加权EIV模型的经典最小二乘算法

采用GHM方法将EIV模型在最优解处线性化,得到解的近似方差。然后,将EIV模型表达成与Gauss-Markov模型相似的形式,利用标准最小二乘理论推导EIV模型的解及近似方差矩阵,得到与已有算法等价的结论。最后,推导观测值估值和残差的统计性质,建立起一整套EIV模型参数估计和精度评定的体系。

不等式约束PEIV模型的经典最小二乘方法

不等式约束部分变量含误差(partial errors-in-variables, PEIV)模型目前主要采用线性化方法和非线性规划类算法,前者计算效率较低,后者基于最优化理论,计算复杂,未能与经典平差理论建立联系,难以在测量实际中推广。在整体最小二乘准则下,根据最优解的Kuhn-Tucker条件,将不等式约束整体最小二乘解的计算转化为二次规划问题,并提出改进的Jacobian迭代法求解二次规划。所提方法不需要对观测方程线性化,与经典最小二乘法具有相同的形式,易于编程实现。数值实例表明,所提方法形式简洁,具有良好的计算效率,是经典最小二乘平差理论的有益拓展。

基于经典偏最小二乘模型的CO_2排放量宏观驱动因素分析

CO2排放量可认为是社会、经济、自然等多种宏观驱动因素共同作用的结果。基于此,本文通过采集1952～2006年期间我国CO2排放量相关的36个指标,用经典偏最小二乘模型(PLS)对它们的重要性进行辨识。结果表明:重要的宏观驱动因素是总人口量、城市人口率、GDP及人类生产生活等活动强度较大的指标(如财政收入与投资、运输与邮电、医疗卫生及文化教育),不重要的宏观驱动因素则为人类活动强度较弱的指标(如农村人口、艺术表演水平和金融外贸活动)或自然环境条件等。据此,提出了几点有利于低碳将来的对策建议。

顾及粗差的混合最小二乘平差实验分析

通过详细介绍总体最小二乘法以及其与经典最小二乘法的关系,引出综合了经典最小二乘法与总体最小二乘法的混合最小二乘平差法。为了研究混合最小二乘法的优劣,本文设计一套比较混合最小二乘法与经典最小二乘法的实验方案。通过实验结果可知,混合最小二乘法并非总优于经典最小二乘法,只有当系数阵误差比观测值误差大或略小时,混合最小二乘法才始终优于经典最小二乘法。

基于总体最小二乘的灰色模型在基坑沉降预测中的应用

针对经典最小二乘解算灰色模型中的灰参数时无法顾及系数矩阵中的误差而导致解算精度不高这一问题,文中采用总体最小二乘来解算灰参数。运用一基坑的沉降监测数据进行建模预测分析,结果表明基于总体最小二乘的灰色模型的预测精度要优于经典最小二乘。

自由网平差的经典方法及扩展应用

采用经典的最小二乘参数平差结果为一个特解，进而以坐标系定位参数为参数求出自由网的最小范数解。之后，以苦干工程实例列举了除变形监测网以外的扩展应用。

FTIR多组分定量分析方法及其应用

研究了红外光谱法在气体多组分同时定量分析中的应用 ;运用气体混合物同时定量分析的方法 ,得到了 N2 O、NO、NO2 、SO2 和 CO2 5种气体在 1 0 0°C下的校正曲线 ;将此分析方法应用于燃煤烟气中 NO的选择性催化氧化实验 ,对催化剂的活性进行了在线分析和考评。实验证明此方法可精确测量反应中各物种的变化情况 ,对于具有红外吸收的气体 ,是一种普适性的分析方法。

近红外光谱法测定茶多酚中总儿茶素含量

以高效液相色谱(HPLC)分析结果为参考值,建立了快速测量茶多酚中总儿茶素含量的近红外光谱定标模型.将48份茶多酚样品组成定标样品集,在1000～2500nm(4000～10000cm-1)的近红外漫反射光谱为定标波长范围内,光谱经一阶导数(Firstderivative)、二阶导数(Secondderivative)、标准归一化(Stan-dardnormalvariate,SNV)和多元散射校正(multiplicativesignalcorrection,MSC)处理后结合偏最小二乘回归(PLS)定标.经内部交叉验证表明,光谱经SNV处理后建模结果最佳.模型的相关系数Corr.Coeff=0.997,校正均方根RMSEC=1.71%.比较了经典最小二乘法(CLS)、偏最小二乘法(PLS)和主成分回归(PCR)等方法建模结果,以偏最小二乘回归建模效果最好.

