基于“灰色+非线性回归”的煤矿死亡人数预测

为探究我国煤矿现阶段安全管理水平,从煤矿近年死亡人数为切入点,分析灰色模型[Gray Model, GM(1,1)]、回归模型在煤矿事故的预测效果,进而建立“灰色+回归”模型。首先,建立灰色模型,利用后残差比值、小概率误差验证灰色模型的预测等级为“好”,满足改进要求;其次,对回归模型进行线性拟合,建立“灰色+回归”预测模型,并对3类模型的预测准确性进行评估;最后,利用“灰色+非线性回归”模型预测2023年煤矿死亡人数。结果显示:以2021—2022年数据为基准,“灰色+非线性回归”预测相对误差依次为4.5%和1.3%,预测结果接近实际值,适用于短中期预测;经分析,“灰色+非线性回归”对煤矿死亡人数预测具有较高的研究价值。2023年煤矿死亡人数控制在123~136人,煤矿死亡人数呈下降趋势。

非线性回归常用模型

y和x具有相关关系,但不是线性相关关系,称为非线性相关关系,所得到的方程称为非线性回归方程。一般地,非线性回归方程的曲线类型可以通过作出散点图进行猜测,而回归方程有时可以通过变量替换后,借助求回归直线的方程确定。

采用多元非线性回归模型的无头铆钉安装干涉量预测

为明晰被连接件材料性能对安装干涉量的影响规律,并进一步为新材料扩展应用提供可靠性预测,在铆接过程有限元仿真数据基础上,提出了一种采用多元非线性回归模型的无头铆钉安装干涉量预测方法。首先,根据实际铆接过程建立有限元仿真模型,通过铆接试验验证模型有效性。然后,采用有限元和正交试验法,研究了被连接件弹性模量、屈服强度、强化系数和应变强度指数及其交互作用对铆接干涉量水平的显著性,明确了各因素对安装干涉量的影响效果。最后,选用幂函数作为多元非线性回归的函数形式,剔除显著性较低因素项,建立了待测位置干涉量回归预测模型。结果表明,在一定铆接工艺条件下,屈服强度和应变强度指数及其交互作用是影响干涉量水平的主要因素。对比模拟值与回归模型预测值发现两者变化趋势一致,且误差不超过10%,表明干涉量多元回归预测模型具有有效性。

基于非线性逻辑回归的M-Score模型优化研究

文章以我国沪深A股市场2010—2020年因财务报表舞弊被中国证监会、上海证券交易所和深圳证券交易所处罚的441家上市公司为样本,研究了M-Score模型在我国A股上市公司财务舞弊识别中的有效性,利用统计学方法分析了模型失效的原因,并提出了一种基于非线性逻辑回归的M-Score模型优化方法。

基于非线性回归的暴雨泥石流堵河预测

堵河型泥石流灾害在汶川震区较为常见,其链式灾害效应严重威胁到了区域内人民的生命财产安全。故准确预测泥石流堵河程度,并采取相应的防治措施是至关重要的。以四川省绵竹市清平镇于2010年8月13日暴发的群发性泥石流为研究对象,通过分析因子权重,利用非线性回归建立了泥石流堵河程度的预测模型,并与已有模型进行了对比,论证了所建立模型的可用性,其后对不同降雨频率下的泥石流堵河程度进行预测。结果表明:流量比和流域面积是最佳的建模因子,所建立的模型绝对平均误差为0.049;与不同模型对比发现本文模型对于清平镇泥石流堵河预测具有很好的适用性;在极端降雨下,部分沟道堵河预测程度为1,会造成绵远河堵断。研究成果可为该地区泥石流灾害的防治和治理提供参考。

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.

基于Box-Cox变换和随机系数回归的非线性退化数据建模方法

变换方法是处理设备非线性退化建模与剩余寿命预测的一种重要方式和可行途径,目前常见的变换方法主要为对数变换和时间尺度变换,其适用范围有限。鉴于此,文章提出一种基于Box-Cox变换(Box-Cox transformation,BCT)的非线性退化数据建模方法。首先,采用BCT对非线性退化数据进行变换,将变换后的退化数据通过线性随机系数回归模型进行建模。然后,通过构建观测数据的概率密度函数,利用极大似然估计对于BCT中的模型参数进行辨识,并运用Bayesian理论对参数进行在线更新实现退化模型的动态校准。最后,分析经过BCT后的锂电池和轴承实际退化数据,其线性度与相关系数最高分别提升69.63%、9.19%,证明文章方法可行,具有潜在的工程应用价值。

非线性模型的众数回归估计

在应用众数回归方法来考虑非线性模型的估计时,把调整参数当作常数,在适当的条件下得到估计量的√n收敛速度,改进了已有的众数回归估计方法,即把调整参数作为变量.最后,通过一定数量的模拟实验来验证众数回归估计的稳健性.

