基于XGBoost与Lasso模型进行电负荷数据预测

本篇文章旨在探讨工厂电力负荷预测的算法和模型,以保证工厂生产系统的效率和稳定性。首先,我们分析了工厂电力负荷的特点和影响因素,主要包括工厂电力负荷的历史数据,以及基于历史数据衍生出特征。然后,我们提出了一种基于机器学习的电力负荷预测模型,该模型能够根据历史数据预测未来一段时间内的电力需求。通过对比不同的机器学习算法,我们发现Lasso回归模型在预测精度和稳定性方面表现最好。最后,我们通过实验验证了该模型的有效性和实用性,为工厂电力负荷管理提供了重要的参考依据。

基于IG-LASSO模型的城市空气质量指数混合预测研究

空气质量指数是各个地区空气污染状况的数据表征,可用于政府对城市空气污染的控制。论文使用天津市2014年1月1日-2016年4月30日的空气质量数据和气象数据,建立一个基于IG(信息增益)和LASSO(最小绝对收缩率和选择算子)的空气质量指数混合预测模型,对未来一天的空气质量指数进行预测。整体实验由预测模型选取、特征变量选取和混合预测3个部分组成。实验结果说明基于IG和LASSO的空气质量指数混合预测模型要比单独使用LASSO模型的预测准确性要好,其误差率为4.75%,并且空气质量指数混合预测模型也可以有效的减少输入变量的数量以及降低模型的复杂程度。同时,也得出天津市空气质量指数的预测准确度受PM_(10)、PM_(2.5)、NO_2和SO_(2)4种空气污染物浓度影响较大,与风向、天气现象和风力关联性不强的结论。

中部六省FDI影响因素适应性Lasso模型探析

本文基于变量选择理论,运用适应性Lasso模型,选取中部崛起背景下2006-2017年中部六省的历史统计数据,探索影响中部六省外商直接投资的主要因素。结果表明:(1)中部崛起背景下,中部六省外商直接投资整体呈上升态势,存在明显的阶段性特征,其中"2008年世界金融危机爆发"是发展进程中的重要节点事件;(2)对影响因素深度剖析表明,集聚程度、经济发展水平、基础设施发展、政府效率对于吸引外资的作用明显。最后根据影响因素的强弱特征,给出了中部地区促进外商直接投资的相关建议。

北京市综合性公立医院运行效率研究:基于Pabon Lasso模型与DEA模型实证分析

目的:从整体上关注北京市综合性公立医院的效率水平及变化,为进一步深化北京公立医院改革并提高医院效率提供参考。方法:基于2012年和2017年《北京市卫生工作统计资料》中北京市二级、三级综合公立医院数据,分别建立Pabon Lasso模型和DEA模型评估其效率水平。结果:北京市2017年三级综合公立医院较2012年BOR、BTO和ALOS指标均有所改善,Pabon Lasso模型中医院效率提高和下降之比为3∶1,DEA综合效率得分在0.8?1的医院增长19.56%。二级综合公立医院仅ALOS指标改善,Pabon Lasso模型中医院效率提高和下降之比为5∶4,DEA综合效率得分在0.8?1的医院增长20.97%。结论:北京市公立综合医院的效率在北京市医改政策推动下有所提升,结合Pabon Lasso模型与DEA模型可提示医院效率改进的有效信息。

基于Lasso模型的农业天气敏感性与服务效益研究

中国农业面临更为严峻的天气风险,本文结合改进的C-D生产函数和Lasso模型,选取1997-2017年中国农业主产区江苏、湖南和广西为样本数据,克服了解释变量选择的主观性、自回归性以及多重共线性问题,提升了农业天气敏感性测度的合理性,并对农业天气服务效益进行了评估。结果表明,天气敏感性程度差异明显,从高到低依次为江苏、湖南、广西,针对效益值较大的天气因素提供天气服务和研发产品,能优化提高农业总产值。研究结论为开展农业天气风险评估、监测预警及应急预案体系建设提供依据。

我国商业银行信用风险预警研究——基于Lasso模型

如何避免系统性金融风险,维护金融稳定,一直是我国金融监管最为重视的问题之一。本文以我国上市商业银行会计数据为基础,探索从商业银行自身资本结构、盈利能力、收益质量、专项指标四个维度建立Lasso模型,科学选择评估指标体系,构建我国商业银行信用风险评估模型,并与全变量回归模型和逐步回归模型进行比较。实证分析发现,相对于全变量回归模型和逐步回归模型,Lasso模型更能抓住商业银行信用风险的关键因素,而且模型稳健性和预测准确率也更高。研究结论为商业银行信用风险管理和防控提供了新的管理思路与实际指导作用。

