基于WRF模式和自适应偏最小二乘回归法的风能预报试验研究

利用中尺度WRF(Weather Research and Forecast Model)模式预报了2009年1,4,7和10月甘肃某风电场区域的风速和风向,并与离风电场最近的两座测风塔对应时段50m和70m高度实测资料进行了对比,客观地评估了该模式对风场预报的准确率。在相对准确的风场预报基础上,利用2008年1月-2009年4月风电场200台风机的实际功率记录数据和同期气象要素场预报资料,采用自适应偏最小二乘回归法和单机预报法建立了每台风机未来48h逐15min输出功率记录数据与同时刻轮毂高度预报的风速、风向、气温、湿度及气压之间的非线性统计预报模型。为了对该模型的稳定性和准确性进行长期的客观评估,独立进行了2008年1-12月的预报试验,分别建立了12组独立的非线性统计预报模型。试验结果表明:(1)WRF模式预报的各月风向分布、风频大小与实测风向有较好的一致性;盛行风向基本一致,风频大小相当,风向分布特征也较为一致。(2)WRF模式预报的50m和70m高度逐时平均风速与实测值的相关系数介于0.6～0.8之间,均方根误差介于1.5～2.6m.s-1之间。(3)2008年1-12月逐15min风电场风电功率预报值与风机输出功率记录值的相关性较显著,可较好地预报出各月风电功率的时间变化趋势。两者相关系数介于0.58～0.90之间,均达到了99.9%置信度。(4)各月逐15min风电功率预报值与风机输出功率记录值的误差较小,相对于总额定装机容量而言,均方根误差介于2.76%～12.89%之间。

基于偏最小二乘回归法分析陈醋理化指标和品质

以南阳市大型商超市售的3种陈醋为研究对象,参考国家标准检测方法对陈醋的总酸含量、不挥发性酸含量及pH值进行对比分析;以近红外光谱技术结合偏最小二乘回归定量分析法,确定最佳进光光程、最优流量及最佳预处理方式,并在此条件下对3种陈醋进行判别分析,从而确定基于偏最小二乘回归法分析陈醋理化指标的方法。结果显示,3种陈醋样品均符合国家标准规定的陈醋pH值(pH 3.6~3.9),3种陈醋样品的pH值分别为3.71±0.02,3.65±0.01和3.82±0.01;3种陈醋样品中总酸和不挥发性酸含量略有不同,分别在(0.567±0.011)~(0.593±0.02)g/L和(0.148±0.012)~(0.215±0.018)g/L。在进行近红外光谱检测中,在最佳光程选择上,去掉异常样品后pH值检测和不挥发性酸检测的最佳光程为3 mm,总酸检测的最佳光程为2 mm;在陈醋流量选择上,pH值检测和总酸检测应控制流量为0.2 L/min,不挥发酸检测应控制流量为0.6 L/min;在光谱预处理条件选择上,pH值检测和不挥发性酸检测应选择SNV预处理方式,而总酸检测应选择5点平滑预处理。结果表明,利用近红外光谱结合偏最小二乘回归法可以进行陈醋理化性质的检测,其检测效果良好、检测效率高。

基于差示光谱及指纹图谱结合偏最小二乘回归分析法研究决明子提取物的平衡溶解度

目的:确定决明子提取物的最佳溶出介质,分析决明子提取物中主要成分在最佳溶出介质中对平衡溶解度的贡献程度,明确决明子提取物平衡溶解度的标志物。方法:以总蒽醌含量为指标,采用差示分光光度法测定决明子提取物在37℃时于水、0.1 moL/L盐酸和pH 6.8磷酸盐缓冲液中不同时间点的平衡浓度,确定最佳溶出介质。以决明子提取物总蒽醌指纹图谱为参照,采用HPLC法建立决明子提取物在最佳溶出介质中不同平衡时间点平衡浓度的指纹图谱,筛选决明子提取物平衡溶解度的标志物。结果:决明子提取物在37℃时于水、0.1 moL/L盐酸和pH 6.8磷酸盐缓冲液中平衡溶解度分别为10.344、10.910、11.099μg/mL,达到平衡时间点的时间分别为24 h、3 h和7 h。在最佳溶出介质中,VIP值>1的化学成分有22个,其中VIP值分别为1.13987、1.15565、1.12806、1.14825、1.14880的化学成分分别为已知成分橙黄决明素、大黄酸、大黄素、大黄酚和大黄素甲醚。结论:pH 6.8磷酸盐缓冲液为决明子提取物的最佳溶出介质,可以橙黄决明素、大黄酸、大黄素、大黄酚和大黄素甲醚为溶解度标志物考察决明子提取物的平衡溶解度。