基于非线性自回归神经网络模型对生活垃圾产生量的预测

旨在建立生活垃圾产生量预测模型,更好的预测生活垃圾产生量,以便有序筹划生活垃圾处置设施和构建灵活的收运调配体系。方法采用非线性自回归神经网络(NAR),通过调整延迟阶数和隐含层神经元个数等模型参数,建立基于生活垃圾产生量的历史时间序列预测模型。实验结果显示,NAR神经网络时间序列模型对于北京市生活垃圾产生量有较好的预测能力,当延迟阶数为5,隐含神经元个数为10时,预测模型测试集的r值为0.9717,平均绝对百分比误差为3.385%,均方根误差为5051.831 t/w,预测模型通过了残差序列非自相关检验,预测效果较好。结论表明针对生活垃圾产生量数据可以开展NAR神经网络模型非线性自回归预测,且可不用考虑其它相关影响因素数据的可获得性,具有一定的便利和实际应用意义。

基于多元非线性回归和BP神经网络模型对黄河水沙监测数据特征分析的比较

利用2016-2021年黄河水位、水流量和含沙量已有的历史数据,采用三次样条插值方法,可建立多元非线性回归和BP神经网络模型。比较两种模型的误差率,进而得到BP神经网络预测精度更高(平均误差率:0.1981)。这为预测含沙量提供可靠的依据,也为监管机关制定合理有效的检测方案提供了有力的支持。

基于多元非线性回归模型的220kV电缆油终端缺陷场强预测

电缆油终端在施工时留下的主绝缘划伤缺陷将引起场强畸变,进而导致局部放电,引发绝缘故障。建立220 kV电缆终端主绝缘划伤模型,进行网格划分提高计算精度,利用COMSOL Multiphysics仿真软件研究不同缺陷长度、深度以及位置的电场分布,提出一种基于多元非线性回归模型的终端缺陷场强预测方法。结果表明:缺陷处场强最大值随长度增大而增大、随深度增大而减小,缺陷位于应力锥根部时场强最大。距应力锥根部20 mm,缺陷长度和深度各为2 mm和1 mm时,缺陷处场强最大值为14.5 MV/m。经回归分析预测,所提方法误差均在5%以内,为故障分析提供一种新的思路。

基于改进非线性自回归网络的洪水预测算法

针对流域的洪水预测具有高度非线性和随机性的问题,提出了一种混合预测模型用于流域的洪水预测.该模型是一个集成了数据预处理模块的具有外部输入的非线性自回归神经网络,采用小波变换进行时间序列分解,利用多基因遗传编程进行细节缩放,以提高时域和频域特性的提取能力,进一步捕获时间序列的非平稳性,与NARX结合可以大幅提高洪水预测的准确性,利用栾川水文站15年中所测水文数据对所提模型进行验证和测试.实验结果表明,相比较于传统算法和其他预测算法,所提出的算法具有更高的预测准确度和性能,可广泛应用在洪水预测等领域.

基于多元非线性回归模型预测低初黏凝胶体系强度

本文研究了相对分子质量为2500×10^(4)的抗盐聚合物与4种功能剂在不同浓度掺量下对低初黏凝胶体系成胶强度的影响,通过对每种功能剂进行单因素分析,确定了掺量浓度范围进行正交试验,并对每种功能剂浓度随时间变化曲线进行拟合,获得了每种功能剂随时间变化与低初黏凝胶体系成胶强度的拟合曲线特征方程,建立了多元非线性回归数学模型。利用Matlab软件求解所建立的多元非线性回归模型,结果表明:在聚合物浓度一定的条件下,功能剂中交联剂掺量浓度是影响低初黏体系成胶强度最主要的因素,每种功能剂随时间变化相互作用形成了低初黏凝胶体系可控的成胶周期,通过预测值与试验值的比较,验证了多元非线性回归数学模型的合理性与准确性,为研制适合化学驱后高效可控凝胶调堵体系并预测其成胶性能提供了一种新的思路。

基于非线性回归的目标航迹预测算法

基于非线性回归对目标航迹进行准确预测是实现目标跟踪的基础。针对传统的卡尔曼滤波在目标行为发生较快变化时航迹预测精度降低的问题,本文提出了一种改进的卡尔曼滤波算法对目标航迹进行预测。该方法结合了目标的实际运动情况,根据预测值和真实值的实时偏差调整滤波过程,将系统方差矩阵转换为可变量,从而可以解决当目标行为明显变化时传统方法预测精度低的问题。实验结果表明,在目标行为状态发生变化的情况下,提出的算法均可以实现对目标航迹的速度、方向和转向角的精准预测。

