含竞争指标的广义可加混合效应树高-胸径模型

广义可加混合效应模型(GAMM)兼具参数模型与非参数模型的优点,同时适于处理多层次分组数据。通过运用广义可加混合效应模型模拟胸径及树高之间关系,加入竞争因子作为辅助变量,并与传统非线性混合效应模型进行比较,能够为建立树高曲线及提高模型精度提供新方法。根据吉林省汪清林业局金沟岭林场2块100 m×100 m次生混交林样地中的实测单木数据,按照7∶3比例随机划分建模与验证数据。随机效应设定为林木分级,辅助变量选择大于对象木胸高断面积之和(B_(AL))或简单竞争指数(Hegyi指数,H_(EG)),根据随机效应的设定位置共构建15个广义可加混合效应模型,对照模型以Logistic及Richard方程为基础模型,共构建6个非线性混合效应树高-胸径模型。结果表明:所有广义可加混合效应模型均能较好地描述自变量与树高之间的关系,决定系数(R^(2))为0.8897~0.8998,相对均方根误差(R_(RMSE))为17.87%~18.74%,平均绝对误差(M_(AE))为1.7881~1.8745 m,赤池信息量(A_(IC))为4120.42~4162.23,均优于相同自变量下的非线性混合模型,R^(2)平均提高0.005,相对均方根误差、平均绝对误差、赤池信息量分别平均降低0.46%、0.0587 m、41.49。对于验证数据的预测可以看出,模型5具有最小的预测相对均方根误差,为20.28%,同时具有最小的预测平均绝对误差,为2.1038 m。但部分广义可加混合效应模型的预测表现略差于非线性混合模型。综合考虑参数与非参数估计显著性、模型估计精度及预测能力,所有模型中的最优模型为模型5,即以B_(AL)为辅助变量,考虑唯一全局平滑函数并以具有相同扭曲程度的分组水平平滑函数为基础添加随机效应。竞争因子选择B AL作为辅助变量能够提升树高模型的精度,而选择Hegyi指数为辅助变量的促进效果不明显。研究建立的广义可加混合效应树高胸径模型相较于传统非线性混合效应模型具有更高的估计精度及预测效果,B AL适宜作为树高模型的辅助变量来反映林木竞争状况的影响。

基于广义加性混合模型(GAMM)的沙柳特征因子动态变化

【目的】对沙柳特征因子的动态变化进行研究,分析环境因子影响下的地径、枝高动态变化过程。【方法】采用样地调查、样本采集、气象数据收集等手段,基于广义加性混合模型(GAMM),以灌丛、枝条以及二者的嵌套作为随机效应,探究灌木地径、枝高与土壤水分(SM)、年平均降水量(MAP)、年平均气温(MAT)及年龄等影响因子的动态变化规律。【结果】1)对于不考虑随机效应的广义加性模型(GAM),灌木地径与影响因子呈较强的非线性关系(有效自由度E均大于8.20,且P<0.001),枝高仅与时间呈非线性关系,与其他影响因子均为线性关系。2)相较于GAM,GAMM在随机效应的影响下,地径与各影响因子之间非线性显著降低(E变小),但在以灌丛为随机效应的模型中,地径与年平均气温趋于线性关系(E为1),而枝高与时间的非线性关系更强,与其余影响因子仍呈线性关系。3)考虑随机效应的GAMM比GAM的拟合结果更优,且嵌套模式下的GAMM拟合效果最好。【结论】沙柳不同特征因子对环境因子的响应有差异,而相比枝高,地径的变化程度更大。研究结果有助于掌握沙柳特征因子的动态变化对环境因素的响应机制,为进一步探究沙地生境变化过程中植物种群变化、植被演替及植被管理提供科学依据。

基于广义非对称拉普拉斯分布的贝叶斯线性混合效应分位数回归模型

纵向数据分位数回归模型的贝叶斯推断大多基于误差项服从非对称拉普拉斯(AL)分布的经典假设。然而,AL分布缺乏控制偏度和尾部的参数,且其分布的众数总是与其位置参数一致,这两个缺点限制了AL分布密度函数的形式和适用性。为克服这些局限性,针对纵向数据,本文基于广义非对称拉普拉斯(GAL)分布建立了贝叶斯线性混合效应分位数回归模型,与AL分布相比,GAL分布在偏度、众数和尾部表现方面更具有灵活性。本文为所提出的模型设计了具有有效性且可自动调整参数的自适应随机游动Metropolis嵌入Gibbs抽样算法,并在多个随机模拟情形下说明了所提出的方法比基于AL分布的方法能够给出更精确的参数估计结果和更优的模型拟合效果。最后,本文将提出的方法应用于分析我国31个省级行政区的房价与城镇化率之间的关系,进一步验证了该方法在实际问题中的优良表现。

