基于回归分析的发动机HC排放预测模型

将回归分析方法用在一台经过改造的汽油/柴油双燃料发动机HC排放研究上。以1700r/min@60 N·m工况为例描述了试验设计、模型阶次选择、异常点去除、正态分布假设判断整个过程,获得了精度较高的HC排放模型,通过将试验结果和仿真分析结果进行对比验证了所建模型的正确性。

基于Logistic回归模型和PCA模型的急性缺血性脑卒中发作影响因素分析

目的应用Logistic回归模型和主成分分析(PCA)模型分析急性缺血性脑卒中(AIS)发作的影响因素。方法从大连医科大学附属第二医院医渡云科研大数据服务器系统提取2001年1月1日至2021年12月31日的数据,将医院病历系统收录的55620例AIS患者纳入病例组,将筛选后的64134例在医院体检中心体检的人群纳入对照组。收集两组的临床资料,分析AIS发作的影响因素。结果多因素分析结果显示,年龄、性别、肌酐、白细胞计数、血红蛋白、红细胞计数、血小板计数、甘油三酯(TG)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)、丙氨酸氨基转移酶(ALT)、总胆固醇(TC)、γ-谷氨酰转移酶(γ-GGT)水平及吸烟史、饮酒史、高血压、糖尿病、心梗、冠心病、动脉粥样硬化为AIS的影响因素(P<0.05);受试者工作特征(ROC)曲线下面积(AUC)为0.927。PCA提取8个主成分,既往病史、血脂水平风险比较大。结论既往病史及血脂水平是AIS发作的主要影响因素,有效控制原发疾病及血脂水平能够更好控制AIS发作。

基于DCE-MRI表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用

目的 分析基于动态对比增强磁共振成像(DCE-M RI)表现的logistic回归分析模型在乳腺良恶性病变诊断中的应用。方法 回顾性分析2021年1月~2023年10月来我院进行乳腺检查患者161例临床资料。其中良性病变60例、恶性病变101例,分别纳入良性组(n=60)及恶性组(n=101)。分析两组DCE-MRI表现差异,进行单因素分析,利用二元Logistic回归分析构建乳腺良恶性病变诊断模型。采用受试者工作特征(ROC)曲线分析乳腺良恶性病变诊断模型的效能。结果 单因素分析显示,良性组与恶性组TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小比较差异有统计学意义(P<0.05);二元Logistic回归分析结果显示, TIC曲线、BI-RADS分级、早期强化率、边缘形态及病灶大小是乳腺良恶性病变危险征像;构建logistic乳腺癌良恶性病变诊断模型Y=-0.633+0.645TIC曲线+2.112×BI-RADS分级+1.142×早期强化率+1.136×边缘形态+1.136×病灶大小;ROC曲线分析显示该模型诊断效能,AUC为0.944,敏感度为83.33%,特异度为85.15%,提示该模型具有较高的诊断效能。结论 基于乳腺病变早期DCE-MRI表现的logistic诊断模型,能够筛选出对乳腺恶性病变鉴别诊断有意义的特征变量,对乳腺良恶性病变具有较高的诊断效能。

基于连续比例Logistic回归模型的贝叶斯判别分析

针对传统贝叶斯判别分析方法处理实际问题的局限性,提出一种基于连续比例Logistic回归模型的贝叶斯判别分析方法.首先基于连续比例Logistic回归模型建立半参数密度比模型,通过经验似然法估计模型的参数,并使用贝叶斯定理计算后验概率进行分类预测.然后对比新方法与传统方法的回判正确率,统计模拟表明当总体数据符合正态分布时,2者判别能力相当,否则,提出的新方法能够更好地判别不同的数据特征.最后运用新方法分析真实的数据集,验证了新方法在分类预测中的准确性和稳健性,与传统方法相比,更适用于实际应用中多元分类问题的建模和预测.

基于多元线性回归与决策树模型的病种费用分析——以儿童支气管肺炎为例

目的对儿童支气管肺炎住院费用分组,旨在DIP付费下,为住院费用的控制提出更合理的建议。方法通过统计软件SPSS 22对某三甲医院2019—2022年10月3448名儿童支气管肺炎出院患者,进行单因素分析和多元线性回归分析,结果筛选出分节点变量,用决策树模型对费用进行组合,并制定各组标准住院费用与权重。结果该院儿童支气管肺炎住院费用逐年上升,但费用结构却在优化。通过多元线性回归分析,将平均住院日、入院病况与年龄三个显著性因素作为分类节点,使用决策树模型,共分为6个费用组,并提出各组费用控制标准与预警上线。结论通过住院费用的预测值与费用预警线能够为支气管肺炎费用管理提供更为精准的参考与建议,节约卫生资源。

