LGM模型中缺失数据处理方法的比较:ML方法与Diggle-Kenward选择模型

追踪研究中缺失数据十分常见。本文通过Monte Carlo模拟研究,考察基于不同前提假设的Diggle-Kenward选择模型和ML方法对增长参数估计精度的差异,并考虑样本量、缺失比例、目标变量分布形态以及不同缺失机制的影响。结果表明:(1)缺失机制对基于MAR的ML方法有较大的影响,在MNAR缺失机制下,基于MAR的ML方法对LGM模型中截距均值和斜率均值的估计不具有稳健性。(2)DiggleKenward选择模型更容易受到目标变量分布偏态程度的影响,样本量与偏态程度存在交互作用,样本量较大时,偏态程度的影响会减弱。而ML方法仅在MNAR机制下轻微受到偏态程度的影响。

基于安德森模型的农村老年人养老方式选择及影响因素研究——以CHARLS 2020年数据为例

[目的]基于安德森模型,以农村老年人为研究对象,探讨其养老方式选择及影响因素,为制定更贴合农村老年人实际需求的养老政策和服务提供参考。[方法]利用CHARLS 2020年数据,纳入451例样本,采用SPSS 26.0进行克鲁斯卡尔-沃利斯单因素非参数检验和多分类Logistic回归,探讨各因素与农村老年人养老方式选择之间的关系。[结果]农村老年人养老方式以家庭养老为主(占76.9%),社区养老次之(占14.9%),机构养老最少(占8.2%)。单因素分析显示,性别、年龄、文化程度、婚姻状况、社交活动、家庭总收入、是否有医疗保险和ADL显著影响农村老年人养老方式选择(P<0.05)。多因素回归分析显示,以家庭养老方式为参照,倾向因素中的性别和婚姻状况、需求因素中ADL对农村老年人机构养老选择具有显著性影响(P<0.05),倾向因素中的性别、使能因素中社交活动对于农村老年人社区养老选择具有显著性影响(P<0.05)。[结论]我国农村老年人养老方式以家庭养老为主,不同养老方式的选择受到倾向因素、使能因素和需求因素的综合影响,在制定养老政策和服务时,应进一步优化农村社区和机构养老服务,充分考虑老年人的需求差异,提供多元化、个性化的养老选择。

由理想模型到现实情境的中学地理大概念单元教学课时设计架构——以“产业区位选择”为例

探索以培养学生高阶思维能力为目标的学科大概念单元教学课时模式,对于深化教学改革和提升教学质量具有重要意义。本文构建了由理想模型到现实情境的中学地理大概念单元教学课时设计架构,主要包含构建理想模型、动态情境探究和学科大概念生成三个环节。在此基础上,本文探讨了由理想模型到现实情境的课时设计架构的关键点,并进行理论循证,最后以“产业区位选择”为例呈现了课时设计案例。

基于模型选择的无线通信设备可靠性分析

设备失效分布规律是可靠性工程的基础。针对无线通信设备自身结构与失效机理复杂,失效分布类型众多,可靠性模型选择困难及评估难度大等问题,从系统的底层硬件设备失效分布研究出发,以典型无线通信系统车辆自组网设备为研究对象,通过对比分析设备寿命指数分布、对数正态分布、两参数威布尔分布的相关系数和误差值,引入信息量准则和专用拟合优度检验分析可靠性模型拟合效果,提出了基于模型选择的无线通信设备可靠性分析方法,并结合实际案例进行检验与分析,提高了模型选择的准确性和有效性。

多模态模型嵌入知识生成的逻辑机理与路径选择

基于海量数据与强大算法的多模态模型依赖复杂的结构框架,在嵌入知识生成的过程中展现出跨域数据处理能力和持续输出创新数据等核心特征。高度智能化的知识数据整理、自适应多场景的知识表达与动态协同聚合的知识共享等,推进知识生成逻辑从既有信息理解向全新知识产出的转变。然而,多模态模型逐渐暴露出缺乏合法可靠的知识数据源、透明可释的生成过程以及高质量内容输出等诸多问题。亟待通过搭建价值对齐的生成模型、提升可控生成的技术水平、完善人类反馈提示策略、构筑基于规则的管控体系等约束其更好地支撑知识生成,加速创新驱动新质生产力发展的进程。

