基于核偏最小二乘法的热轧板凸度预测

以某2160 mm热连轧生产线为研究对象,结合生产数据和数据驱动算法,提出并建立基于核偏最小二乘法和偏最小二乘法的热轧板凸度预测模型,并对模型的参数进行调整和优化。结果表明:偏最小二乘法模型的预测值与实测值误差为-25~30μm,88.74%的板凸度预测值绝对误差小于10μm;核偏最小二乘法模型的预测值与实测值误差为-25~25μm,91.57%的板凸度预测值绝对误差小于10μm。因此,优化后的核偏最小二乘法模型具有更好的预测效果。

基于偏最小二乘回归的土壤碱解氮含量估测

构建基于室内高光谱数据的土壤碱解氮含量估测模型,为快速、准确获取土壤中养分信息提供新的方法。对新疆乌鲁木齐市106个风干的土壤样品进行研磨过筛,在室内进行反射率光谱数据的采集,对采集的光谱数据进行Savitzky-Golay滤波、一阶微分(FDR)、连续统去除(CR)、多元散射校正(MSC)4种预处理,在此基础上利用连续投影算法对预处理后的数据进行特征波段的筛选,用偏最小二乘回归建立不同预处理后土壤碱解氮含量预测的高光谱分析模型。模型评价指标采用决定系数(R^(2))、均方根误差(RMSE)、相对分析误差(RPD)平均相对误差(MAE)。结果显示:4种预处理方法中以连续统去除处理的预测精度最为突出,其模型R^(2)、RMSE、RPD、MAE分别为0.90、13.0、2.26、0.13;模型的线性回归方程为:y=0.9316x+8.763。因此,利用连续统去除结合偏最小二乘回归,能够较好地估测乌鲁木齐市土壤中碱解氮的含量。该结果可为室内高光谱数据快速反演土壤碱解氮含量提供理论依据。

近红外光谱结合偏最小二乘法所建模型快速预测胆宁片中间体中大黄素的含量

为了提高检测效率,采用近红外光谱结合偏最小二乘法(PLS)建立了快速预测胆宁片中间体中大黄素含量的定量分析模型。使用近红外光谱仪采集136批训练集样品的原始近红外光谱图,以标准正态变量(SNV)+二阶导数(2^(nd))对原始近红外光谱数据进行预处理,在1300~1764 nm和1932~2200 nm两个波长范围内以PLS建立大黄素的定量分析模型。结果显示,模型的决定系数(R^(2))为0.7708,交叉验证均方根误差(RMSECV)为0.0862。用199批测试集样品进行验证,结果显示,模型分析得到的预测值与高效液相色谱法分析得到的参考值的相对平均偏差绝对值均不大于5.0%,表明该模型预测准确度较高。

偏最小二乘Kriging模型辅助的高效全局优化方法

针对昂贵约束优化问题中因超参数过多引发的维数灾难及优化效率不高问题,提出一种新的偏最小二乘Kriging模型辅助的高效全局优化方法。该方法通过偏最小二乘核函数提升Kriging模型建模效率,构建两种偏最小二乘权期望填充准则实现模型的自适应调整及高效全局优化。测试函数及工程实例结果表明,所提方法可有效减少超参数计算量,提升昂贵约束优化问题求解效率。尤其在高维问题中,所提方法在解的收敛速度,稳健性及精度方面均具有优势。

偏最小二乘法在傅里叶变换红外光谱中的应用及进展

偏最小二乘法(PLS)是一种应用非常广泛的化学计量方法,它综合了多元线性回归法(MLR)和主成分回归法(PCR)的优势,具有预测能力强和模型相对简单等优点。PLS使傅里叶变换红外光谱的应用范围不断扩大,同时算法也得到了改进和完善。文章介绍了偏最小二乘法在傅里叶变换红外光谱中的应用,对改进算法,如移动窗口PLS(MWPLS)、稳健PLS(RPLS)、加权PLS(WPLS)和非线性PLS等进行了介绍。同时,对应用PLS时数据的预处理、变量的选择、噪声的处理和非线性模型的建立进行了综述。

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。

小波变换结合多维偏最小二乘方法用于近红外光谱定量分析

将小波变换和多维偏最小二乘法相结合用于近红外光谱定量校正模型的建立。首先将原始光谱进行小波变换分解,得到系列小波细节系数,通过选取一组受外界因素少、信息强的小波系数组成三维光谱阵,然后再采用多维偏最小二乘法建立校正模型。实验结果表明,该方法所建近红外校正模型的预测能力更强,并更具稳健性。

