回归模型

摘要： 以太子山常见的阔叶树种枫香树、麻栎及红果冬青为研究对象,采用SPSS分析胸径(D)与基部直径(Di)、树高(H)与胸径(D)、冠径(Cw)与胸径(D)等之间相关关系,结果表明:测树因子间存在极显著相关关系,各树种距离地面不同高处基径与胸径均呈线性相关,其中以D-D_(0.50)模型拟合效果最好;树高与胸径、冠径与胸径也均为线性相关。

摘要： 以哈萨克斯坦北部雨养耕作区为研究靶区,基于春小麦产量统计数据和遥感光谱指数,开展了春小麦估产最优预测时期及植被指数分析,采用回归分析、随机森林、支持向量机及双向循环神经网络模型估算春小麦产量,并对比分析了不同模型的模拟精度。结果表明:北哈萨克斯坦州、阿克莫拉州和库斯塔纳州2007-2016年春小麦估产的最佳预测时期为6月26日-8月5日,该时期是春小麦产量形成的关键时期。北哈萨克斯坦州春小麦估产最优植被指数为7月12日的绿度叶绿素指数(Green chlorophyll index,CI_(green)),阿克莫拉州春小麦估产最优植被指数为8月5日的绿度动态宽波段指数(Green wide dynamic range vegetation index,WDRVI_(green)),库斯塔纳州春小麦最优估产植被指数为7月12日的WDRVI_(green)。对比分析4种模型模拟春小麦产量的精度,在样本点较少的情况下,双向循环神经网络模型相比其他模型在估算哈萨克斯坦北部三州春小麦产量上精度较高;春小麦产量与植被净初级生产力NPP相关性分析结果显示,北哈萨克斯坦州、阿克莫拉州和库斯塔纳州决定系数R2在0.50以上面积占比分别为44%、94%和77%,表明上述估产模型可应用于哈萨克斯坦北部三州春小麦估产,尤其是阿克莫拉州和库斯塔纳州。

摘要： 为了提高高峰矿尾砂充填体强度和解决井下废石利用问题,开展高峰矿废石及尾砂混合充填材料的最优配比研究,设计了四因素四水平的正交试验,采用极差分析获得了影响充填体强度、料浆泌水率和料浆坍落度的主次因素,得到初步满足矿山要求的配比:料浆浓度为83%,灰砂比为0.25,废尾比为1.5,泵送剂添加量为0.5%。根据正交试验数据建立了28 d充填体强度、料浆泌水率和坍落度的二次多项式回归模型,基于NSGA-Ⅱ算法进行多目标优化,获得最优充填料浆配比。研究结果表明:灰砂比对充填体强度影响最大,料浆浓度和废尾比次之,泵送剂影响最小;灰砂比对料浆泌水率有明显的控制作用,废尾比和料浆浓度次之,泵送剂作用最小;料浆浓度对坍落度影响最大,泵送剂和灰砂比影响次之,废尾比影响最小;多目标优化后的配比:料浆浓度为82.989%,灰砂比为0.240,废尾比为1.419,泵送剂添加量为0.537%,优化后的配比方案所需充填材料成本相比正交试验确定的方案成本下降了2.9%。

摘要： 为提高排水沥青路面设计可靠性,本文开展了基于回归模型的排水沥青路面排水强度分析研究。通过回顾排水沥青路面的发展历程与应用经验,总结了不同类型路面排水设计要点,结合其排水性能分析,利用回归模型对排水强度影响因素进行表达,得出排水层结构厚度、路拱横坡坡度与排水强度呈现出一次线性关系,而沥青混合料空隙率与排水强度呈指数关系,本文结论对排水沥青路面的设计有一定的指导意义。

摘要： 为研究一种建立土坝渗压分析回归数学模型的方法,在东圳水库选取两支编号为BS3、BS4的渗压计,收集该渗压计的历史监测数据和相应水库水位监测数据,经Grubbs准则处理后,先采用最小二乘法分别建立两监测数据间的一元线性回归模型,采用相关系数法进行可信度检验,并应用模型预测渗压值和控制库水位。所建立的两个回归模型的相关系数分别为0.911、0.850,相关性良好,符合正常规律,且两者相互预测的区间都较为准确。随后应用该方法建立东圳水库全部29个渗压计数据的回归模型,进行分析验证,并对少部分相关差异性较大的渗压计进行了归因分析,论证了该模型的适用性。研究结果表明土坝渗透压力和上游水位相关性较强,可通过构建一元线性回归模型进行预测预报。