近红外光谱法结合偏最小二乘法预测生物柴油中甲醇的含量

生物柴油中甲醇的定量分析对其品质监控具有重要科学意义与实用价值,因此进行了题示研究。制作44个含不同体积分数甲醇的生物柴油样品,采集了相应的近红外光谱。采用Savitzky-Golay平滑滤波(SG)和标准正态变换(SNV)相结合的方法对原始光谱进行预处理,并采用协同区间偏最小二乘法(SIPLS)提取特征变量,确定在6270~6640 cm^(−1)和10900~11240 cm^(−1)波段内采用偏最小二乘法(PLS)建模。结果显示,所建SG-SNV-SIPLS-PLS模型的留一交叉验证决定系数R2 cv为0.9994,均方根误差RMSECV为0.0488,预测集决定系数R_(p)^(2)为0.9996,均方根误差RMSEP为0.0563,变量数为207,优于PLS模型以及单变量线性回归模型的。

基于双脉冲LIBS结合偏最小二乘回归的稀土元素定量分析

激光诱导击穿光谱(LIBS)是一种以激光为激发源的等离子体发射光谱分析技术,已有将其用于稀土元素的定量分析研究,但由于稀土矿基体差异大、元素含量低,定量分析灵敏度和准确度仍有待提高。通过使用单激光分束构造双脉冲LIBS系统,并结合偏最小二乘回归(PLSR)算法实现对稀土矿石样品中的稀土元素La、Dy、Yb和Y的定量分析。结果表明,双脉冲LIBS结合PLSR可建立更加稳定的定标模型,与常规基本定标法相比,La、Dy、Yb和Y元素的相对均方根预测误差(RMSEP)从0.0061%、0.0037%、0.0045%、0.0280%降低至0.0044%、0.0016%、0.0029%、0.0134%,平均相对预测误差(AREP)从10.88%、15.27%、6.42%、17.20%降低至6.67%、3.62%、4.10%、7.98%。因此,双脉冲LIBS结合PLSR方法可以有效地提高LIBS对稀土矿石中稀土元素的定量分析能力。

基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM_(2.5)浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.

基于偏最小二乘回归的谷子冠层氮素含量高光谱估测研究

为构建多品种谷子冠层氮素含量的高光谱监测模型,通过设置不同氮素水平和多品种谷子田间试验,分别获取谷子全生育期冠层高光谱反射率和叶片氮素含量,采用卷积平滑、一阶导数变换对光谱曲线进行预处理,利用光谱数据与氮素含量相关性分析、连续投影算法(successive projections algorithm,SPA)筛选出谷子各生育期和全生育期的氮素敏感波段、植被指数、高光谱特征参数,利用三者组合建立谷子冠层氮素含量的偏最小二乘回归(partial least square regression,PLSR)估测模型,并筛选各生育期最优模型。结果表明,不同生育期最优估测模型有所差异,拔节期基于敏感波段、植被指数、高光谱特征参数的模型精度最高;抽穗期基于敏感波段、植被指数的模型精度最高;灌浆期基于植被指数、高光谱特征参数的模型精度最高;成熟期基于敏感波段、植被指数的模型精度最高;全生育期基于敏感波段与植被指数的模型精度最高(R2=0.903,RPD=3.01)。多输入级综合模型可以充分利用光谱信息,有效提高模型预测精度和稳定性,其中基于敏感波段和植被指数的综合模型表现效果最好,预测集R2均在0.82以上、均方根误差均小于0.119、相对分析误差均大于2.1。以上研究结果为高光谱遥感诊断谷子全生育期氮素盈缺状况与施肥决策提供了理论依据和技术支撑。

融入距离方差和距离相关系数的偏最小二乘回归方法

偏最小二乘法(partial least square,PLS)在内部采用Pearson系数度量自变量和因变量之间的相关性时提取出的成分不能确保解释性最强,并且PLS在将提取的成分进行线性回归时也无法真实反映变量间的函数关系.针对这些问题,该文提出了融入距离方差和距离相关系数的偏最小二乘回归方法(DVDCCPLS).DVDCCPLS基于距离方差和距离相关系数提取距离成分,再将距离成分进行拟线性回归得到距离回归方程,通过模型求解方法将距离回归方程转换为原始数据的表达,最终得到结构简洁、精度较高的回归模型.该文分别采用麻杏石甘汤数据和UCI数据集测试DVDCCPLS的性能,并与其他5种经典的回归算法对比,结果表明:DVDCCPLS具有较好的回归效果和回归性能.

