Combined model based on optimized multi-variable grey model and multiple linear regression

The construction method of background value is improved in the original multi-variable grey model （MGM（1,m）） from its source of construction errors. The MGM（1,m） with optimized background value is used to eliminate the random fluctuations or errors of the observational data of all variables, and the combined prediction model together with the multiple linear regression is established in order to improve the simulation and prediction accuracy of the combined model. Finally, a combined model of the MGM（1,2） with optimized background value and the binary linear regression is constructed by an example. The results show that the model has good effects for simulation and prediction.

基于GPS-IR的地表土壤湿度估算方法

全球定位系统干涉反射测量(GPS-IR)是一种新型的遥感技术,可用于估算近地表土壤水分含量。本文从多卫星融合角度出发,提出了一种基于多星融合的地表土壤湿度估算方法。首先通过低阶多项式拟合分离出卫星反射信号;然后建立反射信号正弦拟合模型,获取相对延迟相位;最后基于多卫星相对延迟相位建立多元线性回归模型。利用美国板块边界观测计划(PBO)提供的监测数据,对比分析不同建模序列长度的反演效果,从而确定最佳的建模长度。试验结果表明,采用多元线性回归模型可实现多颗卫星的有效融合,运用于土壤湿度估算是可行的。

Kinetics of Growth and Weight of Vanadium Gel on Short-Circuited Probes from Various Materials

The article provides results of experiments on research of speed of escalating of vanadium gel on short-circuited probes from various metals, particularly from copper and aluminium it is shown that speed of escalating of gel on probes is influenced with a material of a probe and configuration of probes in a solution.

基于LSTM的多因素石灰窑煅烧带温度预测研究

针对石灰窑煅烧过程易出现燃烧不平衡的问题以及石灰窑煅烧系统的滞后性,提出了大数据分析+神经网络的解决方案。利用大数据分析对石灰窑多源历史数据进行数据融合插补,采用多元线性回归方程分析空间因素对温度的影响,通过时间滑窗提取特征,在此基础上利用长短期记忆神经网络(LSTM)算法构建多因素模型,并采用自适应运动估计算法进行优化。实验结果表明:较单因素LSTM模型,多因素LSTM模型有效提高了石灰窑温度预测精度,现场可根据预测值提前调整工艺参数,实现了石灰窑局部温度预测。

小样本纱线质量预测的机器学习算法适用性分析

为了解决当前基于神经网络的纱线质量预测模型针对小样本预测精度偏低和预测精度不稳定的问题,建立了随机森林(RF)算法预测模型、多层感知机神经网络(MLP)算法预测模型和线性回归(LR)算法预测模型,就各算法模型在小样本情况下对不同数据特点的数据集的敏感性、不同数据维度的敏感性和不同训练样本数的敏感性进行了预测性能对比试验。用决定系数和均方根误差进行模型预测性能评估。试验结果表明:在小样本情况下,相比于MLP算法和LR算法,大多数情况下RF算法预测准确性更高、预测精度稳定性更好、对小训练样本量的适应性更好,具有较高的综合预测性能。

中国区域T_(m)与纬度、海拔的线性分析及模型研究

针对传统的贝维斯(Bevis)模型在中国区域存在系统误差及精度不高的问题,本文提出添加站点纬度和海拔参数的T_(m)多因子回归模型。根据中国区域70个探空测站点的观测数据,首先研究了T_(m)与纬度φ、海拔h的相关系数时间变化规律,同时分别研究了T_(m)与纬度φ、海拔h的线性拟合系数k、b的时间变化规律;然后在T_(m)-Ts单因子回归模型基础上,添加纬度与海拔参数,并用年积日(DOY)表达其拟合系数,得到中国区域的T_(m)多因子回归模型;最后利用2018年的探空数据进行了验证。结果表明该模型极大地缩小了系统误差,精度提高了19.8%,在中国区域具有较高的实用性。

南沙群岛海域浅海水深提取及影像海图制作技术

研究了南沙群岛海域 Ｔ Ｍ 图像提取浅海水深的模型和方法以及影像海图制作技术。在传统的多波段线性回归模型的基础上，引入数据分组平均预处理、潮汐改正、分段线性回归和数据归一化等技术，使改进后的模型更加合理并具有较高的精度，从而适用于大的海域。在此基础上，提出了一整套遥感影像海图制作的技术和工艺流程。

大型数控滚齿机热误差补偿建模

针对某大型数控滚齿机,提出滚刀与工件主轴中心距热误差计算新模型,建立热误差实验检测系统,进行热误差与温度的关系实验;在此基础上,采用模糊聚类与多元线性回归法建立滚刀与工件主轴中心距热误差补偿模型;将补偿模型与实验数据进行对比分析,揭示滚齿机热误差规律,得到热误差随加工温度变化曲线。研究结果表明:经热误差理论、实验及补偿模型值比较,三者热相对误差均低于5%,验证了所建立热误差补偿模型的正确性与有效性,表明该热误差补偿模型精度高,实用性及鲁棒性强,可为滚齿机热误差预测、控制及实时补偿提供有益参考与指导。

