基于多因子最近邻抽样回归模型的径流相似性预报

针对传统径流预报精度不高、预见期不足的问题,提出基于降雨、径流相似性的径流预报方法,采用大数据挖掘在历史降雨产流过程中搜索相似过程,预测后期径流最可能的过程线。为了延长径流预报预见期,实时接入降雨预报信息,提出3种径流滚动预报方式,实现了7 d预见期的径流逐日滚动预报;针对流域在涨退水等不同阶段的产汇流特性,建立可根据实时水雨情自适应切换的降雨、径流输入模式,进一步提高径流预报精度。该研究成果在大渡河的应用表明预报效果达到预期:3 d预见期的纳什系数大于0.9,平均相对误差小于10%;7 d预见期的纳什系数大于0.8,平均相对误差小于15%。

最近邻抽样回归模型在水环境预测中的应用

介绍了最近邻抽样回归模型(NNBR)进行单因子和多因子预测建模的基本思想和算法.该模型概念清晰,结构简单,不需对研究对象的相依形式和概率分布形式作假定,也不需估计太多的参数,是一类数据驱动的非参数预测模型,具有潜在的优势.通过水环境中的两个实例进行了预测应用,结果表明,预测效果较好,并与投影寻踪回归模型(PPR)进行了对比.

最近邻抽样回归模型在水文水资源预报中的应用

介绍了最近邻抽样回归模型进行单因子和多因子预测建模的基本思想和实现算法。通过水文水资源中的两个实例对 NNBR模型的预测效果进行了验证 ,并与自回归模型。

小波最近邻抽样回归耦合模型在三江平原年降水预测中的应用

近些年来,由于水田面积迅速增加,导致三江平原井灌水稻区地下水位普遍下降,"吊泵"、局部超采现象时有发生。为解决上述问题,以853农场为例,对实测年降水资料进行差分和标准化处理,采用小波理论和最近邻抽样技术进行耦合分析,建立了853农场年降水小波最近邻抽样回归耦合预测模型,精度检验和对比分析结果表明,模型有效性和可靠性较高。该模型揭示了区域年降水量的时间变化规律,为853农场乃至整个三江平原充分利用天然降水、合理制定水稻灌溉制度以及地下水资源的恢复和可持续利用提供了科学依据。

最近邻抽样回归模型及其在枯水期月径流预报中的应用

为合理调配水资源,做好枯季径流预报,可采用最近邻抽样回归模型进行预测。按照最近邻抽样回归模型的基本思路和实现算法,根据长江上游主要控制站——寸滩站1893年1月—2009年12月历史同期月整编资料,对该流域的枯季径流特性进行分析研究,通过建立模型,对模型预测效果进行验证。结果表明:该模型对枯季径流的预报精度较高,可用于作业预报。

最近邻抽样回归模型在纵向地表沉降预测中的应用

针对传统方法在盾构法施工地表沉降预测中过于形式化和数学化的缺点,本文引入最近邻抽样回归模型(NNBR)。将盾构法施工引起地表沉降的因素分为三类:结构类、地质类和施工参数类,结合NNBR模型的计算特点对不同种类的因素采取不同的处理措施:结构类因素视为常量;按照能否形成免压拱将地质土层分为两类,计算距离系数时同类地层中的地质类因素视为常量;施工参数类因素的影响近似用隧道埋深和盾构平均掘进速度来衡量。由于NNBR模型对纵向地表沉降进行预测时可忽略常量因素,从而大大简化诸多次要因素对预测结果的影响,最终可以隧道埋深和盾构平均掘进速度为预测因子来预测纵向地表沉降。结合工程实例,证明预测因子选择的合理性以及NNBR模型在纵向地表沉降预测中的实用性。

周期叠加外延—最近邻抽样回归组合模型在韩江流域年径流预测中的应用

为提高年径流预报精度,尝试将周期叠加外延法与最近邻抽样回归模型结合,用韩江流域潮安站年径流系列作试验,结果表明组合模型预测合格率比单一周期叠加外延模型高,预测效果较好。

基于小波分析的最近邻抽样回归预报模型研究

为了提高水文中长期预报的精度,以屏山站1951～2005年年径流序列为例,应用小波分析技术对信号进行多尺度分析,将水文时间序列分解成若干个高频序列和低频序列,再将高频序列和低频序列分别应用最近邻抽样回归建立模型,然后应用小波重构技术将各序列进行重构,从而实现对原始序列的预测。结果表明:应用小波技术建立的组合模型,其精度明显高于单一的最近邻抽样回归模型,可以应用于生产实践中。

基于概率回归模型和K-最近邻的电子商务个性化推荐方案

针对电子商务中个性化推荐问题,提出一种基于概率回归模型和K-最近邻的电子商务个性化推荐方案.实验结果表明,该方案能够准确为客户推荐所需的商品.

基于多K最近邻回归算法的软测量模型

针对单一模型预测精度较低的问题,提出多K最近邻回归算法(MKNN)的软测量建模方法.该方法采用高斯过程选择软测量模型的辅助变量,通过自适应仿射传播聚类方法将输入样本数据分成多组数据,对每组数据用K最近邻回归(KNN)算法建立子模型,各个子模型的预测输出通过主元回归(PCR)方法连接.用该方法建立粗汽油干点软测量模型,仿真研究表明,该算法的预测精度和泛化能力优于单KNN模型.