创伤性颅脑损伤输血预测模型的特征加权选择方法研究

目的:通过构建的特征加权方法筛选出最佳特征子集,构建创伤性颅脑损伤输血机器学习预测模型。方法:通过对临床输血多维数据的异常值与缺失值处理、特征方差与相关性系数计算、特征评分归一化与特征分数加权相加和基于相关性的特征选择(CFS),建立单病种输血大数据的特征加权选择方法,并筛选出最佳特征子集,采用XGBoost算法模型验证特征子集的应用性能。结果:本研究建立了创伤性颅脑损伤输血大数据的特征加权选择方法,通过对医院3579例颅脑创伤患者临床输血大数据纳入的46个特征进行筛选,最终纳入16个特征作为最佳特征子集。XGBoost算法模型预测结果显示特征加权选择的特征子集构建的模型的准确率、ROC曲线下面积、召回率和F1值均高于卡方算法、随机森林和逻辑回归特征选择。结论:特征加权选择方法可有效提取临床输血多维数据中的重要特征,可提升临床输血模型预测准确性,为构建输血预测机器学习模型和人工智能开发提供支持。

机床优化选择的多级模糊综合评判模型及其算法

在生产中,机床设备的选择涉及到多个指标和多种方案的多目标决策,是一个繁琐复杂的问题。以如何能够从众多的机床设备中选用一台适合生产所用机床为研究对象,从机床的加工性能、经济性能、环境属性和人机属性四个方面进行了分析,建立了多级模糊综合评判模型,经过层次分析法确定了各因素的权重,从而计算得出了最优的机床设备选用方案。最后通过案例证明了该算法的正确性和实用性。

我国中考体育政策执行的制约因素与路径选择——基于史密斯政策执行过程模型的视角

中考体育政策执行效果直接影响着我国中考体育的改革与发展。基于史密斯政策执行过程模型,运用文献资料法与逻辑分析法,对当前我国中考体育政策的实施过程进行梳理与分析。研究认为,政策有效推行不畅、机构运行效果滞后、目标认知偏差和外界阻力较大等都是阻滞中考体育政策有效执行的重要因素。提出中考体育政策执行的路径:强化政策制定体系,保证政策科学合理;完善政策执行机制,发挥多元协同作用;激发群体主动性,满足群体利益需求;营造良好政策环境,提升宣传保障效能。

拥挤信息下基于Logit模型的公共交通 方式选择行为研究

人们对出行方式的舒适性要求越来越高,出行信息能为出行者提供有效帮助。采用正交试验对公共交通方式选择特性变量进行情景组合设计,并结合公共交通出行特征进行问卷调查设计,对提供拥挤信息条件下出行者对公共交通方式选择意愿进行调查,据此建立公共交通方式选择Logit模型。结果表明,拥挤信息对公共交通方式选择有显著影响,对公交出行选择影响较大。

基于优化特征选择的污水处理过程BOD神经网络软测量模型

针对污水处理过程中出水生化需氧量(BOD)难以在线准确测量的问题,提出一种基于随机森林(RF)重要性评估与改进海鸥算法(ISOA)优化长短期记忆神经网络(LSTM)相结合的软测量方法对出水BOD进行预测.利用随机森林算法对影响出水BOD的预测因子进行重要性评估,筛选出重要性评分较高的预测因子作为软测量模型的输入变量;设计一种基于改进海鸥优化算法(ISOA)优化LSTM网络的软测量模型,引入混沌映射与新的搜索机制克服海鸥优化算法多样性差、易陷入局部最优等问题,利用改进的海鸥优化算法对LSTM网络的迭代次数、隐含层节点数、初始学习率、学习率下降因子4个超参数进行优化.将软测量模型运用于实际污水处理过程,结果表明:经随机森林筛选变量以及改进海鸥算法优化之后,模型预测误差变小,预测精度有明显提高,能够实现对出水BOD的精准预测.