北京市平谷平原地下水水位动态统计预测模型

通过分析北京平谷平原水文地质条件、地下水水位动态特征和水位动态的影响因素,分别采用多元线性回归模型、季节分解模型对山前平原和中部平原建模分析,并预测了平谷地下水水位动态。结果表明,在现有条件下山前平原的水位变化不明显,中部平原水位下降较多。

基于主成分分析的汽车操纵力舒适性分析与评价

以汽车操纵装置的操纵力舒适性客观定量评价为研究目标,运用主成分分析算法,采用加权主成分和价值函数,建立汽车整车操纵力舒适性评价模型。在此基础上,进一步通过多元线性回归分析建立了汽车整车操纵力舒适性与主成分之间的回归方程,实现了对汽车整车操纵力舒适性的预测与评价分析。

城市供水管网漏损时间的预测模型研究

城市供水企业迫切需要加强给水管网的漏损管理,以减少漏损水量和提高经济效益。在对华北某市供水管网漏损数据进行统计和分析的基础上,按照管段实际发生漏损次数分两种情况建立了供水管网漏损时间的预测模型,对漏损次数≤4次的管段采用基于SAS系统的多元线性回归方法,对漏损次数>4次的管段则采用灰色预测方法。经实例验证,多元线性回归方法预测的平均相对误差为21%,灰色预测方法预测的平均相对误差<6%,整套模型的精度可满足城市供水管网漏损宏观管理的需要,能够提高管网漏损防治的效率。

基于GWR的大兴安岭森林立地质量遥感分析

【目的】建立遥感信息模型,估算森林地位级指数,对森林立地质量的空间分布进行系统研究,为森林经营管理和营林造林提供数据支持与理论依据。【方法】以黑龙江省大兴安岭地区为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,采用以最小二乘为基础的多元线性模型(全局模型)和以地理加权回归(GWR)为基础局域回归模型提取包括遥感因子土壤修正植被指数(MSVI)、差值植被指数(DVI)和林分因子林分平均胸径(ADBH)、林分郁闭度(FCC)在内的4个因子作为自变量,建立地位级指数全局估算模型和局域估算模型。对比2种方法,最终采用地理加权回归模型来绘制研究区域地位级指数空间分布图,对研究区域的立地质量进行评价与分析,并探索研究区域内森林地位级指数的空间分布状态随地形的变化趋势。采用全局Moran I描述不同空间尺度下模型残差的空间自相关性(以8 km为间隔计算从8 km到80 km)。【结果】大兴安岭地区地位级指数呈现明显的聚集分布,具体表现为东高西低、北高南低,并且最大值出现在北部区域。遥感因子和林分因子影响森林地位级指数的空间分布。地理加权回归模型的拟合和精度明显好于全局模型,其中全局模型的R2adj为0.48、AIC为1 816、RMSE为1.74,地理加权回归模型的R2adj为0.53、AIC为1 784、RMSE为1.29。通过模型模拟结果和实测值的对比分析发现,地理加权回归模型具有更高的验证精度和更好的拟合效果。基于地理加权回归模型残差分析可知,地理加权回归模型能够很好地解决模型残差的空间自相关性,产生更为理想的模型残差。【结论】全局模型和局域地理加权回归模型能够较为有效地估算黑龙江省大兴安岭地区森林地位级指数,加入样地位置信息进行回归分析的地理加权回归模型能够更有效地降低数据的空间自相关性,结果更符合传统统计模型中关于残差间相互独立的基本假设,使得建模过程更加科学合理。

中国降水酸度预测模型

利用逐步多元线性回归方法建立了中国降水酸度预测模型。该模型包括：大气中二氧化硫、氮氧化物和总悬浮颗粒物的浓度、单位面积二氧化硫排放量这四个时间和空间变量；地理位置横向坐标、降雨量和辐射强度这三个空间变量。该模型通过回顾检验具有较好的预测精度并在假设未来中国环境状况的基础上，对降水酸度的分布进行了预测。该模型是在地理信息系统工具软件ＡＲＣ／ＩＮＦＯ支持下运行的，其预测方法及结果具有空间特性。

基于FVS的华北落叶松人工林树高生长量模型研究

基于大量华北落叶松人工林临时样地和解析木数据,选用林木大小和立地条件为自变量,构建起单木树高生长量回归模型,模型相关系数R2为0.516。结果表明,影响华北落叶松单木树高生长量的因素从大到小依次为:林木生长、立地条件。利用检验数据对所建立的树高生长量模型进行检验,预测值2.77m要略高于实测值2.74m,t-检验差异不显著,模型预测效果良好。

内蒙古典型草原羊草生长高度研究

通过对内蒙古典型草原羊草的试验研究,得出羊草的旬生长高度与旬平均气温、旬降水量和土壤含水量相关密切,5～8月牧草每旬的生长高度与前一旬生长高度相关系数达0.964,羊草的生长符合线性生长规律。由于羊草在生长后期受到自身生长节律的影响,符合Logistic生长曲线的特征。在研究中建立了多元线性回归模型和Logistic生长曲线模型,并建立了生长高度预测模型。经拟合检验效果较好,预测模型能在一定精度水平上准确地预测羊草的生长高度。

