基于迭代缩减窗口自助软收缩算法的近红外光谱变量选择方法研究

该文针对近红外光谱因冗余变量导致的标定模型预测性能差的问题,提出了一种迭代缩减窗口自助软收缩(ISWBOSS)算法。该方法使用窗口对变量进行划分,随机抽取窗口并利用其中的变量建立子模型,计算窗口内变量回归系数的归一化并作为权重继续进行加权采样,从而逐步实现变量空间的软收缩。同时在迭代过程中不断缩减窗口大小对特征变量进行精确搜索。通过在玉米数据集上进行验证,并与全谱法、遗传算法、竞争自适应重加权采样法和自助软收缩法建立的偏最小二乘模型对比,结果表明,新方法不论在准确性还是稳定性上都具有显著优势。以玉米蛋白质含量预测为例,与自助软收缩算法相比,ISWBOSS的预测均方根误差从0.0418降至0.0103,且达到最优模型所需的迭代次数更少,运算效率更高。该方法对提高近红外光谱标定模型的性能具有一定的指导意义。

基于变量选择-神经网络模型的复杂路网短时交通流预测

针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面;结合神经网络(NN)的非线性特性,提出了Lasso-NN组合模型.结果表明:Lasso-NN模型在路网交叉口对未来15min交通流数据预测的误差率低于9.2%;在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.

基于LASSO算法的光谱变量选择方法研究

光谱分析技术由于具有简单、快速、无损等优势,在复杂体系的定性和定量分析中得到了广泛应用。然而光谱中往往包含成百上千的波长点,有些波长点与研究的目标性质并不相关,加大了计算量并降低了模型的预测准确度。因此,在建立模型前需要进行变量选择。最小绝对收缩与选择算子(LASSO)可将回归系数收缩为0,进而达到变量选择的目的。该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择,基于偏最小二乘(PLS)和多元线性回归(MLR)模型,分别对香油和肌氨酸的含量进行定量分析,并与无信息变量消除-PLS(UVE-PLS)、蒙特卡罗结合UVE-PLS(MCUVE-PLS)和随机检验-PLS(RT-PLS)3种变量选择方法进行比较。结果表明,基于LASSO的变量选择方法保留的变量数最少,运算速度最快。对三元调和油样品,LASSO-PLS预测的准确度最高;对生物样品,LASSO-MLR预测的准确度最高。因此,基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用。

大坝变形预测的最优因子长短期记忆网络模型

面对海量的大坝安全监测数据,快速合理地确定大坝变形预测模型的变量因子能够有效提高模型预测的效率和精度。为此,本文提出一种基于最小绝对值收缩和选择算子(least absolute shrinkage and selection operation,LASSO)变量选择和长短期记忆(long short-term memory,LSTM)网络的大坝变形预测模型。首先,通过大坝变形机理分析确定影响大坝变形的相关影响因子集。然后,通过LASSO算法剔除不显著的因子,筛选出最优影响因子作为模型输入变量,并利用LSTM网络建立大坝变形预测模型。最后,以皂市水利枢纽工程的碾压混凝土重力坝为例,对本文方法进行了验证和讨论。结果表明,本文方法具有较高的预测精度,其平均绝对误差(MAE)、均方误差(MSE)与均方根误差(RMSE)均相对较小;与常规预测模型相比,基于LASSO算法的变量选择使模型建立过程更加简单高效,有利于海量监测数据的处理分析。

