BP-ANN预测网络关系中的数据降维与模型综合方法

预测社会网络中的二元不对称关系是有效把握和拓展网络资源的一个有效途径。基于邻接关系的神经网络预测网络关系中,网络的大规模和稀疏性导致了输入向量的高维性,文章提出一种降维算法,并针对神经网络在预测网络关系中存在的不平衡性,在建立预测模型综合评价指标基础上,构建了神经网络预测模型综合方法,最后通过实例验证了算法和方法的有效性。

基于BP神经网络降低汽油精制过程中的辛烷值损失

随着汽车工业的迅速发展和人们生活水平的不断提高,人均汽车保有量迅速增加,因此汽油燃烧产生的尾气排放问题也得到各国的持续关注,而汽油中辛烷值的含量对减少汽车尾气排放问题极为重要。文章研究了汽油生产中各操作变量的数据处理问题并提取了主要变量,利用python建立神经网络以此来建立辛烷值失损预测模型、利用Matlab软件仿真以此来优化操作中各个参数模型的优化问题。最后以图表的形式展示了主要操作变量优化调整过程中对汽油中辛烷值硫含量的变化轨迹。

黄酒糖度近红外光谱降维算法的研究

选取PCA、PLS线性降维算法,LLE、LTSA、ISOMAP、FastICA非线性降维算法对光谱数据降维并建立PLS预测模型.结果表明,线性降维算法中建模效果最好的为PCA算法;非线性降维算法中建模效果最差为FastICA算法;在黄酒近红外光谱降维中非线性降维算法优于线性降维算法.选取ISOMAP-PLS和BP非线性模型对光谱数据进行建模.结果表明,ISOMAP-PLS预测效果优于BP预测效果从而验证非线性降维算法结合PLS建模的可行性.

因子分析模型的高光谱数据降维方法

为解决高光谱遥感数据量大且波段间相关性高等问题,提出基于因子分析模型的高光谱数据降维方法。该方法通过因子载荷矩阵求解、模型参数求解、旋转矩阵计算以及因子得分估计,得到表征高光谱图像的本征维数。该方法可以找出少数的几个综合因子来代表众多因子,而这少数几个综合因子不仅能主要反映原来的众多因子的信息,而且彼此独立,从而实现高光谱数据的降维。通过利用航空推扫型成像光谱仪(PHI)数据进行本文方法的性能验证,结果表明,Kappa系数从未降维数据的0.744提高到0.821,满足了得到数据本征维数的同时最大程度的保留数据有用信息、消除波段间的相关性和增大类间的可分性的应用需求。

基于电力营销大数据技术的反窃电检查应用分析

由于目前方法存在精度低和性能差的问题,提出基于电力营销大数据技术的反窃电检查应用分析方法。该方法采用因子分析模型对电力营销大数据进行降维处理,并利用缺失数据填补算法对降维处理后的缺失电力营销数据进行填补,对线损波动率、电流差异曲线和台区线损三者之间存在的关联进行分析,以此判断是否存在窃电行为,完成反窃电检查。实验结果表明,所提方法可准确检测到窃电行为发生的时间和次数,F-Measure值高,表明所提方法的检测精度高、性能好。

基于因子分析法的光纤通信网络风险评估

针对当前光纤通信网络风险评估指标多,建模效率低,评估精度差等不足,提出一种因子分析法的光纤通信网络风险评估模型。首先构建光纤通信网络风险的评估指标,然后采用因子分析法优化评估指标,减少评估指标的维数,最后采用支持向量机建立光纤通信网络风险评估模型,并将其应用于具体光纤通信网络系统的风险评估中,结果表明,本文模型实现了评估指标的约简,可以准确描述评估指标与风险值间的变化关系,获得了十分理想的光纤通信网络风险的评估结果,有效保证了光纤通信的安全。

预测冲击地压危险性等级R型因子Fisher判别

为提高小样本预测冲击地压危险性等级精度,提出一种R型因子分析Fisher判别的预测模型。以砚石台煤矿为例,利用R型因子分析处理冲击地压危险性评价指标,提取原有指标特征信息,用少量主因子代替原有评价指标,定性分析冲击地压危险性等级;采用Fisher判别法分析R型因子分析处理结果,确定评价集与不同危险等级冲击地压的距离,并回判训练集,提高判断矩阵精确度;再根据判断矩阵预测冲击地压危险性等级。结果表明:该模型可弱化指标间的相互影响,明显提高小样本预测准确度。

