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。

正常成人电刺激痛感觉阈与耐痛阈相关性及影响因素的多元线性回归分析

目的:测定正常成人在电刺激下的痛感觉阈(perception pain threshold,PTH)、耐痛阈(pain tolerance,PTO)水平,探讨影响因素,分析痛感觉阈、耐痛阈的关系,并建立正常成人的PTH、PTO参考值范围。方法:采用一元线性回归、多元线性回归分析等方法,回顾性分析2017年10月21日至2020年5月22日在陆军军医大学第一附属医院疼痛科使用体感诱发电位测量仪系统进行电刺激测试的正常成人痛阈相关数据,性别、年龄、职业、学历、婚姻、月收入、体质指数(body mass index,BMI)等一般资料。计算正常成人PTH、PTO参考值范围。结果:一元线性回归分析显示PTH与PTO的变化呈高度正相关(P<0.001)。分别以PTH、PTO的值为因变量,将性别、年龄、职业、学历、婚姻、月收入、BMI指数为自变量进行多元线性回归分析,结果表明性别是PTH、PTO的影响因素(P<0.001),不同性别PTH、PTO值有明显差异。男性、女性PTH、PTO的值均呈正态分布(P均<0.05),采用正态分布法计算男性PTH、PTO的95%参考范围分别为0.051~4.388、1.845~13.012,女性PTH、PTO的95%参考范围分别为0.146~3.069、1.521~10.207;男性PTH、PTO的平均值±标准差分别为2.219±1.224,7.429±8.115,女性PTH、PTO的平均值±标准差分别为1.608±0.556,5.864±4.910。结论:疼痛的敏感性女性高于男性,女性PTH、PTO正常值范围均较男性窄。疼痛的感受性与耐受性高度正相关。

基于一元线性回归模型的供水网络中水表读数虚高问题研究

为了定量研究供水网络中总表漏水程度和分表读数虚高程度,根据水量平衡分析法的原理,结合大数据分析技术,建立了一元线性回归方程,回归常数代表总表漏水量程度,回归系数代表分表读数虚高程度。通过针对2021年某高校供水管网的实证研究表明,总表日均漏水量为15.5958吨,分表读数虚高率为1.07%。该方法对供水管网漏损率的精准评估等问题的解决提供了新的思路和方法。

基于Excel软件利用矩阵运算模拟多元线性回归模型的应用分析

文章基于多元线性回归分析的基本原理,模拟多元线性回归方程的矩阵,研究专业基础课程与专业核心课程的相关性.利用Excel软件中的矩阵函数的运算,对兰州城市学院财务管理专业110名学生的线性代数、概率论与数理统计和财务管理学课程卷面成绩为样本数据进行正态性分析.结果表明,课程成绩服从正态分布,据此建立卷面成绩的多元线性回归预测模型,通过对数据样本的方差分析和对统计量进行检验和统计推断,表明方程拟合度较好,以此帮助师生预测财务管理学课程成绩,针对三门课程预测的线性关系,对教师提出了一些教学建议.

基于离差平方和分解式的线性回归检验统计量的构建

文章基于样本数据离差平方和分解式,分析影响变量之间相关关系的因素.将离差平方和分解成回归平方和与残差平方和两部分,呈现出数据变异的根源在于变量自身取值的差异性和存在不可控制的随机因素两方面叠加的结果.建立线性回归数学模型,应用最小二乘估计法先求出回归方程参数的估计值,由估计值的数学期望、方差的性质,得到回归平方和、残差平方和服从正态分布、χ2分布的结论,再依据F分布、t分布的结构模式,构造回归分析显著性检验的F统计量、t统计量.文章理清了从离差平方和分解式、回归分析模型到选择检验统计量的思维线索.