最大熵分布扰动最近邻抽样随机模型在年径流随机模拟中的应用

年径流随机模拟是水利工程体系规划设计和运行管理的依据。基于最近邻抽样随机原理,应用最大熵分布模型,建立了最大熵分布扰动最近邻抽样随机模型。以陕西省神木站年径流量为例,进行了该站年径流的随机模拟。结果表明,应用文中方法可以保持序列统计参数的特性;最大熵分布扰动最近邻抽样随机模型是年径流随机模拟的一种新途径。

859农场地下水位预测的小波最近邻抽样回归耦合模型

建立了859农场地下水小波最近邻抽样回归耦合预测模型,结果表明:模型有效性和可靠性较高,揭示了区域年降水量的时间变化规律。

基于回归树与K-最近邻交互模型的存储设备性能预测

存储设备性能预测在存储系统的自动化管理以及规划任务中发挥重要的作用.传统的方法是利用分析模型、仿真模型来预测存储设备性能,但这类方法需要大量领域专家知识,也无法适应越来越高端、复杂的存储系统;利用机器学习的方法构建存储设备的预测模型不需要了解存储设备的内部结构和调度算法,但缺陷是预测精度不够高.本文提出一种基于回归树与K-最近邻这两种具备潜在优劣互补特性的交互模型来预测存储设备性能,以获取更高的预测精度.通过实验表明,该混合模型较单一模型(回归树或KNN)有更好的稳定性和预测精度.此外,在工作负载特征化的设计上,考虑到一个非常重要的特征———缓存效应,该特征能够显著提高模型的预测精度.

采用最近邻法建立三磷酸腺苷二钠片通用型近红外定性模型

目的:建立三磷酸腺苷二钠片通用型定性模型,用于药品现场快速筛查。方法:采集全国12个生产企业共60批样品的近红外光谱,结合化学计量学最近邻法建立两层定性分析模型,并对模型专属性、耐用性进行验证。结果:优化后的定性判别模型在三种建模方案中专属性好,能准确识别16批验证集样品,区分出4批结构类似物;该模型标准差(SDev)、平均光谱距离(MD)与阈值均更小。结论:本文建立的模型快速、准确、操作简便,可在药品快速检测车上应用。

集成最近邻规则的半监督顺序回归算法

监督型顺序回归算法需要足够多的有标签样本,而在实践中,标注样本的序数耗时耗力,甚至难以完成。为此,提出一种集成最近邻规则的半监督顺序回归算法。基于最近邻,针对每个有标签样本,在无标签数据集选择与其最近似的若干样本赋以相同序数;再由监督型顺序回归算法训练有标签样本和新标注样本。多个数据集的实验结果显示,该方法能显著改善顺序回归性能。另外,引入折扣因子λ评估新标注样本的可信度,并讨论了λ和有标签数据集大小对方法的影响。

最近邻一径向基函数网络模型在日径流预测中的应用

介绍了NNB—RBFN模型的基本思想和实现算法。通过日径流中的实例对模型的预测效果进行了验证，并与最近邻抽样回归模型的预测结果进行了对比，取得良好的效果。

基于K最近邻回归预测的高能效虚拟机合并

虚拟机合并和迁移仅考虑当前负载会导致过多非必要迁移,为此,提出基于资源利用预测的虚拟机合并算法UP-BFD。通过K最近邻回归方法同时对主机和虚拟机的负载进行预测,在虚拟机迁移源主机和目标主机的选择上,同步考虑当前超载和预测超载问题,较好避免无用虚拟机迁移。通过随机负载和现实负载进行仿真测试,测试结果表明,UP-BFD算法可以降低主机总体能耗,同步减少SLA违例和虚拟机迁移量。

截尾数据半参数回归模型的估计理论

本文研究了截尾情形下半参数回归模型中未知参数及函数的估计问题，得到了它们的大样本性质，这些结果与非截尾情形的结果基本一致．

年径流预测的自适应NNBR-ANN耦合模型

以基本遗传算法为基础,优化人工神经网络与最近邻耦合模型的基本参数,得到无参数的自适应NNBR-ANN耦合模型。应用此模型对黄河青铜峡年平均流量进行预测,并与单独的人工神经网络模型和最近邻抽样回归模型预测结果进行比较分析。结果表明:此方法将模型的基本参数进行优化处理,打破传统的定参方法,用于径流预测更加方便适用,且预测精度更高。

水动力学模型实时校正方法对比

选择典型的实时校正方法:传统的误差自回归、基于K最邻近算法(KNN)的非参数校正及基于Kalman滤波的多断面校正法,并以Kalman滤波与KNN结合构造综合方法,以淮河流域吴家渡—小柳巷区间作为试验河段,构建一维水动力学模型并与实时校正方法联合应用。简要介绍这4种方法的原理与模型构建方法,然后对比分析各种方法的模拟结果,尤其对模拟洪峰稳定性、峰现时间、峰现误差等进行比较,认为前3种基本方法均能在相当长的预见期内提高洪水的预报精度,而综合法实时校正法对洪峰部位的模拟更为稳定可靠、总体效果更好,更适合预报校正工作的需要。