非线性回归预测技术在船舶上层建筑振动噪声预报中的应用

本文对非线性回归预测技术进行研究,重点对非线性模型中的支持向量机进行分析,并结合基本粒子群算法给出了适应度曲线,构造出了非线性回归预测模型;对船体上层建筑结构进行分析,分析了不同距离下龙骨受到的应力变化曲线,给出了船体单向压缩载荷曲线以及平均压力曲线。最后,对船体上层建筑噪声的振动进行预报。

基于多元非线性回归的乙醇制备C_(4)烯烃优化模型研究

以2021年全国大学生数学建模竞赛B题“乙醇偶合制备C_(4)烯烃”为例,综合多因素方差分析、相关性分析、多元非线性回归分析等模型,结合SPSS 24、MATLAB、EXCEL等软件,对乙醇制备C_(4)烯烃进行研究,利用多因素方差分析及相关性分析,探讨不同催化剂组合及温度对C_(4)烯烃收率的影响,通过变量替换建立多元非线性回归模型,通过预测值与实验值比较进行模型精度分析,通过搜索法得出附件1中C_(4)烯烃收率最大的催化剂组合及温度。

基于非线性回归的工业废水排放量预测方法

由于进行工业废水排放量预测的过程中,没有分析工业废水排放量影响因素,导致预测结果精度较低,提出基于非线性回归的工业废水排放量预测方法。分析工业废水排放量影响因素,将城市居民人均生产总值(GDP)和工业生产总值作为预测变量,从区域统计年鉴和中国统计年鉴中收集数据样本,并对数据进行对数化处理;根据选取的预测变量建立非线性指数模型,并在此基础上建立工业废水排放量非线性回归模型;通过对模型参数确定和精度检验,将数据代入到模型中对其进行非线性回归分析,输出工业废水排放量预测值。经实验证明,设计方法的预测精度最高可达99%,具有较好的预测精度,在工业废水排放量预测方面具有良好的应用前景。

多姿多彩的非线性回归分析问题

回归直线方程是高考中的高频考点,对大部分同学而言,掌握得比较好。但是随着高考命题越来越注重考生的应变能力,对应用已学知识求解或探索创新问题提出了越来越高的要求。非线性回归分析问题正是基于此而命制的一类创新问题。所谓非线性回归分析问题,指的是当两个变量具有相关关系,但又不呈线性相关关系时,可依据样本点的分布选择合适的曲线方程来模拟,并设法求得其回归方程的一类问题。常见的非线性回归分析问题有二次函数型、根式型、倒数型、指数型与对数型。通过研究分析,我们发现建立非线性经验回归模型的基本步骤如下.

非线性回归法求解爆破振动速度衰减公式参数

准确分析场地爆破振动衰减规律是爆破工程设计的基本依据。通过考察爆破振动速度衰减公式中参数的线性回归方法和非线性回归方法,提出了线性残差平方和与非线性(亦即标准残差平方和)的概念,给出了求解衰减公式参数的非线性回归法,并详述了该方法的实现过程。结合工程实例,以标准残差平方和作为爆破振动实测数据与衰减公式拟合值偏差大小的判断依据,分析了线性和非线性回归分析方法得到的萨道夫斯基公式和其修正公式的标准残差平方和。分析结果表明,非线性回归分析方法的准确度明显高于线性回归分析方法;分别采用线性回归和非线性回归方法得到的萨道夫斯基公式和其修正公式的标准残差平方和非常接近,因此,采用两种形式的公式拟合爆破振动衰减规律都是可行的。

绿茶几种化学组分苦涩味非线性回归分析及在感官审评中的应用

为了定量分析茶汤苦涩味强度,采用感官评定法中的线性标度法和排序法,建立了EGCG和咖啡碱的呈味特征曲线(滋味强度与浓度关系),以EGCG、咖啡碱和芦丁为主要参数建立了茶汤苦涩味强度定量函数,探讨了这3种主要呈味物质间的相互影响。芦丁能增加咖啡碱的苦味,但是芦丁对EGCG的滋味无明显影响,而咖啡碱对EGCG的涩味有明显增强作用。利用苦涩味强度定量函数对四川绿茶苦涩味偏重的成因进行了分析,对20个茶样的分析结果表明,模型对苦味的解释程度达78%～137%,对涩味的解释程度达68%～144%,较高的EGCG和咖啡碱含量可能是四川绿茶苦涩味偏重的主要原因。