基于混合效应模型的相容性削度-材积方程研究

为构建一个能够准确估计树干从地面到任意部位高度的直径和材积的相容性削度-材积方程,以吉林省汪清林业局金沟岭林场的冷杉解析木数据为例,选择基于材积比方程和基于积分方法这2种方法来构建相容性削度-材积方程系统。在模拟时,采用3种参数估计方法来估计2个系统中的削度方程、全树干材积和商品材材积方程的参数,并考虑样木间的随机效应。选择均方根误差和平均绝对残差等指标,对精度进行比较。最后发展出一个能够准确预测树干任意高度的直径、全树干材积和商品材材积的相容性削度-材积方程系统。结果表明,在2个相容性削度-材积系统中,采用削度方程参数估计方法提供了商品材材积和全树干材积的最差预测,似乎不相关参数方法在材积比方程方法构建的相容性削度-材积方程系统中的精度最高,商品材材积参数方法在积分方法构建的相容性削度-材积方程系统中的精度最高。2个相容性削度-材积系统中无论采用商品材材积参数估计方法还是削度方程参数估计方法,在考虑单木的随机效应后,模型的模拟和验证效果都得到很大的提高。基于积分方法的相容性削度-材积方程系统的模拟和验证精度要高于基于材积比方程方法的相容性削度-材积方程系统的模拟和验证精度。总体来说,相容性削度-材积方程系统可以保证削度方程、商品材材积方程和全树干材积方程在形式和算法上相容。

测边网坐标平差的加性乘性混合型误差模型解算

在大地测量数据处理领域,已有加性乘性混合型误差模型参数估计方法的有效性和适用性研究都是建立在模拟算例基础之上,尚无对加性乘性混合误差模型实际测量数据处理应用方面做出研究.文中首次将加性乘性混合型误差模型的参数估计方法应用到测边网平差中,推导基于该模型的平差公式.最后通过算例验证推导的公式在处理大地测量领域实际数据应用中的有效性和可行性.

病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。

基于广义加性模型的图书馆借阅预测研究

本文意图通过建立读者特征、不同类别图书流通量、读者借阅时间3者的关系模型,探索读者特征与借阅趋势之间的隐含规律,为图书馆的智慧管理提供可靠且快速的预测与分析。本文创新性地提出了基于广义加性模型(GAM)的3阶段快速拟合模型,采用Onehot编码、线性和非线性3种函数进行数据拟合,建立读者特征与图书流通的回归模型。考虑到图书馆数据的庞大性,本文利用Nesterov方法和Power Iteration方法对回归模型进行加速,在保证回归准确率的前提下,大幅度提高了算法速度。在真实图书馆数据上的实验表明,本文方法相较于纯线性模型准确性可以提高约70%,速度仅下降约30%;相较于纯非线性模型速度可以提高约6倍,而准确率仅下降约15%,较好地满足图书馆大规模数据的分析。

脂肪肝和血脂异常二元响应混合效应模型及其应用

为了探究脂肪肝、血脂异常与各常规体检项目间的关系,实现对脂肪肝和血脂异常的发病风险评估,基于2 972例体检者9 091人次血常规体检结果建立以脂肪肝血脂异常为响应变量的二元响应广义线性混合模型,并进行疾病风险预测以及预测效果评价.结果表明:脂肪肝血脂异常的共同影响因素有性别、年龄、糖尿病、体质指数、谷丙转氨酶和高密度脂蛋白,脂肪肝和血脂异常两个响应之间的混合效应之间呈现一定的正相关性.在模型预测方面,模型中脂肪肝的ROC曲线下面积SAUC为0.855(95%CI:0.831~0.881),血脂异常的ROC曲线下面积SAUC为0.814(95%CI:0.794~0.850),五则交叉验证结果显示脂肪肝血脂异常的SAUC分别为0.850(95%CI:0.845~0.868)、0.807(95%CI:0.793~0.819),表明模型能够充分反映响应变量之间的相关性,具有较好的预测能力,适用于医学上多疾病的联合分析.