摘要： 目前对电梯钢丝绳磨损量预测的研究还存在不足,针对这一问题,采用基于极端梯度提升(XGBoost)算法的机器学习方法,对电梯钢丝绳磨损率的预测进行了理论分析、数据采集和实验测试研究。首先,在目标损失函数中增加了额外的正则化项,并使用了贝叶斯超参数优化,提出了优化后的算法BO-XGBoost;然后,用自制的电梯钢丝绳疲劳试验机对曳引轮直径、载荷力、频率和包角这4个因素进行了试验,得到了用于预测钢丝绳磨损率的数据;最后,用BO-XGBoost算法对钢丝绳磨损率进行了预测分析,同时与多元线性回归(MLR)、随机森林(RF)以及支持向量机(SVM)等机器学习算法进行了比较。研究结果表明:BO-XGBoost算法的建模效果和回归效果最好,其泛化能力也最高,能适应不同工况的实验,在预测钢丝绳磨损率方面优于其他几个模型,预测值与试验值达到了99.1%的准确率,证明了该方法的有效性。

摘要： 磷石膏深度开发利用技术尚不成熟,绝大部分矿山企业采取建库堆放的方式处理,此举不仅投资大、维护费用高,而且还占用大量的土地资源;磷石膏库既是重大的危险源,又是严重的污染源,如何有效处置磷石膏废弃物已成为矿山企业迫切需要解决的问题。磷石膏胶结充填体抗压强度特征是充填开采技术中的研究热点,通过分析充填材料的理化特性,测定不同配比充填体的抗压强度、应力-应变关系以及微观结构,利用活性率、粒径分形维数和孔隙分形维数揭示充填体的抗压强度特征,通过多元非线性回归以及核主成分分析-非线性回归法构建了充填体抗压强度模型,研究结果表明:磷石膏充填体符合弹塑性模型,其抗压强度与水化产物、孔隙、结构致密程度等密切相关;活性率、粒径分形维数和孔隙分形维数与充填体抗压强度呈非线性关系,且多元非线性回归模型的拟合精度和拟合优度高于核主成分分析-非线性回归模型,但后者复杂度大大降低。

摘要： 目前拉曼光谱在物质检测领域获得了很多的应用研究,但是基在定量检测方面的相关研究还很少,同时传统的定量检测模型存在一些缺点。定量检测的主要难点在于难以有效地对不同浓度的光谱数据进行建模,且难以有效地针对不同浓度的数据进行区分。为了解决上述问题,本文提出一种新的基于集成学习的神经网络框架,通过基于多种神经网络模型对拉曼光谱数据进行建模,并利用集成学习方式融合不同模型建模的结果,来有效提升基于神经网络的拉曼光谱数据定量分析的性能。实验证明了基于深度学习的拉曼光谱定量分析的优势,同时也证明了本文提出的基于集成学习的方式比其他基准模型有较大的性能提升。

摘要： 小高层建筑物在各种因素的影响下,会产生水平位移、沉降位移、倾斜、裂缝等变形。本研究以广西某地小高层沉降监测工程为例,先将沉降观测的原始数据进行图表化分析,再运用回归模型和灰色系统模型对样本进行预测,将预测的结果作成预测图形,最后将两种预测模型得出的预测结果与实测结果相减得出残差数据,并将得出的数据绘制成表格进行比较,将得出的残差数据作为预测精度,最终得出精度较高的模型为高阶非线性回归分析模型。