基于WGCNA联合LASSO筛选宫颈癌预后枢纽基因

目的运用生物信息学方法筛选宫颈癌预后相关的分子标志物,为宫颈癌的预后预测提供依据。方法从GEO、TCGA和GTEx数据库下载宫颈癌转录组表达数据和相应的临床数据。在GSE9750和GSE52903数据集中,通过WGCNA和LASSO两种方法联合筛选宫颈癌枢纽基因,GEPIA数据库进一步筛选与预后相关的枢纽基因。在GEO数据集(GSE9750和GSE52903)和TCGA联合GTEx数据集中比较预后相关的枢纽基因在宫颈癌和正常宫颈组织中的表达情况,并在HPA数据库中验证其蛋白水平的表达。利用ssGSEA分析宫颈癌肿瘤微环境(tumor microenvironment,TME)中免疫细胞浸润情况,探究预后相关的枢纽基因与免疫细胞浸润和免疫检查点基因表达的相关性。结果WGCNA和LASSO两种方法共筛选出7个宫颈癌枢纽基因,GEPIA数据库进一步筛选得到3个预后相关的枢纽基因MCM2、APOD和RAD54L。在GEO数据集(GSE9750和GSE52903)和TCGA联合GTEx数据集中,与正常宫颈组织比较,MCM2和RAD54L在宫颈癌组织中表达上调,而APOD则表达下调,与HPA数据库中免疫组化结果基本一致。3个预后相关的枢纽基因与免疫细胞和免疫检查点的表达有相关性。结论MCM2、APOD和RAD54L基因可能是与宫颈癌预后相关的分子标志物,与TME中免疫浸润相关。

基于弹性网降维及花授粉算法优化BP神经网络的短期电力负荷预测

电力负荷预测为电力系统规划和运行提供可靠的决策依据。随着智能电网的全面发展,数据采集与监视控制系统(SCADA)获取数据量增加,数据的结构也更加复杂,负荷的频繁变化以及地区性的气象因素等都将影响负荷的预测的准确性。提出一种弹性网(EN)进行大数据降维以及花授粉算法(FPA)优化BP神经网络的短期电力负荷预测方法。首先采用弹性网对负荷和气象等高维大数据进行选择和降维。弹性网通过在惩罚项中添加L1范数和L2范数,兼具了最小绝对值收缩及变量选择(LASSO)和岭回归的优点,克服了LASSO降维时因为数据内部存在共线性和群组效应而影响降维效果的问题;然后,考虑到BP神经网络权值和阈值容易受到初值的影响、收敛速度慢以及容易陷入局部最优,引入花授粉算法(FPA)优化BP神经网络,通过与粒子群算法(PSO)对比得出花授粉算法寻优速度更快,效果更好。本文方法应用于实际电力负荷预测,结果表明能有效提高预测精度。

用于在线预测静态电压稳定性的SIPSS-Lasso-BP网络

快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方法、最小绝对值收缩选择(least absolute shrinkage and select operator,Lasso)方法和BP(back propagation)神经网络共同组成。基于SIPSS的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据,对训练样本进行筛选。Lasso方法对训练样本进行回归分析,确定各状态量中对负荷能力极限最具有解释性的系统状态量。BP神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。通过新英格兰39节点算例和某省实际算例对SIPSS-Lasso-BP网络的测试结果表明,该方法能够在保证预测精度的情况下明显提高BP神经网络的离线训练效率。

针对Lasso问题的多维权重求解算法

最小绝对收缩和选择算子(Lasso)在数据维度约减、异常检测方面有着较强的计算优势。针对Lasso用于异常检测中检测精度不高的问题,提出了一种基于多维度权重的最小角回归(LARS)算法解决Lasso问题。首先考虑每个回归变量在回归模型中所占权重不同,即此属性变量在整体评价中的相对重要程度不同,故在LARS算法计算角分线时,将各回归变量与剩余变量的联合相关度纳入考虑,用来区分不同属性变量对检测结果的影响;然后在LARS算法中加入主成分分析(PCA)、独立权数法、基于Intercriteria相关性的指标的重要度评价(CRITIC)法这三种权重估计方法,并进一步对LARS求解的前进方向和前进变量选择进行优化。最后使用Pima Indians Diabetes数据集验证算法的优良性。实验结果表明,在更小阈值的约束条件下,加入多维权重后的LARS算法对Lasso问题的解具有更高的准确度,能更好地用于异常检测。