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。

基于偏最小二乘回归的城镇化与农业经济协调发展研究——以厦门市为例

文章选取《厦门经济特区年鉴(2011—2022)》数据为研究样本,运用偏最小二乘回归分析方法,构建了厦门市城镇化与农林牧渔业总产值、劳动力资源、财政支农资金、农民可支配收入的偏最小二乘回归模型,并对厦门市城镇化与农业经济协调发展关系进行实证分析。所得模型通过检验,表明模型对城镇化的解释能力较强,选取的各项指标中,农村居民人均可支配收入、农业产值、农林牧渔服务业、劳动力资源、财政支农对城镇化影响显著,是城镇化发展的主要影响因素。研究结果表明:渔业产值对城镇化有一定的解释作用,但对城镇化发展作用为负效应;牧业产值对城镇化发展影响不显著,说明目前牧业产能还比较低。为此,提出厦门应积极探索智慧牧渔业发展模式,加快渔业生产转型,稳步扩大现代水产养殖;精准规划生猪养殖规模,适度提高猪肉自给率等发展建议,为实现城乡融合发展、落实乡村振兴战略,提供合理参考。

基于自适应偏最小二乘回归法的CUACE模式污染物预报偏差订正改进方法研究

针对GRAPES-CUACE模式预报的6种常规污染物浓度,采用非线性动力统计-订正方法——自适应偏最小二乘回归法,建立了中国不同地区的CUACE模式预报偏差订正模型,采用多种敏感性试验优选了不同季节各区域的最优自变量组合方案,并对2016年1—3月、11—12月全国342个城市PM_(2.5)浓度预报值进行了滚动订正检验,分析了订正前后PM_(2.5)浓度的时空变化特征,重点分析了该方法在京津冀、长三角、珠三角、川渝地区等关键区域的适用性及其改进效果.结果表明:(1)CUACE模式预报PM_(2.5)浓度普遍低于观测浓度,且与实测值的相关系数较低;CUACE 15 km分辨率模式PM_(2.5)浓度预报效果优于54 km分辨率模式,其中长三角地区改进最显著,珠三角和京津冀次之,川渝地区预报效果较差.(2)订正后的PM_(2.5)浓度更接近于实测值,订正后误差明显减小,相关系数明显提高,而且订正值与实测值的散点集中分布于对角线附近.(3)长三角地区PM_(2.5)浓度订正效果最好,准确率可达72.3%;珠三角地区次之,准确率为66.3%;京津冀和川渝地区订正效果稍差,但准确率亦可达63.6%和62.6%.(4)订正后污染日和非污染日的准确率、相关系数分别提高了57.5%和25.9%、304.8%和15.2%;绝对平均偏差、均方根误差分别减小了38.9%和18.7%、21.8%和8.5%.(5)针对北京、上海、广州、乐山的不同重污染过程,订正后的平均绝对误差分别减小了12.07%、46.63%、36.66%、17.71%,相关系数分别提升了25.86%、22.22%、16.92%、162.5%,说明该订正方法适用于不同地区的不同重污染过程的预报.

基于偏最小二乘法分析枇杷叶提取物中α-葡萄糖苷酶抑制剂

为快速筛选枇杷叶(Eriobotrya japonica)提取物中的α-葡萄糖苷酶抑制剂,本研究基于组效分析法探究有效组分与酶抑制活性间的关系,揭示其关键活性组分。通过测定不同产地的枇杷叶提取物对α-葡萄糖苷酶的抑制效果,采用超高效液相色谱-质谱联用(UPLC-MS)对其进行成分分析,运用偏最小二乘回归分析法分析活性,并通过分子对接进行验证。结果表明,10种提取物能有效抑制α-葡萄糖苷酶,IC_(50)值为1.31~2.65μg·mL^(-1),且抑制活性强于阳性对照阿卡波糖(IC_(50)为81.98μg·mL^(-1)),其中产自陕西省汉中市的野生枇杷叶提取物的抑制效果最佳,IC_(50)为1.31μg·mL^(-1),对α-葡萄糖苷酶呈竞争型抑制。10批样品的UPLC-MS特征指纹图谱中有16个共有峰,其中有6个共有峰的回归系数与抑制活性呈正相关,变量重要性较大,贡献度较高。通过与二级质谱、数据库及标准品比对,明确其中4个成分分别为科罗索酸、科罗索酸甲酯、奎宁酸和nerolido-3-α-L-rhamnopyranosyl(1→4)-α-L-rhamnopyranosyl(1→2)-[α-L-rhamnopyranosyl(1→6)]-β-D-glucopyranoside。进一步的分子对接结果表明,上述4种活性成分与α-葡萄糖苷酶对接的结合能小于-6.0 kcal·mol^(-1),其中科罗索酸的结合能最低(-8.9 kcal·mol^(-1)),主要通过氢键作用于酶活性中心。本研究结果为后续应用枇杷叶提取物开发降血糖药物提供了研究思路。