普外科术中低体温发生情况Logistics回归分析及预测模型构建

目的探讨普外科术中低体温发生的风险因素,构建并验证术中低体温发生的风险预测模型。方法选取2020年12月至2022年12月在本院接受普外科手术的117例患者作为观察对象。收集患者临床资料,根据患者术中是否发生低体温将其分为发生低体温组(A组)和未发生低体温组(B组)。Logistic回归分析影响患者普外科术中发生低体温的危险因素,并建立风险预测模型,受试者工作特征曲线(ROC)检测该模型的预测效能。结果117例患者中发生低体温31例(26.49%),未发生低体温86例(73.50%)。两组患者在年龄、体重指数、手术方式、ASA分级、术中输液量、手术室温、手术时间等方面比较,差异具有统计学意义(P<0.05)。Logistic回归分析结果显示,年龄≥65岁、术中输液量≥1000 mL、麻醉时间≥4 h、手术室温<23℃是普外科术中发生低体温的危险因素(P<0.05)。独立危险因素纳入Logistic回归分析并建立预测模型,模型预测概率P=1/[1+e(-1.020+0.874)×(年龄)+1.114×(术中输液量)+1.556×(手术室温)+1.453×(麻醉时间)]。ROC曲线检验该模型预测效能,结果显示ROC曲线下面积(AUC)=0.754(P<0.05);Hosmer-Lemeshow拟合优度检验显示,χ^(2)=1.001,P=0.998。结论患者年龄、术中输液量、麻醉时间、手术室温是普外科患者术中发生低体温的独立危险因素,Logistic风险预测模型拟合效度好,具有较高预测价值。

基于回归分析法建立ICU感染性休克患者预后效果预测模型

目的基于回归分析法建立重症监护室(intensive care unit,ICU)感染性休克患者预后效果的预测模型。方法选取2020年1月—2021年3月盐城市第一人民医院收治的96例感染性休克患者,根据预后分为预后良好组(n=54)和预后不良组(n=42),基于二元Logistic回归模型建立预后效果预测模型。将2021年4月—2022年7月ICU收治的96例感染性休克患者作为验证集,通过受试者特征工作曲线(receiver operating characteristic curve,ROC)、拟合优度检验评估模型预测效能。结果二元Logistic回归分析发现,APACHEⅡ评分、并发真菌感染情况、合并急性肾损伤情况、白蛋白水平是ICU感染性休克患者预后的影响因素(P<0.05)。预后效果预测模型方程=1/[1+exp(-3.765+0.872×白蛋白水平+0.849×真菌感染+0.753×急性肾损伤+0.816×APACHEⅡ评分)]。模型验证显示,ROC曲线下面积为0.853;Hosmer-Lemeshow拟合优度检验的结果为χ^(2)=11.735,P=0.167。结论基于回归分析构建的预测模型对ICU感染性休克患者预后效果的预测具有较好的拟合度,有利于临床医护工作者尽早识别预后效果的高危因素,为患者安全提供保障,有效配置医疗资源。

威宁牛母牛体重与体尺性状的相关分析及回归模型的建立

为了研究威宁牛母牛体尺性状对体重的影响,采用SAS 9.0软件对威宁牛成年母牛体重与体尺性状进行相关分析和多元线性回归分析,并建立回归方程。结果表明:(1)威宁牛母牛体重(Y)与体高(X_(1))、体斜长(X_(2))、十字部高(X_(3))、胸围(X_(4))、腹围(X_(5))、管围(X-6)6项体尺性状呈极显著(P<0.01)的正相关,其中胸围对体重的影响最大,腹围次之,管围最小;(2)建立的回归方程为:y=-486.15761.2276x_(1)+0.5526x_(2)+0.9411x_(3)+0.9726x_(4)1.4113x_(5)1.1862x_(6)。

基于深度自回归模型的电网异常流量检测算法

针对电网中行为种类复杂多样且数量众多的问题,提出了一种基于自回归模型的电网异常流量检测算法。该算法利用深度自编码网络自动提取网络流量数据的特征,降低异常流量检测的分析周期,并自动挖掘数据的层次关系。通过支持向量机对提取的特征进行分类,实现对异常流量的检测。仿真实验结果表明,所提算法可以分析不同攻击向量,避免噪声数据的干扰,进而提高电网异常流量检测的精度,对于流量数据处理具有重要意义。