多元线性回归模型的FTIR/ATR多组分定量分析

利用衰减全反射傅立叶变换红外光谱(FTIR/ATR)以及多元线性回归模型,分别采用经典最小二乘回归算法和逆最小二乘回归算法,建立了一种多组分同时在线的定量分析方法.这种方法精度高,结果准确,平均相对误差不到3%.两种回归算法中,以逆最小二乘算法获得的结果具有更高的精度和准确性,更适合含有少量杂质的体系.

一种建立回归模型的新方法

基于经典最小二乘方法在实际应用中存在的局限性,提出一种建立回归模型的新方法,即先利用传统方法建立近似回归方程,然后再用整体最小二乘方法对近似回归方程进行修正。仿真数据和变形监测实测数据验算证明,该方法能有效地提高形变预报精度。

四种多变量校准方法在FTIR多组分分析中的性能比较

本文对四种多变量校准方法———经典最小二乘法 (CLS) ,偏最小二乘法 (PLS) ,卡尔曼滤波法(KFM)以及人工神经网络法 (ANN)———在多组分浓度分析方面的性能进行了比较。选择五种红外谱图严重混叠的大气有机毒物——— 1,3 丁二烯 ,苯 ,邻二甲苯 ,氯苯和丙烯醛———作为分析对象。分别计算各种方法对该 5组分体系的平均预测误差MPE和平均相对误差MRE进行比较。结果表明 。

浅谈用FTIR法测定汽油苯含量

本文应用FTIR法测定汽油苯含量,采用经典最小二乘法(CLS)与带有线性背景的洛仑兹带形的函数拟合,建立校正模型,从吸收光谱中计算出苯含量。试验结果表明,该方法具有测量精度高、重复性好的优点,可以成为目前标准方法的有效补充。

PHBV/PLA纤维和其他纤维混合试样的定量分析方法研究

采用化学分析和红外光谱分析相结合的方法研究了生物基聚3-羟基丁酸-戊酸酯/聚乳酸(PHBV/PLA)纤维和其他纤维(涤纶、棉纤维、羊毛、锦纶6)混合的试样(简称多组分混合纤维试样)的定量分析方法。结果表明:首先在常温条件下,采用二氯甲烷溶解多组分混合纤维试样中的PHBV/PLA纤维,得到PHBV/PLA纤维的含量和其他纤维的含量,该方法的绝对误差为-0.5%~0.5%,95%置信界限为(-0.2%,0.2%);然后选定合适溶剂对多组分纤维混合试样中的其他纤维进行溶解得到PHBV/PLA纤维,对PHBV/PLA纤维中的PHBV和PLA的含量采用红外光谱法进行定量分析,将1707.2~1731.8 cm^(-1)的峰面积和1731.8~2038.8 cm^(-1)峰面积之比作为PHBV和PLA组分的对应质量比,以此来计算试样中PHBV和PLA的含量,该方法采用经典最小二乘法建立模型,7个校准点拟合的回归方程其线性相关系数为0.9978,校正标准偏差为0.442;10个验证点拟合的回归方程的线性相关系数为0.9943,预测标准偏差为0.617%。

中红外光谱吸收法快速测定汽油中的苯含量

利用美国Thermo公司的傅里叶变换中红外光谱仪对汽油中的苯含量进行快速测定,并采用TQAnalystEZEdition(Nicolet)分析软件通过经典最小二乘法(CLS)进行了定量分析。结果表明,利用中红外光谱仪可以快速、准确地测量汽油中苯的含量,其再现性和重现性优于气相色谱法的要求。