基于增量学习和Lasso融合的数据可视化模式识别方法

提出了一种基于增量学习和最小绝对值收缩和选择算子(Lasso)特征选择融合的数据可视化模式识别方法。该方法首先对归一化数据进行一级Lasso筛选特征降维,之后对连续数据进行基于Gini指数的粒化,再送入增量模式学习系统进行增量学习,针对维数大量升高的情况进行Lasso二级特征筛选生成一致模式决策表,生成属性偏序结构图可视化规则发现。数据采用来自UCI的5个数据库,并与分类器KNN,SVM,Adaboost,Random Forest进行分类准确度比较,实验表明,基于该算法的分类精度普遍高于其他分类器水平,且属性偏序结构图可视化层次清晰鲜明。通过增量学习实验设计,得到了准确率、图结构更新和不同比例增量数据的动态关系,其中Pima Indians Diabetes数据学习达到40%时准确率(77.66%)超过Adaboost(75.32%)、SVM(77.27%)、1NN(59.74%)、3NN(75.97%)算法。结果表明该算法进行数据的可视化和模式识别是行之有效的。

基于Post-LASSO方法的就医需求多控制变量选择

分析省级层面就医需求的政策变量和交互要素,并控制地区和时间效应的异质性,为精确估计医疗改革效应和医疗机构区域合理布局提供科学依据.以就医需求和就医供给的代理变量、区域特征控制变量建立指标体系,采用Post-double-selection-LASSO方法选择潜在变量及其函数形式.一阶差分、全控制变量和各省标准差集聚三个模型的比较结果显示,标准差集聚模型较好地控制时间趋势和初始差异,证实复杂就医需求的影响因素包括医院规模、医疗业务、医疗价格、区域特征,以及医疗收入和人口密度的交互作用.由此,应考虑不同工具变量的传递路径、不同区域特征及其初始差异和交互要素对就医需求的影响,以实现医疗资源空间均衡化.

基于弹性网络模型的月度用电量预测方法

由于现有月度用电量预测所选影响因素较少,无法较为全面地反映与用电量强关联的因素,同时针对高维数据变量筛选和高精度预测等突出难题,文中提出了一种弹性网络用电量预测模型。为了考虑更为全面的影响因素,建立了用电量、气象、经济、交通4类,共340个变量的数据集。首先对8年96个点的高维变量数据进行弹性网络因子筛选,然后使用Granger因果关系分析找出了用电量数据与其它数据的关联关系,对一年范围内的全社会月度用电量使用弹性网络进行预测,预测结果的平均绝对百分误差为3.07%。为验证该模型的有效性,对比向量自回归(VAR)模型,反向传播(BP)模型和最小绝对值收缩和选择算子(Lasso)预测的效果,验证了文中所提方法预测精度较高。

LASSO回归和SARIMAX模型联合应用对广州市肾综合征出血热发病的预测效果研究

目的 比较3种时间序列模型对肾综合征出血热(HFRS)发病的预测效果,探索最小绝对值收缩与选择算子算法回归(LASSO)联合引入自变量的季节性差分自回归移动平均(SARIMAX)模型对HFRS的预测效果。方法 系统收集2006-2022年广州市HFRS发病数、鼠密度、气象及社会经济学数据,采用指数平滑法、SARIMAX以及通过LASSO-SARIMAX模型进行发病预测,通过自相关函数(ACF)、平均百分比误差(MPE)和平均绝对百分比误差(MAPE)评价模型的预测效果,通过MAPE对比3种模型不同预测时长的预测效果。结果 2006-2022年广州市HFRS年均发病率0.06/10万,指数平滑法(ETS)模型训练集的MAPE为45.066,SARIMA模型训练集的MAPE为51.403,LASSO-SARIMAX模型训练集的MAPE为39.466,除预测24月时低于ETS模型外,LASSO-SARIMAX模型训练数据集、预测12月的MAPE均最低。结论 LASSO回归联合SARIMAX模型在广州市HFRS发病的中短期预测中有较好效果。

基于压缩感知与快速迭代阈值收缩算法的脑功能网络重建

基于静息态功能磁共振成像(fMRI)构建脑功能网络是揭示人脑运作机制的有效手段,但是目前常见的脑功能网络普遍包含大量噪声从而导致错误的分析结果。本文使用压缩感知中的最小绝对值收缩和选择算子(LASSO)模型对脑功能网络进行降噪重建,该模型利用L1范数惩罚项的稀疏性避免过拟合问题。然后,通过快速迭代阈值收缩算法(FISTA)求解,该算法在每一次迭代中通过一个收缩阈值操作来更新变量,从而收敛到全局最优解。实验结果表明:与其他几种方法相比,该方法可以将脑功能网络降噪重建的准确率提高到98%以上,有效地抑制了噪声,有助于即使在噪声环境下也能很好地探索人脑的功能。