ARIMA与ARIMAX模型在私人汽车拥有量预测中的应用

为了提高私人汽车拥有量的预测精度,利用时间序列分析方法对全国2005—2020年的私人汽车拥有量数据进行研究,建立基于动态回归(ARIMAX)模型。运用Lasso模型和灰色关联分析得出影响私人汽车拥有量的主要因素,并将主要因素作为回归项引入差分自回归移动平均(ARIMA)模型。然后,在ARIMA模型的基础上建立ARIMAX模型。模型预测的对比结果揭示了ARIMAX的拟合效果更佳,适用于全国私人汽车拥有量的预测。

基于灰度预测和Lasso回归模型的长三角地区碳达峰碳中和时间的预测

本文从政策以及能源消费结构探讨新能源汽车发展与双碳关系的关系,得出新能源汽车对双碳具有推进作用。为了预测长三角地区碳达峰碳中和的时间到来,本文首先采用灰度预测模型,对新能源汽车市场保有量、销量、充电桩数量分别进行未来25年的数据预测,再用Lasso回归模型,得出长三角地区碳排放数据与三者之间的线性关系,最后将未来25年数据代入得到碳排放未来25年数据,得出长三角地区的碳达峰碳中和的时间。

Lasso-BP组合模型在鲤鱼价格预测中的应用研究

为了对水产品市场中的水产品价格进行预测,本文以北京地区的鲤鱼市场为例,基于Lasso回归和BP神经网络组合模型,对鲤鱼价格和影响因素进行预测研究。通过Lasso回归对影响因素进行筛选,将筛选出的影响因素输入到BP神经网络中进行训练,并将影响因素数据输入训练后的模型中,即可输出预测价格。同时,选取2017年10月1日至2018年6月17日数据作为测试样本,对测试样本进行归一化处理,并采用本文提出的模型进行实验。实验结果表明,Lasso-BP模型预测值与真实值整体平均误差为2.59%,在价格波动趋势方面,预测数据准确率达96.53%,在价格波动幅度方面,预测结果的波动幅度与真实数据基本相同,平均误差为2.51%,说明模型预测精度较高,预测效果良好,该文模型满足实际生产工作需要,证明Lasso-BP模型能够对鲤鱼价格进行准确预测。该研究具有一定的理论意义和实际意义。

高校贫困生评定模型的建立——基于Lasso Logistic

在高校贫困生评定问题上,常常需要从多方面考虑学生个人情况,而高校普遍存在无法确定哪些是重要因素,哪些是无关因素,进而选择考虑尽可能多因素来评定贫困生。本文立足于我国高校贫困生评定问题的现状,提出了基于LassoLogistic的高校贫困生评定模型。使用Lasso方法从高校以及各地区政策普遍考虑的众多指标中选出最有效的评定指标,用Logistic模型进行了分类预测,最后通过本文得到的结果对现有政策提出了相应的几点建议。

新发展格局下湖南外商直接投资额定量分析及预测——基于适应性Lasso灰色模型

外商直接投资(FDI)是影响新发展格局下中国经济的重要因素,对其进行定量分析及预测是其健康发展和国家制定政策的基础和依据。文章通过湖南省2000—2020年的外商直接投资额分析该省外商直接投资额总体发展情况,将适应性Lasso模型与灰色模型相结合,实现两种模型功能和优势的互补。使用适应性Lasso灰色模型对湖南省外商直接投资额进行分析和预测,同时对其预测方法和结果进行评价,以期对湖南省外商直接投资决策和战略提供参考。

基于BLS-Lasso组合模型的火电厂蒸汽量预测

在火力发电过程中,蒸汽量的准确测量,对于汽轮机机组的经济稳定运行具有重要的意义。针对传统蒸汽量测量方法精度低的问题,提出了一种基于宽度学习系统(broad learning system,BLS)和Lasso(least absolute shrinkage and selection operator)回归模型的组合预测模型。首先利用One-class SVM(one-class support vector machines)算法对样本进行异常值检测,将检测得到的异常值剔除。然后,采用最大信息系数(maximal informationcoefficient,MIC)对特征变量和蒸汽量进行非线性关联性分析,确定宽度学习系统和Lasso回归模型的输入变量,通过训练得出各自的预测结果。最后,通过最优加权组合法确定两单一模型的权重系数,将它们所得的预测结果线性组合,得到最终的预测结果。实例表明,所建立的组合模型有效地缓解了单一模型在变化剧烈的峰值和谷值预测偏差大的问题,能够准确地预测蒸汽量。