拉曼光谱法在快速筛查紫杉醇脂质体制剂中的应用

目的应用拉曼光谱法建立定性鉴别模型,实现紫杉醇脂质体制剂的现场快速筛查。方法隔包装采集注射用紫杉醇脂质体的拉曼光谱,使用主成分分析(PCA)算法去除包装的干扰信号,提取紫杉醇脂质体的拉曼信号,用经典最小二乘(CLS)建立定性鉴别模型。对模型进行正向验证和反向验证确定判别的阈值,模型输出的相关系数值同阈值比较进行定性判定。使用外标法实现方法在三种仪器上的转移。结果排除玻璃包装的干扰提取的光谱与直接测量的光谱相关系数达0.9744,建立的紫杉醇脂质体定性模型,判断阈值为0.85,正向验证(脂质体制剂)和反向验证(脂质体膜成分和紫杉醇)结果均为通过。通过使用传递光谱和峰位检索,方法能够在便携式拉曼光谱仪、傅里叶拉曼光谱仪和显微成像拉曼光谱仪上实现转移。结论本研究所建立的快速筛查方法可满足抗癌类贵重药品的现场和实验室快速筛查,为监管和公安打假提供一种科学有效的手段。

基于模糊理论的可能性线性规划数据处理研究

针对现实中测量数据的不确定性不完全满足概率论中的“随机变量”定义,不一定服从随机分布,用经典平差方法处理数据显得不够严密的问题,本文基于模糊理论,以模糊数为研究对象,选取常见的三角、余弦及抛物线模糊数,分别构建基于高斯-马尔柯夫模型(G-Mmodel)的可能性线性规划模型。运用MATLAB优化工具箱里linprog函数进行编程,以水准网测量数据为例进行模糊解算,并与经典最小二乘估计结果进行比较、分析。结果表明:可能性线性规划的结果与经典平差理论结果基本一致,模糊数选取的不同对参数估值、观测值估值的影响不大,Δx最大均不超过2.2mm,Δh最大均不超过3.0mm。该方法经过实例验证是可行、合理的,并且利用抛物线模糊数的可能性线性规划模型解算时效果最佳。

Galileo/GPS系统组合导航的定位算法研究

对Galileo/GPS组合系统的三种定位算法:经典最小二乘、加权最小二乘、卡尔曼滤波进行比较分析,发现组合系统的经典最小二乘法定位精度不如Galileo系统,加权最小二乘方法改进了经典最小二乘的这一缺点,定位精度比经典最小二乘方法有所提高;而卡尔曼滤波方法的定位结果最好。

基于稳健回归算法的无人机数据预处理技术研究

针对无人机采集飞行数据过程中存在数据野值,噪声以及丢失现象,论文分析了数据误差的表现种类及原因,提出了一种基于M估计稳健回归的算法,利用反复加权的最小二乘迭代法求解回归系数,实现对飞参数据的拟合,设置拟合数据与实测数据之间的阈值大小来识别野值。该方法大大改善了异常野值对回归系数的影响,克服了经典最小二乘对异常数据敏感的缺点。并在Matlab环境下对飞参记录的四边航行各通道数据进行了仿真,仿真结果验证了方法的有效性。

基于半参数模型的水准网平差

针对经典最小二乘平差无法顾及水准网中系统误差的问题,尝试利用半参数模型来对水准网进行平差。由于半参数模型中含有描述系统误差的非参数向量,因此能顾及系统误差对平差结果的影响。文中算例结果表明,利用半参数模型进行水准网平差可以获得优于经典最小二乘的平差结果。

基于LSSVM与CPSO的瓦斯涌出量组合预测

为了提高矿井瓦斯涌出量的预测精度,提出了一种基于最小二乘支持向量机(LSSVM)与经典粒子群优化算法(CPSO)的矿井瓦斯涌出量非线性组合预测方法。该方法应用最小二乘支持向量机建立了一个多输入单输出的瓦斯涌出量非线性组合预测模型,对3个常用的单项预测数据进行非线性组合并作为最终预测结果,模型的参数由经典粒子群算法与学习样本的平均绝对误差最小原则进行智能优化。实验结果表明,所提出方法最大绝对误差为0.0183m3·t-1、平均绝对误差为0.0039m3·t-1,达到了高精度预测的要求,对矿井瓦斯涌出量预测研究具有较好的实用价值。