Lasso-Logistic回归模型拟合临床因素、NF-κB/NLRP3信号通路预测心肌梗死后缺血性心肌病价值

目的基于Lasso-Logistic回归分析心肌梗死后缺血性心肌病(ICM)影响因素,探讨临床因素、核因子-κB(NF-κB)/核苷酸结合寡聚结构域样受体家族3(NLRP3)信号通路及Lasso-Logistic回归模型对心肌梗死后ICM的预测价值,为本病防治提供参考。方法选取2020年9月—2023年9月秦皇岛市第一医院收治的342例心肌梗死患者为研究对象进行前瞻性研究,按照7∶3比例分为建模组239例、验证组103例,依据经皮冠状动脉介入术(PCI)术后6个月内是否发生ICM分为ICM亚组、非ICM亚组。采用Lasso筛选心肌梗死后ICM发生相关变量,以有统计学意义变量构建临床因素模型,以NF-κB/NLRP3信号通路构建NF-κB/NLRP3信号通路模型,以临床因素、NF-κB/NLRP3联合建立混合模型(Lasso-Logistic回归模型)。对比不同预测模型对心肌梗死后ICM的预测价值。结果建模组ICM发生率为27.97%,验证组ICM发生率为26.47%;Lasso筛选出5个预测变量为NF-kB mRNA、NLRP3 mRNA、Gensini评分、LVEF、饮酒,Logistic回归分析显示,Gensini评分、NLRP3 mRNA、NF-κB mRNA、饮酒是心肌梗死后ICM影响因素(P<0.05);混合模型预测心肌梗死后ICM的AUC、敏感度、特异度分别为0.921、80.30%、88.82%,临床因素模型分别为0.886、78.79%、85.29%,NF-κB/NLRP3信号通路模型分别为0.873、74.24%、87.06%,混合模型的AUC高于临床因素模型、NF-κB/NLRP3信号通路模型(P<0.05)。结论Gensini评分、NLRP3 mRNA、NF-κB mRNA、饮酒是心肌梗死后ICM危险因素,联合上述影响因素建立Lasso-Logistic回归模型,该模型对心肌梗死后ICM具有一定预测效能,有助于临床早期筛查高危人群,并予以相应干预措施,以降低ICM发生风险。

上海市闵行区卫生人力资源的灰色-回归模型预测

目的利用灰色-回归模型预测上海市闵行区卫生人力资源数量,为卫生人力的科学规划提供参考依据。方法通过闵行区统计年鉴,提取2010-2021年闵行区床位、卫生人员、执业(助理)医师、注册护士、历年国民生产总值、常住人口数据。采用SPSS AU统计软件分别建立闵行区每千人口卫生人员数、执业(助理)医师、注册护士数以及床位数的灰色-回归模型,对2022-2026年闵行区卫生技术人员的相对数量进行预测。结果应用灰色-回归模型预测,2026年闵行区每千人口卫生技术人员数为8.31人、每千人口执业(助理)医师数为2.86人、每千人口注册护士数为3.99人、每千人口床位数为2.7个,年均增长率分别为5.9%、5.3%、6.4%、1.2%。平均绝对百分比误差≤3.7%,预测精度较高。结论灰色-回归模型对卫生服务资源整体预测具有实用价值,上海市闵行区应继续加大基层医疗卫生投入与卫生服务体系建设。

递进自回归预测方法

提出递进自回归预测方法,其中包括递进自回归模型、递进自回归滑动平均模型、递进时变自回归模型、递进时变自回归滑动平均模型、递进回归—自回归模型。建立时间序列的递进预测公式,给出其最佳无偏预测,并推导出递进均方误差计算公式和高置信水平的递进预测区间估计。该方法是以逐步线性形式表示的一种非线性预测,既具有线性预测的简单性,又具有非线性预测精度高的特点。它不但可用于平稳时间序列预测,而且还可用于非平稳时间序列预测、确定性时间序列预测和小样本预测。此外,文中还给出时间序列线性组合及乘积的预测方法。并通过加权累加、倒数变换等方法,对观测值进行映射变换,使其呈现出更强的规律性,以进一步提高预测精度。

α-加权模糊线性回归模型及其在电力需求预测中的应用

建立了一种回归系数为对称三角模糊数的α加权模糊线性回归模型,运用模型进行了电量需求预测.实际需求和预测结果分析表明,该模型能够实现历史数据“重近轻远”的预测效果,进一步提高预测精度,减少预测误差,适合于电力需求预测.