融合小波分解的Lasso光伏净负荷预测方法

为实现碳达峰、碳中和的目标,有必要对光伏净负荷进行预测,辅助电网根据不同用户的用电需求进行智能分配用电。文章提出了一种小波分解结合Lasso回归模型的预测模型,其中小波分解将时间序列数据的时频域进行对调,聚焦到数据的细节,更适合描述光伏净负荷的内在特性,而在Lasso回归模型中引入该方法将原始数据映射到合适的高维特征空间,使得Lasso回归模型应用于非线性的光伏净负荷数据。在实验验证中首先根据已有的10个台区的光伏净负荷数据进行分析,然后通过这些光伏净负荷数据使用预测模型进行训练和预测,实验结果表明该预测模型具有较高的准确性。

Lasso Logistic回归模型识别脂肪肝风险因素效果研究

探讨Lasso(最小绝对收缩和选择算子)Logistic回归模型对脂肪肝风险因素识别研究的应用效果。利用国人健康风险评估问卷(V1.0)对第四军医大学西京医院门诊部特诊中心某事业单位工作人员(含离退休人员)进行调查,建立脂肪肝的Lasso Logistic回归模型。通过交叉验证法选择模型中最佳的调和参数λ,再建立最优子集回归模型和逐步Logistic回归模型,通过3种回归模型对比,探讨Lasso Logistic回归模型的优势。共纳入脂肪肝调查问卷878份,回收率97.66%。交叉验证法选择的λ为0.02191678,基于Lasso Logistic的脂肪肝回归模型纳入的自变量为性别、年龄、BMI(kg/m^(2))、腰围(cm)、腰臀比、收缩压(mmHg)、舒张压(mmHg)、吸烟情况、高强度活动的频率(天/月,天/周)、中低强度活动的频率(天/月,天/周)、糖尿病家族史、糖尿病患病史、空腹血糖健康筛查和胆固醇健康筛查。脂肪肝回归模型的TPR、F-measure和AUC分别为0.8181818、0.6766917和0.7715909,最优子集回归和逐步Logistic回归的TPR、TNR、F-measure和AUC均小于Lasso Logistic回归。脂肪肝受多个风险因素的影响,Lasso Logistic回归模型可用于脂肪肝等常见疾病的风险因素识别研究。

新媒体下电影营销影响因素的实证分析 ——基于Lasso回归模型

电影作为重要的文化载体,对于中国来说,在一次次票房刷新记录的情况下,国产电影的崛起是势不可挡的趋势。国产电影的崛起和新媒体营销有着密不可分的趋势。本文采取理论分析和实证研究相结合的方法,针对新媒体环境下我国电影行业媒介营销发展趋势与具体措施展开详细分析,建立岭回归和Lasso回归模型并分析模型结果以此提出合理的建议。本文的研究为电影产业营销策略的选择提供决策依据,有利于提升电影营销策略的收益和效率,在理论分析和实践应用上均具有重要意义。

2型糖尿病合并非酒精性脂肪性肝病患者肝纤维化检出率及预测因素分析

目的探讨2型糖尿病(T2DM)患者非酒精性脂肪性肝病(NAFLD)及其肝纤维化发生率和影响因素。方法2020年4月~2022年4月我院收治的482例T2DM患者,使用超声检查诊断NAFLD,检测杨氏模量值诊断肝纤维化。应用Lasso回归模型和有序多分类Logistic回归分析法筛查和分析T2DM患者罹患NAFLD严重程度的风险因素,绘制受试者工作特征(ROC)曲线评估风险因素预测NAFLD患者发生肝纤维化的效能。结果在482例T2DM患者中,诊断NAFLD者276例(57.3%),后者包括肝纤维化者58例(12.0%);T2DM/NAFLD/肝纤维化组年龄、周围神经病发生率、体质指数和杨氏模量值分别为(46.0±4.2)岁、82.8%、(28.3±3.2)kg/m^(2)和(10.8±2.2)kPa,均显著大于T2DM/NAFLD组【分别为(45.6±4.9)岁、45.4%、(27.9±3.1)kg/m^(2)和(5.3±1.0)kPa,P<0.05】或T2DM组【分别为(42.5±5.8)岁、44.2%、(25.0±2.7)kg/m^(2)和(4.8±0.6)kPa,P<0.05】;T2DM/NAFLD/肝纤维化组血清甘油三酯、尿酸、HOMA-IR、甘油三酯/血糖/体质指数、血清TNF-α和IL-6水平分别为(2.6±0.8)mmol/L、(355.2±24.6)μmol/L、(2.6±0.4)、(270.8±18.5)、(8.2±2.3)pg/ml和(13.6±2.4)pg/ml,显著大于T2DM/NAFLD组【分别为(2.2±0.4)mmol/L、(334.6±31.0)μmol/L、(2.6±0.4)、(219.1±40.4((1)))、(5.5±1.4)pg/ml和(9.7±2.1)pg/ml,P<0.05】或T2DM【分别为(2.1±0.5)mmol/L、(328.7±36.8)μmol/L、(2.3±0.7)、(207.9±39.1)、(5.3±1.1)pg/ml和(6.7±1.1)pg/ml,P<0.05】;LASSO回归和多因素Logistic回归分析结果显示,TyG-BMI(OR=1.012,P=0.000)、IL-6(OR=2.782,P=0.000)、TNF-α(OR=1.008,P=0.026)、UA(OR=1.530,P=0.000)和糖尿病周围神经病(OR=1.855,P=0.010)为T2DM患者罹患NAFLD严重程度的独立危险因素;ROC曲线分析结果显示,TyG-BMI、IL-6、TNF-α和UA预测患者发生肝纤维化的曲线下面积(AUC)分别为0.897、0.928、0.840和0.762。结论T2DM合并NAFLD患者可能会进展至肝纤维化,了解一些预测因子并进行有效的干预可能能延缓病情发展。