序列稀疏自回归方法及其在美股做空数据分析上的应用

采用序列稀疏回归的思路来处理向量自回归模型,并设计适用于大规模时间序列数据分析的序列稀疏自回归方法。研究表明:从因子角度刻画向量自回归模型可以有效地将稀疏矩阵估计问题分解成稀疏奇异向量的估计问题,从而极大地提高了计算效率。以1523家美股上市公司1973年1月—2014年12月的做空数据为例,利用此方法探索公司之间的大规模做空关联网络。研究发现:此方法可以有效地恢复股票做空份额(即某一公司的空头股份数量)与股票收益率之间隐藏的关联网络,对于股票风险溢价研究具有一定启发意义。

房地产调控与房企违约风险——基于KMV模型和面板回归的分析

2005年至2021年,我国房地产政策经历了三轮“放松收紧”的过程。文章基于20082021年第三季度我国A股103家上市房企股票日交易数据和财务数据,运用KMV模型估算出违约距离以度量其违约风险,进一步采用面板模型在控制住房企微观因素的基础上分析了房地产调控政策对房企违约风险的影响。研究发现:从长周期视角看,房地产调控政策有利于降低房企违约风险,也有利于房地产市场健康平稳发展。异质性分析表明,调控政策存在明显的结构效应,调控政策对资产规模最大组别的风险抑制效果并不好,对民营企业和其他所有制性质企业产生负向效果,即会导致违约风险增加。除在政策层面继续坚持“房住不炒”精神、贯彻执行房地产金融审慎管理制度外,还应采取相应的结构性对策:一是针对大型房企应采取“一企一策”措施,防止资本无序扩张;二是监管层应鼓励银行按照运营效率、经营能力等指标开展房企贷款评估,减少放款过程中的所有制歧视现象。

考虑多前车位置及分位数速度差跟驰模型稳定性分析

为探究交通流特性对车辆跟驰行为的影响,基于分位数回归方法对跟驰模型进行改进,通过稳定性分析方法利用车头间距描述交通拥堵情况。根据分位数回归方法对模型中的优化速度函数进行改进,并将其应用于考虑多前车位置及速度差跟驰模型,使模型可以通过分位点的变换,在仿真过程中模拟不同驾驶风格的车辆。运用傅里叶变换理论推导出该模型的线性稳定性条件,并通过摄动法求得其修正Korteweg-de Vries(mKdV)方程的解,根据车头间距的扭结-反扭结解描述交通拥堵的变化情况。分析对比考虑不同因素的跟驰模型的稳定性临界曲线,为评估改进模型的有效性,搭建环形车道仿真平台并对改进模型进行数值实验。结果表明:在仿真实验中,随着分位点的增加,改进模型达到稳定状态的平均速度逐渐增加,车速分别为9.57、12.58、14.76 m/s;相比原模型,改进模型能够实现更少的位移波动,位移差最小为1.05 m;在混合模型实验中,随着激进驾驶风格车辆数量的增加,改进模型与多速度差模型相比,车队整体的平均速度达到12.42 m/s,位移波动能够达到稳定状态。

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。

渤海海域井壁取心裂解烃S_(2)烃类损失恢复回归分析

地化录井受工程、地质条件及人为因素的影响,往往造成岩石样品从井底到地表的烃类损失,不能很好地反映地下储层的真实含油气信息,因此需要一种合理准确的方法进行烃类损失恢复。针对渤海海域不同地区不同层位的岩屑值(自变量)与壁心值(因变量)之间的关系,基于最小二乘法、梯度下降法及其衍生算法,以多元线性回归和非线性回归两种方式来拟合研究区井壁取心数据。多元线性回归模型可使用标准方程法、岭回归、LASSO(Least Absolute Shrinkage and Selection Operator)及弹性网进行回归拟合,非线性回归模型可使用梯度下降法和分段函数的拟合方法。对不同回归分析方法进行分析对比可知,岭回归在计算线性关系的烃类损失方面具有较好的效果,决定系数r^(2)均超过0.7;基于岭回归分段函数拟合和非线性回归模型y=x/(b+kx)适合非线性烃类损失恢复。与传统的烃类损失恢复方法相比,使用量化的方式对研究区烃类进行恢复,更加科学全面,具有广泛的应用前景。

基于回归模型的碳排放影响因素研究

本文分析了两个经济体的碳排放结构和经济发展趋势,发现新兴经济体在经济发展的同时碳排放不断增加,而发达经济体在经济发展的同时碳排放却在减少;构造了STIRPAT模型,研究了碳排放的相关影响因素,发现人均GDP、私家车保有量和人口数量是影响碳排放量的三个关键因素,为减少碳排放提供了参考和借鉴。