儿童PICC最佳位置置管长度与身高、体重的线性回归分析

目的探讨儿童PICC最佳位置置管长度与身高及体重的线性关系。方法采用多元线性回归分析166例PICC置管患儿最佳置管长度与身高、体重的关系。结果166例患儿中PICC尖端处于最佳位置的有132例(79.52%),其中右上肢贵要静脉67例,置管长度与身高存在线性关系(P<0.05),回归方程为Y=3.476+0.263×身高;右上肢肘正中静脉17例,置管长度与身高存在线性关系(P<0.05),回归方程为Y=8.843+0.157×身高;右上肢头静脉28例,置管长度与身高和体重均存在线性关系(P<0.05),回归方程为Y=11.943+0.113×身高+0.156×体重;左上肢贵要静脉置管20例,置管长度与身高存在线性关系(P<0.05),回归方程为Y=9.001+0.152×身高。结论根据患儿置管静脉的不同,结合身高及体重,可采用回归方程指导PICC置管长度,提高尖端最佳位置的成功率。

部分线性变系数空间自回归模型的惩罚轮廓拟最大似然方法

主要研究了部分线性变系数空间自回归模型的变量选择问题。结合拟最大似然方法、局部线性光滑方法以及一类非凸罚函数,提出了一个变量选择方法用于同时选择该模型的参数部分中重要解释变量和估计相应的非零参数。大量模拟研究表明,所提出的变量选择方法具有满意的有限样本性质,并且关于空间权矩阵的稀疏度、空间相关强度、系数函数的复杂度以及误差分布的非正态性非常稳健。特别地,当样本容量较大且罚函数选择合适时,即使解释变量的相关性较强或者模型中含有较多不重要解释变量,所提出的变量选择方法仍然具有比较满意的有限样本性质。通过分析波士顿房屋价格数据考察了所提出的变量选择方法的实际应用效果。

基于贝叶斯线性回归的造价预测模型

为在项目前期准确快速地预测高速公路造价,运用贝叶斯线性回归方程对造价进行预测。首先,识别高速公路造价影响因素,建立造价预测指标体系;其次,对收集的高速公路造价数据统一处理后,基于贝叶斯线性回归方程建立造价预测模型,并与BP神经网络预测模型进行预测效果对比;最后,利用Matlab进行仿真训练和预测。结果表明:相较于BP神经网络模型,贝叶斯线性回归模型具有更高的预测精度和稳定性,其预测值误差控制在5%以内,MAPE为2.29%,决定系数为0.925,可见贝叶斯回归模型的拟合度高、预测效果好,具有良好的可行性和适用性,可以应用于高速公路项目的造价预测。

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。

基于可见/近红外光谱和函数型线性回归模型的成熟期苹果可溶性固形物含量预测

可溶性固形物含量(SSC)是反映苹果品质和成熟度的重要指标,能够用于苹果品质分析和成熟度预测。以新疆阿克苏冰糖心红富士苹果为研究对象,从果实膨大定形期至完熟期,以3d等间隔周期采摘样本,采集其380~1110nm的可见/近红外光谱,测定其SSC,共552个样品。然后,利用基函数平滑方法将采集的可见/近红外光谱离散数据转化为光谱曲线,即函数型数据,并以可见/近红外光谱曲线、一阶导曲线、二阶导曲线为函数型解释变量,SSC为标量响应变量,分别建立函数型线性回归模型。为了验证和分析模型的性能,根据原始光谱离散数据,经过移动平滑、一阶导和二阶导预处理后,分别建立偏最小二乘回归(PLSR)、核支持向量机(KSVM)、随机森林(RF)、梯度提升树(GBM)和深度神经网络(DeepNN)。结果表明,在建立的18个模型中,针对训练集,PLSR-dNIR模型、KSVM-dNIR模型、RF-dNIR模型、GBM-dNIR模型和Deep NN-d2NIR模型都优于FunLR-NIR模型、FunLR-dNIR模型、FunLR-d2NIR模型,且Deep NN-dNIR模型最优(r_(c)=0.9996,R_(c)^(2)=0.9986,RMSEC=0.0740,RPDC=27.4366);针对测试集,FunLR-NIR模型、FunLR-dNIR模型、FunLR-d2NIR模型均优于其他所有模型,且FunLR-NIR模型最优(r_(v)=0.9534,R_(v)^(2)=0.9077,RMSEV=0.5856,RPDV=3.3017)。综合训练集和测试集的结果来看,核支持向量机模型、随机森林模型、梯度提升树模型和深度神经网络模型容易过拟合,而函数型线性回归模型具有更好的普适性。此外,从三个函数型线性回归模型(FunLR-NIR模型、FunLR-dNIR模型、FunLR-d2NIR模型)的预测效果看,模型均具有良好的鲁棒性和较高的预测精度。试验结果表明,结合可见/近红外光谱技术与函数型数据分析构建的函数型线性回归模型,可成功、有效地实现成熟期苹果的可溶性固形物含量预测。