基于灰色回归模型广州市果蔬类生鲜农产品冷链物流需求预测

目的通过对不同预测方法的误差进行对比研究,选取预测精度较高的方法,促进部门科学化决策。方法从农产品供给、社会经济水平、冷链物流保障、居民规模与消费能力四大维度选取15个指标来构建影响因素指标体系,对影响因素与冷链物流需求进行灰色关联度分析。采用GM(1,1)、GM(1,6)与主成分-多元回归线性模型对果蔬类生鲜农产品冷链物流需求进行预测。结果GM(1,1)预测模型、GM(1,6)预测模型、主成分-多元回归线性预测模型的预测误差分别为2.97%、1.70%、2.53%。结论GM(1,6)预测模型预测精度最高,该模型适用于中短期的冷链物流需求预测,具有较高的应用价值。

管网在线-人工监测系统余氯预测Logistic回归模型

根据国内管网水质监测现状,对南方某城市供水管网多项水质指标进行检测,选择余氯为预测指标,以在线监测水质指标为影响变量,建立在线-人工监测系统的Logistic回归模型,对管网末梢余氯达标与否进行概率预测.经实例验证,预测结果达到了较高的准确度,可通过少量在线监测点预测并了解整个管网水质状况.

基于灰色-线性回归组合模型的ABC公园人流量预测

在广泛收集各种数据基础上，运用灰色预测理论和新陈代j谢的思想构建改进的灰色与线性回归的组合模型，对ABC公园淡j淡季的人流量进行统计、分析和预测。与单一模型相比，该预测精度更高，预测结果更为可靠，具有较高的实际应用价值，也为ABC公园人流量预测研究提供了新的途径。

GA-BP神经网络、多元线性回归预测新疆癫痫患儿拉莫三嗪血药浓度

目的:建立遗传算法-反向传播(GA-BP)神经网络模型、多元线性回归模型预测新疆癫痫患儿拉莫三嗪血药浓度。方法:回顾性收集自治区人民医院2015年8月~2021年10月份就诊的296例癫痫患儿口服拉莫三嗪的稳态血药浓度以及临床资料,建立GA-BP人工神经网络模型、多元线性回归模型预测拉莫三嗪血药浓度,比较两种方法对拉莫三嗪血药浓度的预测能力。结果:多元线性回归分析结果显示影响拉莫三嗪血药浓度的因素有民族、合并用药、给药剂量、疗效以及部分生化指标(P<0.05);GA-BP神经网络模型对60个验证组浓度预测误差均小于10%,误差小于15%的比率是100.00%,平均预测误差(MPE)为0.00072%,平均绝对误差(MAE)为0.45%,血药浓度预测值与实测值之间的相关系数r=0.9998,预测结果较理想。多元线性回归模型60个浓度预测误差小于15%的比率是20.00%,MPE为2.54%,MAE为4.74%,血药浓度的预测值与实测值之间的相关系数r=0.2252,预测结果较差。结论:与多元线性预测模型相比,GA-BP神经网络预测模型根据患者临床资料可较好的预测新疆癫痫患儿拉莫三嗪血药浓度。

基于簇负荷特性曲线的“聚类-回归”电力大用户短期负荷预测

针对电力大用户的精准负荷预测对于配电网发展规划、调控运行、安全可靠供电具有重要意义,电力负荷预测是泛在电力物联网中实现用户精准用电感知的基础工作。为了在负荷预测模型中引入用户用电特征,提出了簇负荷特性曲线的概念,进而提出了一种基于簇负荷特性曲线的“聚类-回归”电力大用户短期负荷预测方法。首先,对区域内电力大用户用电特征进行聚类分析,用电特征类似的用户聚为一簇,用簇负荷特性曲线表征簇内用户用电特征;其次,回归阶段将簇负荷特性曲线作为区域总负荷的属性因子,训练深度神经网络,进行负荷预测。在TensorFlow深度学习框架下实现了“聚类-回归”负荷预测模型,以我国西南某区域电网实际数据设计实验,验证了模型的准确性;为了达到最佳预测效果,对模型超参数进行了优化;进一步考虑到电力大数据的应用环境,设计了压力测试,验证了模型的有效性。方法可以良好应用于电力大数据环境下的大用户负荷预测。

基于驱动-制约回归模型的区域需水预测研究

区域需水预测方法较多,但大部分预测方法均存在各种缺陷,已有研究成果也都不能适应最严格水资源管理制度的新要求。提出了基于计量经济学至上而下建模思维的驱动-制约(Drive-inhibition)回归模型,进行大尺度区域需水预测。该模型考虑了需水驱动侧、制约侧解释变量,包含了农田灌溉水有效利用系数、万元工业增加值用水量下降百分比两项用水效率控制指标,更加符合最严格水资源管理制度的新要求。以该方法预测贵州省各水平年的需水量,与国办发[2013]2号文件要求的用水总量控制指标相比,误差均在1%以内,预测结果精确度高,可以为大尺度区域需水预测提供参考。

支持向量机回归的碳通量预测

如何根据影响因素较好地预测碳通量是许多环境监测者非常关注的问题。但至今尚无一种非常有效的预测模型,为此研究ε-支持向量回归机在碳通量预测中的具体应用,并与BP神经网络模型的预测结果做了比较,分析了两种方法在核函数及相关参数、网络结构、神经元数目选择方面各自不同的特点。实验结果表明,基于ε-支持向量回归机和BP神经网络模型的碳通量预测结果与碳通量实测值之间存在显著相关性。但ε-支持向量回归机方法的预测过程更易掌控,整体预测精度高于BP神经网络的精度。

自回归条件方差-偏度-峰度:一个新的模型

提出一个新的自回归条件方差-偏度-峰度模型:GJRSK-M模型,讨论了模型的识别、定阶、估计等技术,运用该模型实证研究了中国股市的高阶矩波动特征,利用样本外预测方法研究了GJRSK-M模型与现有高阶矩波动模型在预测能力方面的差异.研究结果表明:中国股市的条件方差、条件偏度和条件峰度都具有波动持续性和杠杆效应,GJRSK-M模型具有比现有高阶矩波动模型更强的预测能力.最后提出了将高阶矩波动模型运用于金融风险管理研究的思路.