摘要： 【目的】研究温室番茄果实直径变化量的动态预测模型,为番茄所需水肥规律提供数据支持。【方法】选择番茄果实横径为研究对象,以5株番茄果实膨大期的数据建立模型,采用主成分分析法对植物生理生态信息和环境信息进行分析,提取主要成分,以主成分为自变量,输出变量为因变量,建立一个包含空气温度、空气湿度、土壤含水率、叶片温度及果实横径的BP神经网络回归动态预测模型,并以3株番茄果实膨大期内所测的数据作为测试数据进行预测,比较预测值和实测值。【结果】第1株番茄预测值与实测值的决定系数为(R^(2))0.964,均方根误差(RMSE)为0.238,第2株番茄预测值与实测值的决定系数(R^(2))为0.960,均方根误差(RMSE)为0.051,第3株番茄预测值与实测值的决定系数(R^(2))为0.951,均方根误差(RMSE)为0.047。【结论】该模型可以预测温室短时内番茄果实直径变化量,可以用于新疆连栋温室内的秋季番茄果实直径变化预测,可根据预测量与实测量之间差值对水肥实行微调。

摘要： 针对铁路货运安全风险管控问题,利用回归分析模型研究超偏载趋势预警,建立检测次数与超偏载检测数据的回归模型,进而作为判断货车装载状态是否良好的重要依据.模型以货车超偏载检测数据为基础,根据车号、发站、到站和过车时间等信息,依据货车同一运输批次评判算法得到同一货车同一次运输的超偏载检测历史数据,根据检测次数与超偏载检测数据绝对值的相关系数正负性,判断超偏载检测数据的变化趋势.当超偏载检测数据的变化趋势为递增时,利用回归分析模型,获得货车的报警趋势并对报警趋势的判断进行检验,进而预测下次检测的超偏载数据,最终判断是否有报警隐患.超偏载趋势预警作为衡量货车装载状态的重要依据之一,为铁路货运安全提供了有效的保障,可有效促进铁路货运安全管理水平的提高.

摘要： 在气动优化领域,压气机三维叶片的优化可能需要同时考虑复合弯掠、叶型截面、前尾缘型面等设计变量,优化目标涉及到多个工况下的效率、压比和流量,并且有时还需要对结构强度、噪音传播等因素进行校核与限制.代理辅助优化结合现代优化算法、代理模型以及流场求解器,实现叶片精细优化设计,而代理模型就是指利用部分现有数据训练得到的可在一定程度上替代复杂CFD求解过程的模型策略.在代理辅助优化压气机三维叶片时,CFD评价叶片过程中可能会出现某些叶型存在负网格、流场不收敛以及压力波动误差较大的情况,这样的叶片样本点在优化过程中称为无效样本点.本文以神经网络模型作为代理模型,针对无效样本点在回归模型中的处理方式进行了论证,分别比较了EFL(Exclude From Learning)策略和NVO(Nearest Valid Outputs)策略,结论表明EFL策略对于回归模型是最优的.为了充分挖掘样本空间信息,防止无效样本区域干扰遗传算法寻优过程,提出将神经网络分类模型引入优化过程,在此过程中,分类模型判断样本点有效性,回归模型给定有效样本点对应的输出值,回归模型和分类模型协同作用,共同控制算法优化方向.测试函数验证表明,该种方法能够在一定程度上避免遗传算法陷入间断区域,得出实际最优值,尽管最终效果依赖于分类模型分类准确率,但在文中所设置的工况中,分类模型的引入是会提升整体算法的性能.

摘要： 本文基于影响降水的物理成因,着重对北半球500hPa、100hPa高度场和北太平洋海温场特点及与海河流域逐月降水的相关性进行分析,从定性预判和定量预报两个方面进行流域逐月降水的预测研究.结果表明:①典型涝年、典型早年前期高度场距平分布特征不同,对定性预估汛期降水具有指示性意义;②各个月份影响降水的关键影响区域和关键影响因子不同.空间上,某一月份的各关键影响区域在海温场和不同的高度场上距离流域较远和较近的地区均存在;时间上,在前期较长和较短的时间间隔内都能形成关键影响区域.证实了流域降水与前期北半球全局范围的多层大气环流和北太平洋海温都存在密切相关性;③根据关键影响因子建立了逐月降水回归预报模型,可以应用于流域逐月降水的参考性预报,通过BP神经网络模型进行误差实时校正提高了预报精度,因此回归模型和BP神经网络结合对月尺度的降水过程具有较好的模拟与预测能力.