一种基于线性回归的雷达航迹跟踪算法

针对雷达航迹跟踪过程中精度与实时性难兼顾的问题,提出了一种基于线性回归的雷达航迹跟踪算法。线性回归作为一种简单有效的建模方法,可用于预测与推断,与雷达航迹跟踪模型一致。工程实践数据表明,该算法对目标运行轨迹拟合度高,跟踪精度高,实用性强。

基于二次指数平滑和多元线性回归的宁波市港口物流需求预测分析

随着经济全球化的发展,港口作为物流发展的重要环节,港口物流需求已经成为港口资源配置规划和进出口贸易的重要依据。为对宁波市港口物流需求进行科学合理的预测,文章借助SPSS等数据分析软件,使用二次指数平滑和多元线性回归分别对其物流需求进行预测,通过对比两种预测方法的精度,最后发现,二次指数平滑法的预测精确度要优于多元线性回归法,并通过二次指数平滑法预测宁波市未来五年的港口物流需求量。

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。

风险偏好对农户在元宇宙场景下的订单农业的参与意愿研究:基于多元线性回归模型的实证分析

元宇宙时代的到来,让订单农业发展面临新机遇。在元宇宙场景下的订单农业可以为农业企业和农户提供一个线上交流和交易的平台,实现企业、农户之间的资源共享。基于河南省洛阳市伊川县345位农业种植大户的问卷调查数据,通过构建多元线性回归模型,探究风险偏好对农户参与元宇宙场景下的订单农业的意愿的影响。结果表明:风险偏好对农户参与元宇宙场景下订单农业意愿有显著正向影响;风险感知对农户参与元宇宙场景下的订单农业意愿有显著正向影响;信息获取能力对农户参与元宇宙场景下的订单农业意愿有显著正向影响。其中,风险偏好对农户参与元宇宙场景下的订单农业的意愿影响最大。

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。

基于最小二乘法线性回归的火炮身管寿命预测

为直观地判断火炮身管寿命,提出一种基于最小二乘法线性回归的预测方法。根据靶场身管参数试验数据分析火炮身管内径、药室长、弯曲度随射弹数增加的变化规律;利用最小二乘法线性回归建立火炮身管磨损量与射弹数的关系式;对某型火炮身管寿命进行预测。结果表明:该方法能够较为准确地预测出火炮身管寿命且算法简单,便于推广使用,可为火炮射击、退役报废等提供重要参考。

基于多元线性回归模型估测蒙古黄芪药效成分含量

以蒙古黄芪种苗为试材,采用高光谱和多元线性回归的方法,研究了栽培和仿野生对蒙古黄芪黄芪甲苷、毛蕊异黄酮葡萄糖苷含量估测方法的影响,以期为实践中利用高光谱快速、准确估测栽培和仿野生蒙古黄芪的药效成分含量提供参考依据。结果表明:栽培和仿野生蒙古黄芪药效成分含量的原始高光谱数据所建立模型的稳定性和拟合度均是最好。估测黄芪甲苷含量模型的RMSE分别是0.0045、0.0085;R^(2)分别是0.761、0.879;所建模型分别是y=0.0054+0.0016x_(1)+0.0002x_(2)+0.0007x_(3)(R^(2)=0.903)、y=-0.1223+0.0040x_(1)+0.0001x_(2)-0.0009x_(3)(R^(2)=0.904)。估测毛蕊异黄酮葡萄糖苷含量模型的RMSE分别是0.0017、0.0040;R^(2)分别是0.860、0.868;所建模型分别为y=0.0731-0.0080x_(1)-0.0004x_(2)+4×10-6x_(3)(R^(2)=0.891)、y=0.0842-0.0007x_(1)-0.0001x_(2)+0.0002x_(3)(R^(2)=0.883)。