基于加性误差模型的实时混合试验自适应时滞补偿方法

实时混合试验是评估结构动力性能的有效方法,但由传递系统和物理试件的动力特性,以及二者之间的相互作用引起的时变时滞严重影响其精度和稳定性。针对此问题,提出一种基于加性误差模型的自适应补偿方法。该方法将传递系统和物理试件所组成的系统分解为名义模型和加性误差模型,以名义模型的逆作为前馈控制器消除系统大部分时滞,并基于加性误差模型设计自适应补偿器进一步消除残余时滞。研究表明,所提方法可有效提高实时混合试验的模拟精度,显著降低时滞补偿器对自适应律的依赖性,表现出较强的鲁棒性。

广义线性混合效应模型及其应用

[目的]探讨广义线性混合效应模型在医学研究领域中的应用。[方法]通过实例分析说明模型的实际应用。[结果]将实例中的多中心临床实验数据中不能直观观测到的中心的效应以随机效应项纳入模型来解决由于来自同一中心可能造成的观测间不独立的问题,模型很好地处理了此类数据。[结论]广义线性混合效应模型可以分析观测间相关、因变量为非正态分布的非独立数据。

非线性混合效应模型和广义线性模型拟合随机效应logistic回归的应用比较

在临床药物试验中药物疗效的评价经常遇到二分类资料,即反应变量有两个水平如有效、无效;成功、失败等。二分类变量服从二项分布,可采用logistic回归模型。运用logistic回归模型对分类资料进行分析,能给实际研究带来很多便利。与多元线性回归相比,logistic回归具有许多独特的优点,如对正态性和方差齐性不做要求,系数的可解释性等。

基于SAS NLMIXED的广义线性混合效应模型在发病率数据Meta分析中的应用

目的:介绍利用SAS软件中的PROC NLMIXED过程步实现发病率数据的META分析方法。方法:基于广义线性混合效应模型(GLMM)的二项式-正态模型(BN)和泊松-正态模型(PNM)等,可方便地实现发病率数据的随机效应Meta分析,尤其当Meta分析纳入含0事件研究时。以Schutz等发表的血管内皮生长因子受体酪氨酸激酶抑制剂治疗的癌症患者发生致命不良事件风险的系统评价作为实例数据,利用SAS软件实现发病率数据的META分析,并提供编程代码。结果:对于含0事件研究,使用PNM模型进行Meta分析,无需进行连续校正法。删除0事件研究对于PNM模型影响较大。与标准正态模型相比,PNM和BNM模型给出的效应值更高,而P值则更小,具有更好的灵敏性。结论:基于广义线性混合效应模型,利用SAS的PROCNLMIXED实现发病率数据Meta分析是优选的方法。

广义线性混合效应模型在分类重复测量资料中的应用

目的探讨分类重复测量资料广义线性混合效应模型(GLMMs)建模及SAS8.0的GLIMMIX宏实现。方法利用GLIMMIX宏ERROR和LINK语句来指示反应变量的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适的方差-协方差结构矩阵来模拟数据的相关性,采用基于线性的伪似然函数进行模型参数估计。结果GLMMs是在广义线性固定效应模型的基础上引入随机效应,反应变量可以是指数家族中任意分布(连续分布包括正态分布,beta分布,卡方分布等;离散分布包括二项分布,泊松分布,负二项分布等),可以通过连接函数将观测的均数向量与模型参数联系起来,根据重复测量资料的特点选择合适的方差-协方差结构矩阵。结论GLMMs应用范围广,建模灵活,可以为相关或非常量方差数据建模,能提供客观正确的统计结论。

基于广义加性模型的调温负荷测算方法

调温负荷可分为夏季降温负荷和冬季取暖负荷,是影响统调负荷的主要因素之一。准确把握调温负荷特性,对于分析负荷增长驱动因素、做好迎峰度夏/冬工作具有重要意义,但现有测算方法仍存在问题。为此提出一种基于广义加性模型(generalized additive models,GAMs)的调温负荷测算方法。首先,建立基于GAMs的日前负荷预测模型;然后,根据上述模型解耦分析不同特征对负荷的影响,提出调温负荷测算方法;最后,以某市夏季调温负荷测算为例,验证所提方法的准确性、合理性。