摘要： 利用东阿阿胶驴养殖基地测量的178头德州驴体重与体尺指标的数据纪录,分析了德州驴体重(Y)与胸围(X1)、体长(X2)、尻长(X3)、体高(X4)、管围(X5)、胸宽(X6)等性状指标的相关系数,并通过逐步回归法建立了德州驴体重的回归模型.结果表明:体重与体长、体高、胸围、管围、尻长、胸宽的相关系数分别为:0.789、0.770、0.822、0.575、0.728、0.018;除胸宽外,其它体尺性状均与体重的相关系数达到极其显著水平(P＜0.01);通过逐步回归法建立了体重与体尺的三个最优回归模型:Y=4.4X1-391.5,Y=2.9X1+2.4X2-484.8,Y=2.6X1+1.8X2+3.0X3-500.2.研究结果为德州驴的遗传选育提供了一定的理论依据.

摘要： 为实现在设计阶段就能够对船舶操纵性能进行评估,提出了基于RBF神经网络的船舶操纵性预报建模方法,该方法选取了影响船舶操纵性能的主要参数,以十几条油船的操纵性自航模试验结果为子样,建立了操纵性能预报的非线性回归模型,然后利用回归模型对某油船的回转试验进行预报,最后把预报结果和试验进行了对比分析,结果表明所建立的回归模型具有较高的预报精度,为船舶设计阶段进行操纵性能预报提供了可靠的技术手段.

摘要： 基于北京市城市河道水体发臭大量感官数据及水质监测数据,采用多元线性回归及有序Logistic回归建立北京市水体发臭回归模型.研究发现多元线性回归法与有序Logistic回归法整体准确率相似(78％—80％),但发臭评价准确率明显高于后者,更适合作为水体发臭回归方法进行评价.将该方法应用于北京市地表水发臭分级评价中,筛选确定了适合做水体发臭回归自变量的监测指标,发现溶解氧及氨氮起主要作用,对水体发臭贡献率约95％;有机类指标对解释水体发臭效果显著程度从大到小依次为:高锰酸盐指数＞五日生化需氧量＞化学需氧量,由于五日生化需氧量分析时间长、高锰酸盐指数多用于Ⅰ—Ⅲ类水体监测、化学需氧量是水环境污染物总量控制的关键指标,综合考虑建议采用化学需氧量为回归自变量;总磷不适合作为北京市城市河道水体发臭回归自变量.对北京市2012年部分城市河道水体发臭情况进行分析,结果发现本标准用于评价发臭程度与国家颁布的黑臭标准的评价结果吻合程度为95.6％,通过选取典型发臭水体进行分级评价,再次验证了该评价方法可行,可对北京市消除黑臭水体提供技术支持.

摘要： 基于语音信号的发音器官运动估计,是根据说话人语音推断发音器官运动过程的技术,在语言学、医学、影视动画学等领域有广阔应用前景.本文主要对基于单元选择模型和回归模型实现该技术的方法进行介绍.单元选择模型法部分阐述了码本库建设、语音单元切分、选择算法设计、拼接合成算法等方面的研究现状.回归模型法部分阐述了此类问题中隐马尔科夫模型、高斯混合模型、人工神经网络等回归算法的研究现状.最后,文章进行了总结和展望.

摘要： 通过大田试验,以补水量X1、氮肥量X2、磷肥量X3、钾肥量X4为试验因素,选用4因素10水平的均匀设计,研究不同补水量以及氮、磷、钾配施对马铃薯肥料利用率的影响.通过偏最小二乘和逐步回归建立N、P、K肥利用效率与试验因素的回归模型.结果表明:过量施肥会导致肥料利用率降低,各因素对N、P、K肥料利用效率影响差异显著(PX2>X1>X3,对P肥利用率影响顺序为:X3>X1,均大于X2和X4,对K肥利用率的影响顺序为:X4>X3>X2>X1.在实验条件下,推荐补水施肥方案为:补水量为1058.5m3/hm2N、P2O5、K2O分别为241.05、380.6、93.5kg/hm2.

摘要： 家族企业的代际传承决定了家族企业的发展方向,本文以深圳市的家族企业为例,研究了家族企业代际传承的主要影响因素.研究结果表明:继承人、家族成员和在任者是影响家族企业代际传承的主要因素,且三者之间存在显著的正相关性;在对家族企业代际传承影响因素因子分析和相关分析的基础上,本文构建了家族企业代际传承的回归模型,得到了在任者、家族成员和继承人对家族企业的代际传承同时产生影响,且在任者的影响程度最大的结论.本文的研究结果为家族企业完成代际传承提供了理论依据.