基于随机前沿引力模型的省际技术转移效率及影响因素研究

省际技术转移日益成为缩小地区间技术鸿沟的措施之一。借鉴相关文献研究成果并结合技术转移特征,梳理了影响省际技术转移效率的14个因素,利用新近发展的Lasso(Least absolute shrinkage and selection operator)回归模型筛选出重要变量,然后采用SFA(随机前沿分析)结合引力模型、随机前沿非效率模型考察了省际技术转移效率的主要影响因素及非效率项,并对各省(区、市)的技术转移效率进行了测度。结果表明:①技术输出和输入地区的有效专利数、两者间的技术距离显著影响省际技术转移效率,而省际地理距离对该效率无显著影响;②技术输入地区的技术市场化及知识产权保护度等非效率项是影响技术转移非效率的原因,提高技术市场化程度及知识产权保护力度均能够缓解技术转移的政策约束,从而对技术转移非效率有一定的抑制作用;③我国各省(区、市)的技术转移效率均值在0.4~0.5水平上波动,东部地区的技术转移效率明显高于中部、西部及东北地区。

肺腺癌干性相关分子预后预测模型的构建及验证

目的构建肺腺癌干性相关分子预后预测LASSO模型并验证其有效性。方法应用R语言包“DESeq2”筛选TCGA肺腺癌癌旁间差异表达基因,R语言包“WGCNA”分析差异表达基因和干性指数mRNAsi相关性以筛选中枢干性相关差异表达基因,R语言包“glmnet”构建肺腺癌干性相关分子预后预测LASSO模型,R语言包“rms”构建基于该LASSO风险模型和各临床病理特征的列线图。结果共筛选得8010个差异表达基因和1437个中枢干性相关差异表达基因。当λ=0.03879,获得20个带有非零风险系数的基因组成最优干性LASSO风险模型。Kaplan-Meier曲线和ROC曲线结果表明该模型在试验组、内部验证组和外部验证组(GSE72094)中均能有效预测肺腺癌预后。相比单纯临床病理指标列线图(C指数=0.668,95%CI:0.6080.727),基于该风险模型的列线图(C指数=0.803,95%CI:0.7650.841)预测效率显著提高(P<0.001)。临床决策曲线进一步表明基于该风险模型的列线图可能给肺腺癌患者带来更高的临床获益度。结论本研究成功构建的肺腺癌干性相关分子预后预测LASSO模型,可能是对目前肺腺癌TNM临床分期的有效补充。

基于多策略改进麻雀搜索算法的铸铜转子感应电动机优化

铸铜转子技术在提高感应电动机效率的同时会使电机起动性能变差,通过调整定、转子槽形结构参数可使集肤效应和磁饱和得到改善,同时提高起动性能。但感应电动机优化是一个多变量强耦合的规划问题,若选用所有的槽形结构参数做优化变量会导致计算时间过长且易陷入局部最优。为此,采用LASSO模型筛选对起动性能和效率影响大的槽形结构参数,实现优化变量的降维。在优化方法方面提出了多策略融合的改进麻雀搜索算法(ISSA),并通过基准函数实验验证改进的有效性。以提高电动机起动性能和效率为目标,以电机性能满足IE4标准为约束,将上述方法应用于两台铸铜转子感应电动机优化实例中,并分别从定子槽形结构参数优化、转子槽形结构参数优化及定转子槽形结构参数同时优化3个方向进行分析。为了说明所述方法的有效性,将ISSA与循环遍历法及其他仿生算法的优化结果进行了对比。最后,建立了电动机的仿真模型,对改进前后电动机的起动性能、损耗和磁通密度进行仿真分析。