均生函数—最优子集回归在高温极值预测中的应用

根据南京等城市 1961年以来历年气温极值资料序列 ,采用均生函数—最优子集回归法设计的短期气候预测模型不但能较好地拟合历史实况 ,而且对未来 1～

股票价格的回归—马氏链分析与预测

本文将随机时间序列分解成趋势变动序列和马尔可夫链，建立了回归—马尔可夫组合预测模型，并对此模型编制成通用计算机程序，以此预测股票价格取到某个区间的概率分布、平稳分布。

基于ε-支持向量回归理论的区域交通信号智能控制

城市交通信号控制是当前智能交通领域的研究热点之一。针对区域交通信号协同控制的实时性和准确性,提出一种基于ε-支持向量回归(SVR)非线性回归理论的智能控制方法(ICSRTS)。该方法在无线传感网络结构的基础上结合已有的数据汇聚算法,并采用分簇策略将区域交通控制系统建模成一类集成信息调度与控制的离散切换系统。在离散切换系统中,不仅考虑了数据包传输的网络时延和丢包率,而且观测器利用改进的ε-SVR训练方法实现对多数据源融合的交通信号状态的在线预测并通过控制器进行总体协调控制。运用Lyapunov函数方法验证了该系统的渐近稳定性及其可调度性。仿真结果表明,ICSRTS方法相比普通模糊神经网络控制和普通ε-SVR预测算法在交叉口平均延误时间方面具有较好的性能。因此,该方法能实时、有效地对区域交通信号进行协调控制,从而减少了区域内的交通拥堵和能源消耗。

支持向量回归机在装备维修器材消耗预测中的应用

首先介绍了ε-支持向量回归机(ε-SVR)的基本原理,而后把它引到装备维修器材的消耗分析当中,建立了预测模型,并结合例子进行仿真实验。仿真结果表明,模型可行、准确。

基于灰色⁃广义回归神经网络模型的城市群交通运输能力预测

城市群交通运输能力是构建国家综合立体交通网的战略基石。鉴于传统预测方法难以适应城市群交通运输能力影响因素众多且存在时变、耦合、不确定性强等特征,提出了一种灰色-广义回归神经网络的复合模型,以预测未来城市群交通运输能力。首先,选用LASSO算法筛选主要影响变量来降低数据复杂度,运用GM(1,1)模型弱化数据序列的随机性,预测影响变量时间序列的变化趋势,并填补数据缺失。然后,以20002019年京津冀城市群的数据集训练GRNN模型,根据GM(1,1)模型预测出的20202025年城市群交通运输能力影响因素,得出未来年份交通运输能力动态趋势。结果表明,复合预测模型精度优于传统方法,有效减少了小样本预测的不确定性。最后,结合预测结果分析了京津冀城市群核心区位城市的发展方向,为助力构建以城市群为重要抓手的新发展格局进行了前瞻性探讨。

河流水质预测的模糊线性回归模型研究

基于河流水环境系统的模糊性、不精确性,采用三角模糊数来描述和表征水质信息。在此基础上,根据已有模糊线性回归模型成果,构造了带有三角模糊参数的河流水质模糊线性回归预测模型。运用模糊数的λ-截集技术,可以将水质预测值由三角模糊数转化为与一定可信度水平λ相应的区间值,为河流水质预测提供了新思路、新方法。

Excel回归分析拟合河流水位-流量关系

Excel集数据分析、数据计算、图文处理功能为一身,包含了大量的与多变量回归分析相关的函数和工具。利用Excel回归分析拟合河流水位-流量关系的方法比Origin、MATLAB等专业数据分析软件更为简单实用。文章依据某水文站水位-流量实测数据,以Excel提供的5种趋势预测类型,分别阐述河流水位-流量关系Excel回归分析的方法和步骤,并利用拟合优度参数对拟合结果进行了检验和分析。

α-加权和贴近度递变模糊线性回归模型及应用

用模糊线性回归分析方法进行多元线性回归分析,能较好地处理传统模糊线性回归模型中因变量和影响变量之间关系复杂、预测结果有一定模糊性的回归分析预测问题。以因变量和各回归变量的相关系数为基础,采用α-加权和递变的贴近度标准对传统的模糊线性回归模型进行了改进,并对改进后的模型进行了评价。实际算例结果表明,改进模型的拟合精度和预测精度均有较大的提高,具有一定的实用性。