摘要： 基于HP滤波法对稻谷产量数据进行去噪分离,利用灰色系统分析筛选影响产量的主要因子,结合多重回归分析法研究江苏省1980-2012年稻谷生长季主要气象因子及极端天气指数与稻谷产量的关系.结果显示:HP滤波法分离出的趋势产量可以很好的反映出近33a的粮食产量变化趋势;灰色关联分析结果表明,生长季内江苏省稻谷产量主要受积温影响,关联系数达0.6887;其次为最低气温,再次是日照时数、平均气温、最高气温、气温日较差、SU25、WSDI、R10、降水量、R95pTOT,稻谷产量与温度因子高度相关,而与降水要素的关联系数明显低于温度要素.对主要影响因子进行多重线性回归分析所得的回归模型可用于江苏省稻谷产量的模拟与预测.

摘要： 企业碳排放量通常需要通过企业活动数据进行估算。不同企业，工艺流程不同，碳排放的排放源不同，碳排放量的计算复杂程度不同。本发明提出了一种基于工业企业生产数据（产量/原材料消耗量/能耗量等）以预测混合系统和方法。本方法结合了传统的多元线性回归和以及人工神经网络模型，采用了混合建模方法通过分步线性回归的方法筛选更重要的工业企业生产数据输入变量，然后将筛选后的工业企业生产数据变量馈入人工神经网络模型，从而产生复杂模型以预测一定时间跨度内的碳排放量输出量。本发明提出的复杂模型仿真结果表明该复杂模型的性能比其相应的其他单阶段模型更优并且可以在广泛的各类企业中应用该复杂模型实现各时间维度的碳排放量的预测。

摘要： 本申请涉及一种基于自回归ARIMA模型和前馈BP模型的数据预测方法和系统，其中，该方法包括：通过预设地区的历史出口数据建立ARIMA模型，并得到线性预测结果；将历史出口数据的真实值与对应的线性预测结果进行拟合，得到残差序列；通过残差序列和疫情因素建立BP模型，并得到非线性预测结果；根据线性预测结果和非线性预测结果，得到综合预测结果，综合预测结果用于预测预设地区的外贸出口，通过本申请，解决了预设地区在受到疫情因素影响下外贸出口量的预测存在精准度低的问题，实现了结合时间序列中ARIMA模型和人工智能中的BP模型，准确预测了预设地区在外部影响因子影响下的外贸出口。

摘要： 本申请公开了一种图像回归模型的训练方法、图像回归分析方法、介质及终端，所述方法通过预设网络模型对获取的训练样本集的样本图像进行识别，得到各样本图像的待测指标的预测值；再根据各样本图像的真实值以及预测值、图像相似度，确定第一样本集和第二样本集；然后通过第一损失函数分别对第一样本集、对第二样本集进行损失计算，得到预设网络模型的第一损失值、第二损失值；基于第一损失值和第二损失值，对预设网络模型的模型参数进行修正以得到图像回归模型。由上述可知，本申请可以通过第一损失值、第二损失值对预设网络模型进行修正，以得到图像回归模型，从而提高图像回归模型的回归分析性能以及模型预测的准确度。

摘要： 本申请公开了一种纵向联邦学习线性回归和逻辑回归模型训练方法、装置、计算机设备和存储介质，该方法通过各个参与方加密各自的本地训练数据，并交换加密后的密文；通过可交换加密方式获得参与方拥有样本交集的交集密文；随机选取多条交集密文中的数据，根据选取的数据得到参与方的中间结果密文，对中间结果密文进行解密，并根据解密结果计算加密聚合梯度；对加密聚合梯度进行解密，得到更新参与方模型参数的梯度；对模型进行更新，判断是否满足迭代终止条件，若满足，则结束迭代，若不满足则继续训练。解决了现有技术中由于数据的隐私性和不同组织之间缺乏信任，使得各组织的敏感数据难以充分利用以进行分布式机器学习模型训练的技术问题。