胃癌患者预后相关微RNA预测模型的构建及其应用价值探讨

目的·通过生物信息学方法建立胃癌患者预后相关微RNA(microRNA,miRNA)的预测模型并探讨其应用价值。方法·收集癌症和肿瘤基因图谱计划(TCGA)数据库中397例胃癌患者的临床病理资料,其中356例临床病理资料完整。397例患者中,男258例,女139例;中位年龄为67岁。将397例患者采用随机抽样法,按7∶3比例分为训练集278例和测试集119例。另从基因表达数据库(Gene Expression Omnibus,GEO)中下载包含20对胃癌及对应癌旁正常组织的miRNA测序数据集GSE93415,从癌组织和癌旁正常组织差异表达的miRNA中筛选出候选差异表达miRNA。基于训练集患者的信息,利用LASSO回归分析,将候选差异表达miRNA拟合成一个可以预测胃癌患者生存率的预后相关miRNA模型。对构建的预后相关miRNA模型的预测效能,分别在训练集和测试集中进行验证,以Log-Rank检验进行生存分析来验证模型的可靠性;以受试者操作特征曲线下面积(area under curve,AUC)分析该模型的预测效能。使用基因表达数据和pRRophetic包中的算法预测患者对化学治疗药物的敏感性。使用Calibration曲线验证恩诺图的准确性。使用一致性指数(consistency index,C-index)检测恩诺图和其他因素建模的一致性。使用决策曲线分析(decision curve analysis,DCA)推测候选因素对于临床决策的帮助。结果·(1)训练集与测试集患者的临床资料和总体生存率比较,差异均无统计学意义(均P>0.05)。(2)差异表达miRNA筛选结果:从GSE93415测序数据集中计算得到111个候选差异表达miRNA,其中20个在癌组织中上调,91个在癌组织中下调。对111个候选差异表达miRNA进行过滤后,得到59个候选差异表达miRNA。(3)构建预后相关miRNA模型:从59个候选miRNA中,筛选出5个与生存相关的miRNA,分别为let-7i-5p、let-7f-5p、miR-708-5p、miR-135b-5p、miR-100-5p,差异表达模式(癌组织对比癌旁组织)均为降低,差异表达倍数分别2.55、2.78、2.17、3.08、3.26倍。由5个与生存相关miRNA构建的预后表达方程为:风险分数=(-0.049×let-7i-5p表达量-0.033 2×let-7f-5p表达量+0.202 9×miR-708-5p表达量-0.088 9×miR-135b-5p表达量+0.016 3×miR-100-5p表达量)。(4)预后相关miRNA模型的验证:在训练集和测试集中,高风险组患者的总体生存率低于低风险组患者,差异均有统计学意义(均P<0.05)。在训练集中,预后相关miRNA模型的1年、3年、5年生存时间预测概率AUC值分别为0.640、0.763、0.853;在测试集中,则分别为0.631、0.735、0.750。(5)影响胃癌患者预后的相关因素分析:单因素分析结果显示年龄、肿瘤病理分期、T分期、N分期、M分期和预后相关miRNA模型评分是胃癌患者预后的相关因素(HR=1.017、1.633、1.353、1.346、2.652、15.874,95%CI为1.002~1.033、1.333~2.001、1.109~1.650、1.169~1.548、1.553~4.529、5.729~43.985,P<0.05)。多因素分析结果显示年龄、M分期和预后相关miRNA模型评分是胃癌患者预后的独立危险因素(HR=1.03、2.27、18.72,95%CI为1.01~1.05、1.09~4.70、5.96~58.77,P<0.05)。(6)预后相关miRNA模型与临床病理因素预测效能的比较:在356例临床资料完整的胃癌患者中,预后相关miRNA模型对胃癌患者5年生存时间预测的AUC值为0.818,高于年龄、性别、肿瘤病理分期、T分期、N分期、M分期的预测效能。(7)预后相关恩诺图的评估:Calibration验证曲线、C-index以及DCA分析均提示,胃癌患者从预后相关恩诺图中的获益程度高于年龄、性别和肿瘤病理分期。结论·由5个差异表达的miRNA构建了可用于预测胃癌患者生存的预后相关miRNA模型;该模型对胃癌患者的生存状态和预后具有一定的区分预测能力,可为胃癌患者的临床治疗提供参考。