多元线性回归模型与多层感知器神经网络在铀矿测井泥质含量预测中的应用

在铀矿资源勘探工作中,泥质含量的测定对于确定地下岩层的性质和砂岩型铀矿床的分布具有重要意义。文章旨在避免常规测井解释计算方法受到希尔奇系数选取准确性的限制,提出了利用多元线性回归模型和多层感知器(MLP,Multilayer Perceptron)神经网络对测井数据进行分析与预测的方法。通过选取某地区的测井数据,采用多元线性回归模型和MLP神经网络进行了泥质含量关系模型的构建和验证。结果显示,多元线性回归模型在泥质含量低层位出现过拟合现象,而MLP神经网络则表现出更高的预测准确性,MLP神经网络在泥质含量预测中优于传统多元线性回归模型,为铀矿勘探中泥质含量的准确预测提供了有效工具,并有望改进现有的泥质含量评价方法。这些研究成果可显著提升测井解释的效率和准确性,对后续铀矿勘探开发工作的开展具有积极影响。

猪胴体重在线分级预测线性回归模型研究

[目的]针对国内大多数屠宰企业仍通过人工测量猪胴体背膘厚度,再结合胴体重对其进行分级,存在劳动强度大、作业效率低、人畜交叉污染风险高等问题,本文旨在建立猪胴体重预测模型,以便利用图像处理等技术获取模型中的相关参数,进而获得胴体重。[方法]在14:00—15:00、15:20—16:20、16:30—17:30三个时段内,随机选取按照标准化工艺屠宰后15 min左右、胴体重50~90 kg的猪胴体60头,在完成各试样前腿处横长(L_(f))、1/2处横长(L_( 1/2))、后腿处横长(L_(r))、1/2处背膘厚度(t_(1/2))、胴体直长(L_(t))及胴体重(w)等参数测定的基础上,建立不同的胴体重预测模型并进行优化及准确率验证。[结果]采用横长加权均值(L_(e))代替背膘厚度,与直长建立的胴体重预测模型为w=4.05L_(e)+0.45 L_(t)-116.32,其决定系数由0.48提高到0.96(P=0.01),预测准确率最高达94.16%。[结论]采用横长加权均值减小了误差,建立的猪胴体重预测模型准确性较其他模型高。

基于多项式回归与线性插值的全场纳米谱学成像背景序列预测

全场纳米谱学成像(TXM-XANES)是将透射X射线显微镜(Transmission X-ray Microscope,TXM)与X射线近边吸收结构(X-ray Absorption Near Edge Structural,XANES)有机结合的成像方法,通过测量感兴趣元素K边前后多个能量点的TXM图像,无损获得样品内部纳米尺度化学元素价态分布,已应用于能源材料、生物医学和地球科学等多个学科领域。常规TXM-XANES数据需要采集每个能量点下的图像和背景图像,数据量大,采集时间长,由于纳米尺度下机械结构的不稳定和样品的移动都会对TXM-XANES数据分析产生一定的影响。基于已知数据,利用机器学习的算法建立了多项式回归与线性插值运算模型,实现了仅通过两张谱学背景图像完成背景图像序列预测建模。利用该方法对标准样品及锂电池正极材料进行谱学成像分析,结果表明:相对于常规TXM-XANES方法,该方法具有数据量少、采集时间短等优势,可显著提升TXM-XANES的实验效率。