摘要： 本发明公开一种系统线性回归预测模型的回归系数确定方法和系统，方法包括：基于系统初始采样数据序列计算系统线性回归预测模型的初始模型系数，并记录；随系统采样点的每次增加获取新的系统采样数据序列，确定增加的系统采样点数据和减少的系统采样点数据；基于增加/减少的系统采样点数据以及当前模型系数，更新模型系数；然后基于减少/增加的系统采样点数据以及更新后的模型系数，再次更新模型系数，作为每次系统采样点增加对应的模型系数并记录。本发明利用迭代的方式计算模型系数，可避免计算过程中对服务器资源的大量占用，提高系统线性回归模型系数计算的效率，保障对线性回归模型系数计算的实时性。

摘要： 本发明涉及一种基于随机森林回归模型的数字高程模型改正方法和装置，方法包括：将数字高程模型载入基于随机森林算法构建的高程改正回归模型中，进行高程修改；模型训练过程包括：从卫星足印地形高程数据中选取用于参考的地理位置，从数字高程模型中选取与地理位置的距离在第一距离范围以内区域的高程数据，并与卫星足印地形高程数据比较，得到高程差值作为高程改正量；采用高程改正量和根据数字高程模型构建的评估属性，对高程改正回归模型进行训练，评估属性包括地表覆盖因素、地形特征因素、空间分布因素以及数据源质量因素。与现有技术相比，本发明所提方法可以有效提升数字高程模型的高程精度，改正前后的高程精度提升比例约为29‑42％。

摘要： 本发明提供了融合三重视觉匹配模型和多基站回归模型的室内定位方法，首先，基站采集室内不同参考点的多角度图像，RSS与位置信息，将采集的图像和参考点位置数据上传到云端；其次，在RSS数据处理后，各基站在本地服务器训练RSS‑距离的回归模型，云端利用多角度图像以及参考点位置构建图像‑位置指纹库；最后，通过三重视觉匹配模型与多基站回归模型进行定位融合，获得最终定位结果。本发明能够采用多基站RSS‑距离模型以及多角度视觉采集数据来更好的表征室内环境，此外采用多基站RSS‑距离回归模型，三重视觉匹配模型实现融合定位，改进了单定位方法，单指纹匹配的精度不足问题，有非常广阔的应用场景。

摘要： 本发明公开了一种基于自回归模型的造纸清水流量预测智能预测模型，涉及预测模型技术领域，具体包括以下步骤，流量规律分析，通过数学建模思想，首先将造纸清水流量预测实际问题转化为数学问题，围绕其周期性、波动性，对造纸清水流量数据的趋势变化进行分析，作为后面数据预处理的先行步骤。该基于自回归模型的造纸清水流量预测智能预测模型，在实时获取相关设备数据的前提下，对造纸清水流量进行实时预测，以实现动态监测实时进水量，便于异常情况及时发现以及为新水取用量的优化措施提供数据支撑，本模型采用整合移动平均自回归模型，充分考虑了造纸清水流量在实际工业生产过程中的变化规律，能够利用其存在的周期规律特性。

摘要： 本发明公开了一种基于决策树模型与逻辑回归模型组合的感染筛查方法，其检测操作方便，可提高感染筛查准确性，该方法基于生命体征监护仪实现，生命体征监护仪与远程数据服务平台通信连接，远程数据服务平台依据临床数据进行感染筛查，该方法包括：通过生命体征监护仪检测获取用户临床数据，将临床数据随机划分为训练集、测试集，将训练集均分为两份：训练集A、训练集B，基于训练集A构建决策树模型，同时，对训练集A进行特征选择，将关键特征向量作为已构建的决策树模型的输入，获取新构造特征向量，基于组合特征向量，构造逻辑回归模型，基于决策树模型和逻辑回归模型组合，对测试集进行预测分类，获取分类结果。

摘要： 本发明提供基于逻辑回归模型的评分卡模型的建立方法，包括确定样本数据，进行特征衍生，自动及人工对特征进行分箱处理，对分箱进行woe转换处理，利用XGBoost进行特征二次衍生，再利用逐步回归选择最终建模的特征，最终利用Lasso逻辑回归模型建模。本发明能够使得最后入选的特征和业务逻辑保持高度一致，使得模型的可解释性得到了进一步的提高，同时利用了XGBoost、Lasso算法，自动化衍生出高IV值特征、提供了内嵌的特征选择，显著提高模型拟合以及稳定效果。