考虑心理偏好的枢纽抵站旅客接续出行方式选择模型

为掌握枢纽抵站旅客的出行方式选择特征,解决接续运输运力配置协同优化与效率提升问题,基于高铁枢纽接续出行问卷调查数据,引入上次接续属性、接续方式主观重要度、枢纽服务满意度、接续出行选择倾向特征等潜在变量因素,构建考虑心理倾向的结构方程模型(Structural Equation Model,SEM)和抵站旅客接续出行方式选择多项Logit(Multinomial Logit,MNL)模型相融合的SEM-MNL模型,定量计算枢纽抵站旅客接续出行分方式选择效用函数,预测不同时段旅客接续出行方式选择概率,并对比分析SEM-MNL模型与MNL模型命中率.研究结果表明:引入心理倾向潜在变量后,模型的整体命中率提升了4.6%;对枢纽环境服务满意度越高、接续方式服务重视程度越高、上次出行的时间和距离更短且使用公共交通的出行者,更倾向于选择公共交通方式.通过方式选择模型预测分方式的接续出行需求,开展对外客运枢纽接续运输保障和多模式运力的协调调度,对于实现枢纽接续客流与运力资源的供需平衡,继而提升接续服务质量具有重要意义.

基于Stackelberg博弈的电炉企业供应链渠道选择模型

为了提升电炉企业供应链渠道的风险抵抗力,设计一种基于Stackelberg博弈的电炉企业供应链渠道选择模型。在Stackelberg博弈中,分析电炉企业供应链成员的Stackelberg博弈条件,作出相关假设;将Stackelberg博弈基本元素与电炉企业供应链元素一一对应,计算实际市场需求量和收益函数,确定电炉企业渠道选择的影响因素,建立物流企业供应链渠道选择模型;设计电炉企业供应链渠道选择步骤,选择最优的电炉企业供应链渠道。实验结果表明:研究方法选择的供应链渠道在内部风险和外部风险条件均获得较高收益,具有较优的抗风险能力。

基于潜在类别选择模型的MaaS套餐偏好异质性分析

出行即服务(MaaS)旨在为用户提供一个集成信息、预定和支付的单一数字平台。MaaS还可以为用户提供各种产品,其中包括捆绑式的MaaS套餐,将多种交通方式结合并以一站式的方式提供给用户。为了探讨出行者对MaaS套餐的需求和偏好,通过对上海312名受访者进行调查,使用潜在类别选择模型(LCCM)分析不同群体之间偏好的异质性。识别3个潜在类别,不同类别具有不同的MaaS套餐偏好和个体特征。结果表明,个体偏好存在显著的异质性。年龄、收入、受教育程度和当前出行行为都在个人购买决策行为方面发挥着重要作用。研究结果为MaaS运营商和政策制定者识别潜在人群和设计可行的MaaS套餐方案提供参考,以帮助提升用户出行体验和更广泛的采用与推广MaaS。

变系数模型的稳健变量选择与结构识别

研究了稳健回归下变系数模型的变量选择和模型结构识别问题。利用B样条基函数近似非参数系数函数,建立自适应组Lasso双惩罚函数选择变系数模型中的重要变量并且识别具有常数效应的协变量,同时估计未知的非参数系数函数。在一定条件下,证明了所提出的惩罚估计量具有相合性和稀疏性。通过数值模拟验证所提方法的有限样本性质。

基于MaxEnt模型的云南干热河谷适生树种选择

基于MaxEnt模型识别和预测云南干热河谷适生树种,对于改善和恢复其生态治理能力具有重要意义。收集40种具有代表性的潜在适生树种地理分布数据,结合气候、地形和土壤等环境因子,利用MaxEnt模型筛选适生树种。预测当前和2021—2040年四种气候情景下(SSP126、SSP245、SSP370和SSP585)适生树种适生区的分布格局,划分优先种植区域,并明确MaxEnt模型用于树种选择的可行性。结果表明:(1)当前气候情景下,影响干热河谷潜在适生树种分布的主导因子是气候因子,其次是海拔、植物归一化指数、地表太阳辐射量和人类足迹。(2)未来,24种适生树种适生区稳定,发生概率与海拔关系呈单峰分布且高海拔下适生树种丰富度将降低。(3)干热河谷适生树种优先种植区域沿干热河谷呈狭长分布;实际调查发现,元谋县适生树种实际分布区域面积略高于最佳种植区域面积。应用MaxEnt模型筛选干热河谷适生树种选择是可行的,但在应用之前必须通过实地调查来验证树种实际生存情况与预测结果的差异。在干热河谷生态修复造林时,可优先考虑白枪杆、车桑子等24种树种。