偏最小二乘法预测头孢菌素C工业发酵过程中发酵液流变特性

在头孢菌素C工业发酵过程中,发酵液表现出典型的非牛顿流体性质,并可用幂律模型充分描述。传统经验型模型并不能很好地预测头孢菌素C工业发酵过程的流变特性,原因在于模型过于简化,忽略了潜在因素如底物浓度、进料方式、培养基组成等对流变特性的影响,但更多变量的引入会显著增加模型复杂度,且这些参数的动态变化存在相关性,为了解决这个问题,采用了偏最小二乘法进行建模。标准偏回归系数可以量化不同因素对流变参数的作用,其中节孢子比率和菌丝平均分支长度对流变学特性的影响最大。使用偏最小二乘回归(PLSR)模型,可以很好地预测头孢菌素C发酵液的流动行为指数和稠度指数,其相关系数分别为0.94和0.91,具有较好的实用性。

采用正交信号修正法与偏最小二乘回归的中长期负荷预测

介绍正交信号修正法的基本思想并详细推导该算法的实现步骤,将一种改进后的正交信号修正法(orthogonal signal correction,OSC)与偏最小二乘法(partial least square method,PLS)相结合,对原始数据通过OSC消除正交分量,利用PLS建立中长期负荷预测模型。该方法能有效地去除自变量系统中与因变量无关的正交数据信息,增强自变量、因变量之间的相关性,在有限的成分中提高成分解释能力。通过算例将PLS与OSC-PLS进行比较分析,结果表明,运用OSC-PLS进行中长期负荷预测,尽管预测模型提取的成分个数变少了,但模型成分的解释性却大幅度增强,预测精度明显提高,具有较强的实用性。

主成分回归和偏最小二乘法在高炉冶炼中的应用

以邯郸钢铁公司2000 m3高炉采集的数据为样本,采用主成分回归(PCR)方法研究了各运行参数对高炉铁水含硅量的贡献,实现了高维复杂数据的降维.考虑到偏最小二乘法(PLS)在处理多重共线性数据中的优势,利用PLS对高炉铁水含硅量进行预测.结果表明,主成分回归和偏最小二乘法在对高炉冶炼过程中产生的大量数据的处理具有其独到的优势,取得了显著的效果.

利用TM影像和偏最小二乘回归方法估测三峡库区森林蓄积量

为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/TM3、TM4×TM3/TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763m3;利用该模型计算出三峡库区森林总蓄积量约为1.12亿m3,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。

基于自适应偏最小二乘回归的初顶石脑油干点软测量

提出了一种具有强非线性表达能力的自适应偏最小二乘回归(APLSR)方法,并应用于初顶石脑油干点软测量模型建立.APLSR对于指定的预测对象,将根据样本在自变量空间中的分布,分析它们对预测对象的预报能力,自适应地为各个样本分配权值,然后从加权样本数据中提取和选定PLS成分,实施自适应加权PLSR,从而获得预报性能良好的模型.同时提出将前一时刻初顶石脑油干点人工分析值引入作为模型的自变量,从而进一步提高了软测量模型的预测精度.

自适应迭代最小二乘支持向量机回归算法

基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法.与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机.模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.

基于偏最小二乘回归的烤烟感官品质关键外观特征指标筛选

为明确影响烤烟感官品质的关键外观特征指标,采用偏最小二乘回归等方法对6个产区共计265份烟叶样品的外观特征与其感官品质间的关系进行分析。结果表明:外观特征指标中仅上部叶样品油润感分值服从正态分布,其他外观特征指标分值均未通过正态性检验;中部叶外观指标除身份外均与总体感官品质在0.1%水平显著正相关;上部叶颜色纯正度、成熟度、叶片结构、光泽度、柔软度、油润感与总体感官品质在0.1%水平显著正相关,身份与总体感官品质在0.1%水平显著负相关;油润感、柔软度、叶片结构3项外观特征对中部叶香气质和总体感官品质的累计贡献率分别为49.62%和51.07%,对上部叶香气量和总体感官品质的累计贡献率分别为43.19%和44.30%。叶片结构、柔软度和油润感是影响中、上部叶感官品质的关键指标,可在烟叶原料的工业分选研究中进一步应用。

板式换热器冷却水污垢热阻预测的偏最小二乘回归法

搭建板式换热器冷却水污垢热阻实验台,测得不同时间、流速和温度下天然循环冷却水（松花江水）中铁离子、氯离子、细菌总数、pH值、溶解氧、浊度、电导率等水质参数,随机取一组实验的水质参数作为输入变量,建立换热器冷却水污垢热阻预测的偏最小二乘回归模型,对板式换热器的污垢热阻进行预测。整个实验过程中,热水进口温度为43.5~44.5℃,冷却水进口温度为21.5~22.5℃,流速为0.104 m.s-1,当温度和流速发生变化时,则重新采取数据。经过计算,确立本模型应提取4个潜变量,由此建立了板式换热器冷却水污垢热阻预测模型。预测结果和实验结果最大相对误差在5.11%以内。结果表明偏最小二乘回归算法的污垢模型预测精度高,所建预测模型是合理可行的。