律进行气体红外定量分析时存在吸收系数的难确定性和多组分检测的繁琐性问题,为解决此问题,采用了主成分回归分析的红外定量算法,并选取SO2F2、SOF2、SO23种分解组分及其特征吸收峰作为研究对象。该算法分别以光谱数据与气体体积分数作为输入和输出,建立了吸收光谱图与浓度信息的直接对应关系。试验配制了3种特征组分的含量样本,由训练样本获得光谱数据并依据算法建立了红外定量预测模型。通过比较主成分回归分析算法和拟合法的红外定量效果,表明了回归算法模型定量精度高于拟合法。检验样本和实测数据的预测结果都表明,该算法和预测模型具有很好的适用价值。

基于回归分析的频域分解短期负荷预测方法

基于回归分析的频域分解短期负荷预测方法通过对负荷序列进行频域分解,将负荷序列分解为周期负荷分量、低频负荷分量以及随机负荷分量。采用了外推法、一元线性回归分析和加权平均法,分别对周期负荷分量、低频负荷分量和随机负荷分量进行预测。最后通过对某地区电网日负荷进行预测,表明该方法应用于短期负荷预测具有较好的预测精度。

基于经验模态分解与回归分析的空间外差光谱目标提取

为识别空间外差光谱仪探测目标干涉信号的特征信息,提出一种基于经验模态分解与回归分析的空间干涉谱目标提取方法。首先对预处理后的光谱进行经验模态自适应分解,得到各阶次固有模态分量并分别计算它们与原始光谱信号的Pearson相关系数,根据相关系数分选准则判定背景与目标信息重构的分界点。然后计算重构背景与实测背景间的Pearson相关系数来判定经验模态分解结果。对信号主导的固有模态分量利用小波软阈值进行消噪,重构较纯净的目标特征信息;利用目标特征信息与原始干涉光谱信息进行多元线性回归分析获得最佳的近似滤波系数,构造滤波器并应用到目标信号,提取目标。最后通过差谱信号与提取的目标光谱的Pearson相关系数来判别提取的目标信号。实验结果表明:经验模态分解可将背景与目标近似分离;在未知背景信号情况下,利用经验模态分解与回归分析可实现钾共振双线特征光谱的提取。

基于小波分解-卷积神经网络和支持向量回归的短期负荷预测

为了提高短期负荷预测精度,考虑到除历史负荷数据之外的其他因素对短期负荷预测的重要影响,提出了一种基于离散小波分解(wavelet decomposition,WD)、卷积神经网络(convolutional neural network,CNN)和支持向量回归(support vector regression,SVR)的负荷预测模型。首先,该方法通过小波分解算法对历史负荷数据进行分析与重构,得到长度相同的历史负荷数据,降低了原始序列中非平稳性对预测精度的影响;其次,对天气因素、日期类型进行特征构造,得到特征数据;最后,将处理后的负荷数据输入卷积神经网络支持向量回归机模型,将天气特征数据输入反向传播(back propagation,BP)神经网络支持向量回归模型,通过两个模型结果的叠加得到最终的预测值。实验结果表明,模型的预测精度和效率优于传统的CNN网络、SVR网络以及输入不进行划分的CNN-SVR模型,验证了其可行性。

基于小波分解自回归模型的CPI预测

文章利用小波分析与自回归模型相结合的方法来建模分析时间序列,这种方法主要是在尺度函数逼近和自回归模型的基础上建立的。小波分析提供了一种多尺度函数逼近的方法,而自回归模型能够预测时间序列。文章的对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列;然后分别对其建立自回归模型并预测每个序列的下一个值,将得到的预测值相加得到了CPI预测值,再用预测值,利用建立的模型进行预测;最后,用标准差来衡量估计量的好坏。

基于Adomian分解和回归分析的高耸钢烟囱动力特性研究(Ⅰ):模态频率

主要围绕简单而精确地对高耸钢烟囱模态频率进行预测展开研究工作:首先,根据高耸钢烟囱的特点,建立了其动力微分方程,并通过坐标变换和无量纲归一化的方法对其无阻尼自由振动的偏微分方程进行了离散;随后,采用Adomian分解法(Adomian decomposition method,ADM),并引入边界条件和连续条件对模态频率进行了求解。其次,通过搜集的高耸钢烟囱资料,统计了现有部分高耸钢烟囱参数分布规律,并以此进行了随机抽样,得到拟合样本。最后,采用逐步回归和分段线性回归的方法,得到了高耸钢烟囱模态频率三种简化计算表达式,并对各类表达式的拟合精度进行了分析。研究表明:采用分段线性回归的方法得到的表达式能够相对高效地计算高耸钢烟囱的模态频率。本文的研究工作能够为高耸钢烟囱的设计和相应规范的修订提供一定的参考。

基于CEEMDAN分解的深度学习分位数回归电价预测

电力市场中电价预测的准确性对于供应商竞价策略的制定至关重要。针对电价预测问题,提出一种基于完备经验模态分解的深度学习分位数回归电价预测方法。首先,采用自适应噪声的完备经验模态分解方法对电价序列进行分解,得出各个模态分量;然后,采用深度学习中空洞因果卷积神经网络预测模型在不同分位数下对各个分量进行预测,并将预测结果重构;最后,对预测结果采用核密度估计得到电价的概率密度函数。经过对美国电力市场PJM的实际数据进行仿真验证,所提出的组合预测方法相比于其他分位数回归方法,不仅具有更高的预测准确度,且可以为供电商提供更多有效信息。

基于奇异值分解的岭型回归(英文)

本文基于设计阵的奇异值分解(SVD),从LS估计出发,应用岭回归估计方法,构造了回归系数的一个新的有偏估计,称为基于SVD的岭型回归估计,简称RRSVD估计,讨论了其性质和偏参数的选取问题,得到了许多重要结论.计算结果表明,在设计阵呈病态时,RRS善岭回归估计.

技术采纳对农业生产技术效率的影响效应分析——基于随机前沿分析与分位数回归分解

使用随机前沿分析方法研究了中国农业生产的技术效率,利用OLS和分位数回归及分解方法分析了技术采纳对中国农业生产技术效率的影响。结果发现:中国农业生产呈现出规模报酬递增的状态,但土地利用效率仍具提升空间;技术采纳对农业生产技术效率有一定的改善,而改善空间却局限于农业生产的规模;技术采纳所带来的农业生产技术效率提升作用会随着农业生产技术效率增加而逐渐被耗散,农业产出与技术采纳之间具有"刺猬效应"。