隧道围岩收敛变形预测模型动态选择与变形量概率 预测

高地应力或复杂地质条件下隧道围岩极易变形侵限。在隧道施工期对围岩的变形趋势与收敛变形值进行超前判识,对保障施工人员安全、提高隧道施工效率具有重要意义。传统单一预测模型难以适应隧道收敛变形的动态变化,预测效果有限。建立了一个基于连续贝叶斯反分析方法和最优模型选择的围岩收敛变形动态预测模型,利用隧道收敛变形监测信息作为观察值,对用于围岩收敛变形曲线预测的3种经验模型参数进行了连续更新校准,选择最优模型预测围岩最终收敛变形值并量化其不确定性。将该模型应用于白马隧道9个断面16组测点的围岩收敛变形预测,预测与监测的最终收敛变形量平均相对误差仅3.22%。动态预测模型仅需开挖后10 d的观测数据即可有效预测40 d的最终变形收敛结果,为全断面开挖法隧道围岩变形侵限和大变形灾害防治提供了重要技术支撑。

基于特征波段选择的冬小麦叶面积指数高光谱遥感估测模型研究

为提高冬小麦叶面积指数(LAI)的遥感估测精度,以实现其无损快速测定目标,在田块尺度设置多年定点不同冬小麦品种氮梯度试验,测定其不同生育时期冠层高光谱数据和LAI,通过原始冠层光谱数据与一阶导数预处理(first-derivative, FD)组合竞争自适应重加权采样(competitive adaptive reweighted sampling, CARS)、无信息变量消除(uninformative variable elimination, UVE)和随机蛙跳(random frog, RF)三种特征波段选择方法进行偏最小二乘回归(partial least squares regression, PLSR)高光谱估测模型构建。结果表明,一阶导数预处理在简化波段数量和提升模型精度上具有较好作用。经过与全波段数据及六种组合内部建模预测精度对比,RF在简化波段方面效果最好,FD-RF组合筛选波段数量为6个,建模的R^(2)和RMSE分别达到0.850和0.730,预测的R^(2)和RMSE分别为0.704和1.005;FD-CARS组合达到了最佳建模精度,R^(2)和RMSE分别为0.876和0.641;FD-UVE组合达到了最佳预测精度,R^(2)和RMSE分别为0.755和0.672。这说明基于特征波段选择可以进行冬小麦叶面积指数高光谱遥感模型建立与有效估测。

基于正交投影的线性混合效应模型的弹性网变量选择

本文考虑线性混合效应模型的变量选择问题.通过结合QR分解和弹性网惩罚方法,提出了一种线性混合效应模型中固定效应的变量选择方法.先通过QR分解技术消除随机效应对模型的影响,再利用弹性网构造固定效应的惩罚最小二乘目标函数,从而同时进行回归系数的估计和变量选择,证明了所得估计的组效应性质.所提出的变量选择过程不仅可以将固定效应和随机效应分离,使得两者之间互不影响,而且拥有弹性网方法的组效应性质.模拟研究了所提出方法的有限样本性质.

基于集成特征选择的中小微企业信贷风险分类模型研究

文章以客户违约率作为中小微企业信用风险的评价标准,尝试构造基于集成特征选择的中小微企业信用风险分类模型,结合互信息矩阵、基于k折交叉验证的随机森林和支持向量机对模型进行分析。研究表明企业的信誉等级、销项有效率和最高销项对信用风险有显著影响,其他因素对信用风险的影响不显著,实验说明基于k折交叉验证的支持向量机具有可靠的信贷风险预测能力,对中小微企业信用风险评估有较强的参考价值。

电控离子选择渗透技术盐湖提锂传质模型

电控离子选择渗透(ESIP)是一种新型离子分离技术,可实现在复杂盐溶液中连续高选择性提取痕量目标离子。本工作研究了外加电场和电活性位点耦合作用下锂离子(Li+)在ESIP膜内的传质行为,引入电活性位点浓度参数对离子在膜相中的电化学势进行修正,提出修正的Donnan模型,结合电解质溶液电中性假设、界面电化学势守恒和法拉第定律,以Nernst–Planck方程为理论基础,建立了一维ESIP锂离子传质模型。重点研究了外加电场、接收液浓度、膜内电活性位点浓度以及膜厚4种参数对Li+在ESIP膜内传质过程的影响,为ESIP分离技术的生产放大提供依据。