基于广义回归神经网络的变间隙磁流变缓冲器非线性动力学模型

变间隙磁流变缓冲器的动力学行为具有极强的非线性特征,建立准确的动力学模型是精准控制缓冲器输出特性的基础。为此,提出一种基于广义回归神经网络(generalized regression neural network,GRNN)的非线性动力学模型。首先制作了变间隙磁流变缓冲器样机并搭建了冲击试验平台,采集了不同工况下的冲击试验数据作为缓冲器动力学数据库;进而开展了GRNN模型性能验证并与反向传播(back propagation,BP)神经网络模型进行了对比,结果显示GRNN模型可有效映射缓冲器非线性动力学性能且其准确度高于BP模型;最后验证了GRNN模型对未知工况下缓冲器输出预测的准确性,其缓冲力峰值、最大位移、最大速度与试验结果的相对误差分别为4.71%~10.2%、0.32%~4.18%、0.097%~2.5%,表明GRNN模型能准确预测未知工况下缓冲器的输出特性。

多元广义线性模型经验似然方法分析

针对多元广义线性模型,基于估计相关阵、广义估计方程和经验似然方法,本文构造出经验似然比统计量,此统计量能克服“工作相关阵”方法的误设定问题.在一定的条件下,本文也获得了经验似然比统计量渐近Wilks性质,该结果可用作未知参数向量置信域的构造.最后,通过数值模拟对所提方法的有效性进行验证.

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。

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。

深埋圆形硐室围岩塑性形变压力的广义Hoek-Brown破坏准则解及其三元非线性回归模型

研究侧压力系数λ=1时,以广义Hoek-Brown经验准则为屈服准则的深埋圆形硐室理想弹塑性围岩的塑性形变压力的闭合解。采用较易获得的围岩参数,分别建立最大塑性形变压力随相对初始应力和归一化地质强度指标变化的二元线性回归模型与相对塑性形变压力随相对初始应力、相对塑性区半径和归一化地质强度指标变化的三元非线性回归模型,为预测围岩塑性形变压力提供较为可靠的途径。

约束线性回归模型参数的广义条件根方估计

对非齐次等式约束线性回归模型提出广义条件根方估计,证明了广义条件根方估计能有效地改善狭义条件根方估计,并给出了广义条件根方估计的显式解及确定广义条件根方估计参数的方法。

基于Pena距离的广义线性回归模型的影响分析

本文利用Pena距离对广义线性回归模型的影响分析进行了讨论,得到广义线性回归模型的Pena距离公式,并对公式的性质以及其对高杠异常点的检测得到了相应的结论.在一定条件下,Pena距离对异常点的检测优于Cook距离.

线性模型中回归系数广义岭估计的小样本性质

在均方误差矩阵准则和Pitman closeness(PC)准则下讨论了线性回归模型中回归系数的广义岭估计相对于最小二乘估计的优良性及其相对效率的界.

基于广义线性回归模型的飞机维修单位风险管理研究

目前由于我国飞机维修单位存在数量多、工作量大等特点,监管当局无法对维修单位进行细致的风险量化评价,导致其存在较大的潜在风险。为解决此问题,本文基于国内外航空风险分析方法,提出了基于广义线性回归模型的飞机维修单位风险管理研究,建立了飞机维修单位风险监测指标与飞机维修单位的风险等级之间的关系模型,确定监测指标和风险等级的因果关系。在建模过程中,利用皮尔逊检验模型的拟合优度,采用极大似然估计法对模型参量进行估计。最后本文利用所建立的模型对一些维修企业进行实例验证,得到的风险评估结果与实际情况相符,从而此模型可为监管单位及企业提供决策支持。

线性回归模型中自变无选择的逐步回归方法及其相合性研究

线性回归模型的建立 ,一个很重要的过程就是自变元的选择 ,它直接决定着模型的优劣。本文给出了“宜取回归方程”的逐步回归方法 ,在一组适当的条件下 ,证明了这种方法的强相合性。

部分线性回归模型中的广义似然比检验

检验了部分线性回归模型中的函数部分是否为常数,在备择假设下,先用局部多项式方法估计出函数部分,在估计中忽略了参数部分,将其并入误差项,再使用二阶段估计法,直接应用最小二乘方法,估计出参数部分,并讨论了它们的渐近性质.计算了零假设下广义似然比检验统计量的表达式,并给出其渐近分布.