基于自适应隐式半马尔可夫模型的设备健康诊断与寿命预测方法

针对设备健康诊断与寿命预测问题,提出一种基于自适应隐式半马尔可夫模型(AHSMM)结合多传感器信息的设备健康预测方法。提出了AHSMM的前向—后向算法、Viterbi算法和Baum-Welch算法,有效降低了模型的计算复杂性。利用最大似然线性回归训练对输出概率分布和驻留概率分布进行自适应训练,处理多传感器信息间的差异性,进行有效的多传感器信息融合,以更加准确地进行设备健康诊断与寿命预测。利用失效率理论建立了对设备剩余使用寿命进行预测的基本步骤。通过美国卡特彼勒公司液压泵的状态识别和健康预测实际案例对所提出的方法进行评价与验证,实验结果表明,基于AHSMM的设备健康诊断和性能衰退预测方法比传统的隐式半马尔可夫模型(HSMM)更有效。

基于计算机视觉与敲击振动融合技术检测鸭蛋壳强度

通过对敲击振动特征频率矩阵变异系数和测定有裂纹蛋壳强度的探索性分析,获得鸭蛋壳强度特征频率的分离阈值λ=0.02。通过传感器数据关联,确定了进入模型的特征变量。采用后向消去法进行多元线性回归建立了无裂纹鸭蛋壳强度预测模型,结合蛋壳强度分离阈值得出基于特征层多传感器融合鸭蛋壳强度的系统模型。验证性试验表明该模型有较好适应性,对于各种颜色、形态鸭蛋的蛋壳强度都有较好的预测效果,误差均值小于3.1%,误差标准差为0.003。

最佳多元线性回归模型的选择

研究了7个常用的变量筛选法、最佳回归模型的选择方法及其SAS分析程序,并通过案例分析证明了本文所提供的在定量经济分析中最佳回归模型选择理论的合理性,并具有较高的实际应用价值.

不同渠道防疫信息及其他因素对农户防疫行为影响分析

通过实地调查获得养殖农户获取防疫信息的主要渠道,并通过多元线性回归模型分析了从不同渠道获得的信息及其他因素对养殖农户防疫行为的影响。分析结果表明,技术员、报纸/杂志/书籍是养殖农户获取防疫信息的重要渠道,其中从技术员、亲戚朋友两种渠道获得的信息对其防疫行为有较明显的积极影响,性别、年龄、养殖数量和当地疫情状况是对农户防疫行为影响较为明显的其他因素。

2型糖尿病患者呼吸丙酮影响因素分析

呼出气中的丙酮是糖尿病的潜在生物标志物,本文利用基于光腔衰荡光谱（cavity ringdown spectroscopy,CRDS）技术的呼吸丙酮分析仪对2型糖尿病患者（type 2 diabetic,T2D）呼出气中的丙酮浓度进行定量测量,分析丙酮与患者临床指标的关系,探索影响呼出气中丙酮浓度的因素,以期为糖尿病呼吸丙酮的临床应用提供参考.利用CRDS技术的呼吸丙酮分析仪测量147名T2D患者（81名男性,66名女性,年龄14~83岁）的512个呼出气体样品和52名健康人（30名男性,22名女性,年龄20~48岁）的119个呼出气体样品.对呼出气中的丙酮浓度与相应的血糖（blood glucose,BG）、糖化血红蛋白（glycohemoglobin A1C,A1C）、性别、年龄、身体质量指数（body mass index,BMI）、糖尿病患病年限及气体样本采集状态等指标,进行相关性统计分析并构建丙酮的多元线性回归模型.结果表明,性别、气体样本采集状态、BMI、年龄、A1C及BG等指标影响T2D患者的呼吸丙酮浓度.健康人呼吸丙酮浓度与性别、年龄及BMI无相关关系.T2D患者呼吸丙酮与BG及A1C均有弱相关关系,相关系数分别为0.093和0.1246.男性呼吸丙酮平均体积分数（1.75×10-6）显著性高于女性（1.15×10-6）,且男性呼吸丙酮浓度随年龄的升高而降低（R=-0.154）.男性呼吸丙酮浓度与BMI呈负相关（R=-0.2）,且BMI〈25的患者呼吸丙酮平均体积分数（1.75×10-6）高于BMI〉25的患者（1.25×10-6）.女性呼吸丙酮浓度与患病年限呈正相关（R=0.17）,而男性呈负相关（R=-0.14）.男性和女性空腹呼吸丙酮浓度均高于餐后2 h的呼吸丙酮浓度.多元线性回归分析结果表明,影响呼吸丙酮浓度的因素为：性别（β=0.374）、气体样本采集状态（β=-0.289）、A1C（β=0.083）、BG（β=0.002）、BMI（β=-0.046）及年龄（β=-0.009）.