参与脓毒症的关键生物标志物和免疫相关途径鉴定

目的:确定参与脓毒症的关键生物标志物和免疫相关途径及其与免疫细胞浸润的关系。方法:在GEO网站下载GSE26378、GSE54514和GSE66099数据集。通过差异基因表达分析、加权基因共表达网络分析(WGCNA)、最小绝对值选择与收缩算子(LASSO)回归分析等方法挖掘脓毒症核心标志物,通过基因本体分析(GO)、京都基因与基因组百科全书分析(KEGG)、基因集富集分析(GSEA)对差异基因(DEGs)进行表型分析。然后,采用受试者工作特征曲线(ROC)验证核心标志物对脓毒症诊断的准确性。最后,采用单样本基因集富集分析(ssGSEA),分析28个免疫细胞在表达谱中的浸润水平及其与核心基因标记的关系。结果:共筛选出81个差异基因。通过WGCNA分析获得3个共表达模块,其中蓝色模块与脓毒症的相关性最高。结合差异基因表达分析,共获得20个交叉基因。随后,通过LASSO回归分析,5个核心基因(LDHA、HK3、HP、CD177和FCER1G)被鉴定为脓毒症的潜在生物标志物。免疫浸润结果显示骨髓源性抑制细胞(MDSC)、单核细胞、活化树突状细胞、中性粒细胞和巨噬细胞之间的关系最为显著。ROC曲线分析显示了5个核心基因的主要诊断价值。差异基因功能富集分析显示,核心基因主要在免疫和炎症通路中增强。结论:B细胞和单核细胞与脓毒症的发病密切相关。核心基因LDHA、HK3、HP、CD177和FCER1G可能通过免疫相关信号通路参与脓毒症的进展。

基于细胞焦亡相关基因肝细胞癌预后模型的构建

目的研究基于细胞焦亡相关基因(PRGs)的肝细胞癌(HCC)预后模型的构建。方法从癌症基因组图谱(TCGA)数据库中获取HCC患者数据集,通过应用单变量Cox和最小绝对值选择与收缩算子(LASSO)回归分析构建预后模型。根据中位风险评分,将TCGA数据集中HCC患者分为高风险组和低风险组。Kaplan-Meier生存分析、受试者操作特征(ROC)曲线、单变量和多变量Cox分析、列线图用于评估预后模型的预测能力。并对两组间差异表达基因进行功能富集分析和免疫浸润分析。最后,应用基因表达综合数据库中2个HCC数据集(GSE76427和GSE54236)对模型的预后价值进行外部验证。对数据进行单变量和多变量Cox回归分析或Wilcoxon检验。结果从TCGA数据库中获取的HCC患者数据集经过筛选后,共纳入366例HCC患者。通过单变量Cox回归分析和LASSO回归分析,建立了一个7个基因(CASP8、GPX4、GSDME、NLRC4、NLRP6、NOD2和SCAF11)相关的HCC预后模型。并根据中位风险评分,可将366例患者平均分为高风险组和低风险组。Kaplan-Meier生存分析显示TCGA数据集、GSE76427和GSE54236数据集中高风险组与低风险组患者的生存时间差异存在统计学意义(中位总生存时间分别为1149 d与2131 d、4.8年与6.3年和20个月与28个月,P值分别为0.0008、0.0340和0.0018)。ROC曲线在TCGA数据集及2个外部验证数据集中均显示出良好的生存预测价值。1、2年和3年ROC曲线下面积分别为0.719、0.650和0.657。多变量Cox回归分析表明,预后模型的风险评分是HCC患者总生存时间独立的预测因素。根据模型风险评分建立的列线图可有效地预测HCC患者的生存概率。功能富集分析和免疫浸润分析表明高风险组免疫状态下降明显。结论基于7个PRGs建立的预后模型可有效预测HCC患者的预后。