区间数据下EV线性回归模型修正的广义最小二乘估计

研究了当响应变量为区间数据时的EV线性回归模型,通过构造区间数据的无偏转换,并对广义最小二乘估计作适当修正,得到了回归参数的估计,在较一般的条件下证明了强相合性和渐近正态性。最后作了若干模拟计算,从模拟的结果发现,利用本文提出的方法所获得的估计具有较高的精度。

基于倾向性评分匹配及广义线性模型的出血性脑卒中医院感染经济负担研究

目的研究出血性脑卒中患者发生医院感染导致的经济负担。方法回顾性调查某三级甲等医院2021年1月1日—2022年12月31日的出血性脑卒中患者,收集其人口学特征、临床相关信息、住院费用等资料。根据是否发生医院感染将其分为医院感染组及对照组,采用倾向性评分匹配法和广义线性模型法研究医院感染组与对照组住院日数、住院费用增量及医院经济负担。结果共纳入688例患者,发生医院感染266例,医院感染发病率为38.66%。经过倾向性评分匹配,医院感染组199例患者成功匹配,医院感染组较对照组住院日数中位数增加16 d,增加1倍(Z=11.779,P<0.001),住院费用中位数增加34597.42元,增加85%(Z=6.299,P<0.001);广义线性模型法中归因于医院感染因素的住院日数增加1.24倍,住院费用增加76%(均P<0.001);单项医疗费用支出中,医院感染组除手术费用外,其他各项医疗支出均高于对照组(均P<0.05);因医院感染导致的医院经济负担为54.19万元。结论医院感染明显加重出血性脑卒中患者及医院的经济负担,延长住院时间,临床工作人员应加强感染防控意识,降低医院感染发病率,节约医疗资源。

基于切换的非线性多模型二阶段广义预测控制

针对一类参数跳变引起零动态不稳定的非线性离散时间系统,本文提出一种基于误差切换策略的非线性多模型二阶段广义预测控制器设计方法.首先,将未知参数的空间划分为多个子集,并在每个子集中建立多个非线性预测模型,并对未知参数进行辨识;进而,利用带约束的二阶段自适应方法获得每个子集虚拟模型的参数估计值,并以此计算对应的广义预测控制作用,从而更好的处理零动态不稳定问题:为了有效改善参数跳变对系统的影响,利用模型输出误差性能指标选取每一时刻最优的广义预测控制器控制非线性系统,并进行稳定性分析.最后,通过对比现存方法的仿真结果表明本文所提出的广义预测控制器有良好的跟踪性能和抗干扰能力.

具有随机回归子的不完全信息和随机截尾的广义线性模型的重对数律(英文)

在可靠性研究中,带有不完全信息随机截尾的线性模型经常受到关注.本文将带有不完全信息随机截尾的线性模型推广到带有随机回归子的不完全信息的随机截尾广义线性模型,并运用概率极限理论对后者的极大似然估计的收敛速度进行了研究,得到了两个重对数律.从渐近的意义看,第一个重对数律给出了未知参数的最小100%置信区间,而第二个重对数律给出了估计量能够达到的精确下界.

线性、非线性与广义线性回归模型

本文研究了线性、非线性与广义线性回归模型之间的关系，澄清了一些重要的统计概念，并对广义线性模型作了简要介绍。广义线性模型是当前统计科学发展的一个方向，统计研究与应用的许多高、新领域都在很大程度上以广义线性模型为其理论基础。将其介绍给我国广大读者对于促进我国统计事业的发展，建设大统计学科有重要意义。

广义线性模型逆回归统计研究

逆回归是统计学中的重要内容,在实际中有非常广泛的应用。探讨了广义线性模型逆回归问题。

多元线性模型回归系数的广义根方估计

将根方估计作一拓广，提出了回归系数的广义根方估计，证明了广义根方估计能更有效地改善最小二乘估计，并给出了广义根方估计的显示解和确定偏参数的方法。

基于多元线性回归模型对北京市物流影响因素的实证分析

物流是保障和维系城市正常运转的基础功能。本文选取北京市2000~2022年的面板数据,以货物周转量作为被解释变量来衡量物流需求水平,并以固定资产投资额、三大产业产值、进出口总额、社会消费品零售总额、人均可支配收入以及常住人口作为解释变量,建立多元线性回归模型,分析得出影响北京市物流需求的主要因素,并依据北京市物流的具体情况提出相关建议。

含高相关协变量的纵向广义线性模型变量选择研究

结合半标准偏协方差函数(SPAC)和Lasso惩罚估计方法,对一类纵向数据下的广义线性模型的变量选择问题提出一种基于SPAC-Lasso惩罚的变量选择方法。在一些正则性条件下证明了所提出的变量选择方法的相合性,并给出了所得正则估计的收敛速度。所提出的变量选择方法允许协变量之间存在高相关性,改进并推广了已有变量选择方法的应用领域。