基于模糊K-Means的MBD随机样本分类仿真

当前已有的大数据随机样本分类方法忽略了对样本数据的降维处理,导致分类结果存在准确率低、召回率低、F_(1)值低以及耗时长的问题。为解决以上问题。提出基于模糊K-Means的海量大数据随机样本分类方法。利用因子分析模型对海量大数据样本降维,再利用信息熵和相似度对低维样本数据进行异常检测,并淘汰特征量较少或特征内容重合度较高的样本数据,进而获取优化的样本数据集。根据快速收敛函数的多次迭代提取样本数据集内特征,并以样本特征矩阵为基础,利用模糊K-Means聚类算法实现样本特征的分类。仿真结果表明:与现有方法相比,所提方法分类准确率、召回率、F_(1)值均较高,且分类耗时更短,可应用性更强。

基于改进ARMA-XGBoost算法的汽油辛烷值损失预测模型

针对汽油辛烷值损失数据中异常采样数据,本文提出一种基于机器学习的汽油辛烷值数据处理方法。该方法包括基于XGBoost的缺失值预测分析及基于Random Forest的异常值处理、再利用基于ARMA算法的特征降维模型,将模型的预测值与真实值进行对比,结果表明在测试集上的准确率为91.31%。经过异常值处理模型修复的数据满足辛烷值损失要求,可为后续降低辛烷值损失提供数据支撑和主要特征改善提供依据。

高维模型选择方法综述

模型选择是统计学的热点研究问题。近年来随着数据维数越来越高,传统模型选择方法的应用受到了很多制约。本文着重介绍高维模型选择的新方法,并讨论实现模型选择过程的一个重要环节,即调整参数的选取。最后文章总结归纳了未来可能的研究方向。

松嫩高平原黑土区耕地资源安全的驱动机制分析

为了深入剖析影响区域耕地资源安全驱动因子的作用机理,研究区域耕地资源安全驱动机制。该文以松嫩高平原黑土区巴彦县为例,运用Matlab编程,采用遗传算法对神经网络模型进行改进,结合相关分析法,识别影响耕地资源安全的关键性因子及其与之相关的因子,应用多元回归分析和完全二次回归分析方法,阐明影响因子间的协同作用关系,进而揭示其对耕地资源安全影响的作用机理和驱动机制。结果表明:1)影响研究区耕地资源安全的协同作用关系中,不同影响因子间的协同作用正向和负向交互进行,且不同因子间协同作用大小也不尽相同;2)影响研究区耕地资源安全的自然因素、社会经济因素、生态因素中,自然因素对研究区耕地资源安全起促进作用,社会经济因素和生态因素起抑制作用,且社会经济因素对研究区耕地资源安全的抑制作用最强,生态因素的抑制作用次之;3)在主要影响因子中,土壤质地对耕地资源安全的促进作用最强,pH值次之,黑土层厚度的促进作用最弱,而高程对耕地资源安全抑制作用最强,水土流失量仅次之,氟的抑制作用最弱。该研究成果可为黑土区耕地资源保护及耕地资源的合理利用提供参考。

腔体约束LIBS结合机器学习对土壤重金属元素的定量分析

土壤重金属元素含量检测及防治,对我国农业、生态环境修复具有重大意义。利用外加腔体约束结合激光诱导击穿光谱技术(LIBS)获得土壤光谱数据,采用机器学习对土壤中重金属元素Ni和Ba含量进行分析。实验设置延迟时间为0.5~5μs,选择NiⅡ221.648 nm和BaⅡ495.709 nm作为目标研究特征谱线,计算两种LIBS条件下延迟时间对信噪比、光谱强度及增强因子的影响。结果表明,腔体约束LIBS(CC-LIBS)可以增大光谱强度及目标元素信噪比,同时随着采集延迟时间增长,等离子体数目变少,光谱强度及信噪比逐渐减小并趋于稳定;当延迟时间设置为1μs时,CC-LIBS条件下Ni和Ba元素特征谱线信噪比达到最优,确定此时为LIBS最优实验条件。通过最优条件获取9种含Ni和Ba元素土壤样品的光谱数据,由于采集到的每组光谱信息有12248个数据点,利用主成分分析(PCA)对CC-LIBS条件下的光谱数据降维,在保留95%以上的土壤原始信息后,选择9个主成分作为定量分析模型的输入变量,以提高模型的运算速度。采用机器学习中的Lasso,AdaBoost和Random Forest模型,对PCA降维后的光谱数据进行建模及预测,实现土壤重金属元素Ni和Ba的定量分析。结果表明,与Lasso和AdaBoost模型相比,Random Forest模型在训练集和测试集中表现出的预测性能最优。Random Forest模型下Ni元素在测试集中的R^(2)为0.937,RMSEP为3.037;Ba元素在测试集中的相关系数R^(2)为0.886,均方根误差RMSEP为90.515。基于腔体约束LIBS技术结合机器学习,为土壤重金属元素的高精度检测提供了技术指导。