基于高光谱变换的枸杞冠层含水率预测模型

为实现枸杞冠层水分信息的快速无损监测,以“宁杞7号”枸杞为试验对象,测定枸杞冠层叶片光谱和叶片含水率,对原始光谱进行一阶微分和连续统去除2种数学变换,将获取的原始光谱(OS)、一阶微分光谱(FDS)及连续统去除光谱(CRS)与含水率进行相关性分析,筛选出敏感波长并构建预测含水率的随机森林回归模型(RFRM)、偏最小二乘回归模型(PLSRM)、岭回归模型(RRM)及一元回归模型(URM),最后对模型的精度进行检验与评价。结果表明:从敏感波长分析,基于FDS构建的模型,其拟合度为0.716~0.938;基于CRS构建的模型,其拟合度为0.710~0.920;基于OS构建的模型,其拟合度为0.710~0.874;可见,基于FDS和CRS构建的模型,拟合度均高于基于OS构建的模型。从模型类型分析,RFRM的拟合度最高(0.874~0.938),其次为PLSRM(0.826~0.866)和RRM(0.737~0.889),URM的拟合度最低(0.710~0.730)。综合分析,基于一阶微分光谱构建的随机森林回归模型(FDS+RFRM)预测效果最优,其训练集和测试集的拟合度分别为0.938和0.893,检验集R^(2)、RMSE、MAE及RPD分别为0.872、0.561、0.466和2.156。研究将光谱变换与机器学习相结合,开发一套适用于枸杞冠层叶片含水率的且预测精度很高的高光谱探测模型,为枸杞冠层含水率的监测提供适宜高效的方法。

生物量统一模型构建及非线性偏最小二乘辩识——以毛竹为例

树种生物量数据是研究许多林业与生态问题的基础,如何准确估算树种的生物量十分重要,建立生物量模型是生物量估测的主要手段。鉴于常用估算生物量模型具有多样性、经验性、在实际应用中有很大限制等特点,提出利用Chebyshev正交多项式系构建生物量估算统一模型的新思路,这种构建模型的方法有完备的理论基础、统一的模型结构,其实质是一种进行变量区间变换,缩小变量定义域的数值插值方法,模型阶数越高,插入的点越多,估算结果越符合实际,这与树木的树干解析与树木生长原理是相一致的;鉴于常用最小二乘具有的一些缺陷,用适应范围更广的偏最小二乘对统一模型进行参数辩识;指出毛竹生物量的研究与其它树种生物量的研究不同,根据毛竹自身的生长特征,把其生物量的研究分成2个阶段;最后估算了毛竹第1阶段的生物量,结果表明拟合精度很高:当提取55个主成分时,SPRESS,h达到最小,其值为31.4390,R2=0.9987,离差平方和为0.2518,比传统方法估计误差5.623提高了一个数量级。

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。

小波变换和偏最小二乘法在烟草常规成分预测中的应用

为了实现烟草样品的快速近红外光谱 (NIR)分析 ,将小波变换 (WT)用于烟草样品NIR的数据压缩 ,并结合偏最小二乘法 (PLS)对压缩后的数据进行建模。与直接采用PLS相比 ,WT PLS可有效地压缩原始谱图的数据 ,消除谱图中噪声和背景的干扰 ,降低所建模型的随机性 ,从而大大提高了运算速度 ,并获得了更高的预测精度。

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%。

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。

改进灰色模型与偏最小二乘耦合预测城市需水

采用易于辨识系统信息与噪声的单因变量偏最小二乘回归(PLS),建立7个具有高度相关性的自变量与单因变量间线性回归关系;同时,运用二阶弱化算子对灰色预测模型进行改进后将灰色模型与偏最小二乘回归预测模型相耦合.使用matlab7.0以及PEW软件对重庆市北碚区1996—2007年需水量进行计算,计算结果平均相对误差仅为0.82%,预测北碚区2015年和2020年需水量分别为2.38亿m3和2.64亿m3.该模型不仅克服了传统最小二乘回归中自变量的多重相关性,也弱化原始数据误差,预测准确度高.

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。

小波变换-偏最小二乘法用于Co,Ni,Zn的分光光度法同时测定

建立了以 2 (5 溴吡啶偶氮 ) 5 二乙氨基苯酚 (5 Br PADAP)作显色剂 ,溴代十六烷基吡啶 (CPB)为增溶增敏剂 ,用小波变换—偏最小二乘分光光度法同时测定钴 ,镍 ,锌的方法。在波长 5 30～ 5 90nm范围内每隔 2nm测定其吸光值 ,将测定结果分别用偏最小二乘法处理和经小波变换后用偏最小二乘法处理。结果表明 ,经小波变换后处理结果回收率明显提高。