广义非线性混合效应模型的变离差检验

应用混合效应方法研究了广义族非线性模型的变离差检验问题 .对离散和连续两类指数族分布 ,提出了若干有效的检验统计量 .所有统计量都可用简单、便于计算的矩阵公式来表示 。

半参数广义线性混合效应模型的估计及其渐近性质

半参数广义线性混合效应模型在心理学、生物育种、医学等领域有广泛的应用.Zhang(1998)用最大惩罚似然函数的方法(MPLE)对模型的参数和非参数部分进行了估计,然而Zhang(1998)MPLE方法只适用于正态数据模型.对于泊松等常用的模型,通常的方法是将随机效应看作缺失数据,再引入EM算法.本文基于McCulloch(1997)提出的MCNR算法,将此算法推广到半参数广义线性混合效应模型中并得到相应的估计算法.对于非参数部分,本文采用P样条拟合并利用GCV方法选取光滑参数,同时证明了所得估计的相合性和渐近正态性.最后,通过模拟和实例与其它算法作比较验证本文估计方法的有效性.

基于广义线性混合效应模型的蒙古栎林单木枯损建模及影响因子分析

[目的]通过基于广义线性混合效应模型的方法,建立枯损模型,提高枯损模拟和预测精度。[方法]以1995年在吉林省布设的295块蒙古栎永久样地作为研究对象,基于logistic回归及广义线性混合效应模型方法,考虑单木、林分、气象及立地等因子对枯损的影响,构建单木水平枯损模型。并与传统广义线性模型方法进行比较,采用验证数据进行精度验证。[结果]表明:与固定效应模型相比,考虑样地水平随机效应后,模型的模拟精度获得极大的提高,并且达到极显著程度;在截距和胸径变量上考虑随机效应的模型模拟精度最高;对单木枯损有重要影响的因子中,林分公顷断面积、林分平均年龄及年平均夏季(5—9月)降水量(MSP)与单木枯损概率呈负相关,大于对象木断面积、林分公顷株数、气象因子中的年平均温度(MAT)及上一年8月至当年7月的降雪量(PAS)与单木枯损概率呈正相关,初始单木胸径对枯损的影响比较复杂,要和其他因子结合起来分析。[结论]甄别影响单木枯损的不同来源及重要影响因素,有助于进一步制定科学的森林经营措施。

考虑特征值细分的广义加性短期负荷预测模型

准确的负荷预测是保障电力市场有序运行的关键,针对单一因素预测环境受限、综合模型对变量的拆分及交互作用考虑欠周的问题,提出建立考虑温度、节假日、负荷等细分特征变量的广义加性短期负荷预测模型。首先,细分并测算了不同因素与负荷的相关系数,依据相关度筛选特征变量;其次,确定负荷波动基函数,针对细分特征变量分别建模,形成整体预测模型;最后,利用广州实际运行数据测算分析。实例表明,基于特征值细分的广义加性模型预测效果更佳,是短期负荷预测的一种有效方法。

半参数广义线性混合效应模型的贝叶斯分析

纵向数据广泛存在于生物医学、遗传学、经济学以及社会管理等多个研究领域,线性混合效应模型是分析上述数据的有效工具。文章提出了一类含有不可忽略缺失数据的半参数广义线性混合效应模型,考虑了该模型的贝叶斯分析及模型选择问题,通过一AIDS研究的实际数据说明方法的应用。

广义线性混合效应模型在临床疗效评价中的应用

目的:探讨临床疗效评价中分类重复测量资料的广义线性混合效应模型(GLMMs)及SAS8.0的GLIMMIX宏实现。方法:利用GLIMMIX宏ERROR和LINK语句来指示疗效指标的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适方差-协方差结构矩阵来模拟不同时间疗效指标的相关性,采用基于线性的伪似然函数进行模型参数估计。结果:广义线性混合效应模型允许临床疗效评价指标是指数家族中任意分布(如:连续分布包括正态分布、beta分布、卡方分布等;离散分布包括二项分布、泊松分布、负二项分布等),可以通过连接函数将疗效指标的均数向量与模型参数建立线性关系,简化运算过程。结论:广义线性混合效应模型建模灵活,可为临床疗效评价提供更丰富的信息。