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STIRPAT模型的广西碳排放影响因素分析

通过在时间尺度上分析了广西碳排放的变化趋势,并与我国不同省域碳排放水平进行比较,总结提炼出广西的碳排放特征;结合广西发展特征以2005—2020年广西经济社会环境发展数据为基础,利用拓展的STIRPAT模型从经济因素、人口因素、结构因素和技术因素4个方面对广西碳排放影响因素进行分析。结果表明:人口规模与人口结构对广西碳排放的促进作用最为显著,人口规模与人口结构每增加1%,碳排放量将增加0.401%和0.199%。人均GDP、第二产业产值、进出口总额的增长均会显著促进碳排放,根据环境库兹涅茨曲线,广西经济发展程度仍处于转折点之前。研究与试验投入、研究与试验人员是对碳排放贡献率最大的因素,贡献率分别为16.81%和14.51%,是减少广西地区碳排放的重要工作方向。

基于Joinpoint回归模型的2011—2022年苏州市肺结核流行趋势分析

目的:分析2011—2022年苏州市肺结核的发病情况和流行趋势,为制定防控策略和措施提供科学依据。方法:收集2011—2022年苏州市肺结核登记资料,应用Joinpoint回归模型,利用年均变化百分比(average annual percentage change, AAPC)和年度变化百分比(annual percentage change, APC)评价苏州市肺结核发病特征的时间变化趋势。结果:2011—2022年苏州市肺结核标化报告发病率为29.21/10万,年均递减率为5.7%(P<0.05),其中2011—2015年每年下降4.5%(P<0.05),2015—2019年每年增加0.4%(P>0.05),2019—2022年每年下降14.6%(P<0.05)。按性别和年龄分层,2011—2022年苏州市男性肺结核总体标化报告发病率年均递减最大的年龄段是25~<35岁(AAPC=-9.1%,P<0.05),其次是45~<55岁(AAPC=-5.9%,P<0.05),而下降率最小的是≥65岁(AAPC=-4.8%,P<0.05),且呈现随年龄增大,递减率降低的趋势;女性仅在25~<35岁年龄段有下降趋势(AAPC=-8.1%,P<0.05)。25~<35岁年龄段肺结核的总体标化报告发病率、男性标化报告发病率和女性标化报告发病率在2018—2022年期间的年度递减率分别为18.5%(P<0.05)、19.8%(P<0.05)和17.3%(P<0.05)。结论:2011—2022年苏州市肺结核疫情呈现流行下降趋势,但须重点关注女性和老年人群,对他们应采取针对性防控措施。

基于SSA-RF的采空区煤自燃温度回归分析模型

为了快速精准地对采空区遗煤自燃温度进行回归分析,避免自燃火灾发生,提出麻雀搜索算法(SSA)与随机森林(RF)算法相结合的SSA-RF采空区煤自燃温度回归分析模型。首先,基于东滩矿煤自燃特性试验获得的数据,对比分析SSA-RF模型与RF、反向传播神经网络(BPNN)、粒子群算法(PSO)-BPNN、SSA-BPNN模型的回归结果;然后以正佳煤业1204采煤工作面的试验数据为例,验证SSA-RF模型的可靠性;最后将该模型应用于东古城煤矿。结果表明:SSA-RF、RF、BPNN、PSO-BPNN以及SSA-BPNN模型测试样本的平均绝对误差(MAE)分别为11.2031、14.3420、19.5991、15.5306、14.3528;平均绝对百分比误差(MAPE)分别为14.89%、16.91%、18.55%、18.43%、18.11%;均方根误差(RMSE)分别为13.7610、16.5250、20.7866、18.0227、17.7355;决定系数(R 2)分别为0.9274、0.8827、0.8153、0.8436、0.8688;其中SSA-RF模型各指标均为最优,说明其具有普适性和稳定性,更适合煤自燃温度回归分析。

基于挥发性成分定性判别风味油茶籽油掺伪浸出油茶籽油PCA模型和逻辑回归模型的对比分析

为了解决风味(原香和烤香)油茶籽油掺伪浸出油茶籽油的定性判别问题,设计高、低两个掺伪梯度,基于挥发性成分构建并对比分析了定性判别风味油茶籽油掺伪浸出油茶籽油的主成分分析(PCA)模型和逻辑回归模型。结果表明:逻辑回归模型定性判别风味油茶籽油掺伪浸出油茶籽油的能力较强,优于PCA模型;高掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的最低检出限分别为20%和60%,而逻辑回归模型的最低检出限均为10%;低掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的判别不准确,而逻辑回归模型的最低检出限均为4%。逻辑回归模型能很好地定性判别风味油茶籽油掺伪浸出油茶籽油。