基于扇区复杂性数据的管制员工作负荷评估

为准确有效地评估管制员的工作负荷,首先通过调查问卷选取了13个扇区的数据指标,并通过雷达管制模拟实验收集扇区复杂性数据和管制员对于自身工作负荷的主观自评估值;然后根据数据运用因子分析与主成分分析法将扇区数据指标降维,简化成具有代表性的新主成分并作为自变量;再采用回归方程来建立管制员工作负荷预测模型,并得出管制员工作负荷的预测值;最后将客观数据分析得到的预测值与管制员工作负荷的主观自评估值相比较,验证了模型的准确性。

松嫩高平原黑土区耕地利用系统安全影响因子作用机理研究——以黑龙江省巴彦县为例

耕地利用系统安全是保护耕地健康和保障粮食安全的基础。论文以巴彦县为例,采用遗传算法对神经网络模型进行改进,识别耕地利用系统安全的敏感性影响因子,并应用通径分析法,确定单一因子和复合因子对系统安全作用机理。结果表明:①单一因子的作用中土壤类型对耕地利用系统安全的作用强度最大,高程最弱。不同因子对耕地利用系统安全的正负相关关系不同,对系统安全分别起促进和抑制作用;耕地利用系统的其他影响因子对系统安全的共同作用也很大,是不可忽视的重要因子;②各因子存在复杂的制约关系,单一因子和复合因子共同作用是系统安全主要的作用机理,且单一因子和复合因子对系统安全影响的显性特征不同;自然生态因子对系统安全的单一作用、人文因子对系统安全的复合作用机制显著。

基于FA-ELM的转炉终点磷含量预测模型

转炉终点磷含量的预测对实现转炉自动出钢、缩短冶炼周期具有重要意义,为了实现转炉终点磷含量的窄窗口控制,为操作工艺提供指导,需要建立更高精度的终点磷含量预测模型。通过对冶炼工艺以及脱磷热力学的分析,选取12项影响脱磷过程的可观测指标,构建了终点磷含量预测指标体系,然后借助因子分析法(FA)对数据进行降维处理,得到6个派生变量,将其作为模型输入,终点磷含量作为模型输出,建立基于超限学习机(ELM)的终点磷含量预测模型。并将ELM模型预测结果与BP神经网络的进行对比,研究发现,ELM模型拟合度更高,回归系数R2=0.7787,平均误差MAPE=0.1060,并且预测误差在±0.0030%内的炉次所占比例为86.67%。因此,相比于BP神经网络模型,ELM模型具有较高的精度和较好的泛化能力。

急性冠状动脉综合征中医证候要素分析

目的探讨急性冠状动脉综合征(ACS)中医证候要素的分布特点。方法收集经冠状动脉造影证实的ACS患者241例,根据其病史、症状、体征和相关实验室检查进行全球急性冠状动脉事件注册(GRACE)危险评分,并进行中医证候要素分类,使用多因子降维法(MDR)模型筛选出影响ACS预后的具有交互作用的中医证候要素,并且经Logistic回归分析验证。结果 241例ACS患者中血瘀证最为常见213例(88.4%),其次是气虚证、阴虚证、痰浊偏寒证、痰浊偏热证、阳虚证、气滞证;经GRACE危险分层,高危患者21例(8.7%),中低危患者220例(91.3%);应用MDR模型和Logistic回归分析得出Logistic回归方程为:logitP=-2.480+1.969(血瘀+痰浊偏寒+阳虚),发生不良预后危险的比数比例为7.167(OR=7.167,95%CI:1.583,32.441)。结论 ACS患者主要证候要素为血瘀和气虚,出现阳虚+血瘀+痰浊偏寒证的ACS患者较不出现的患者6个月内发生全因死亡事件可能性的百分比要高。