回归算法

摘要： 油水井套管发生异常将严重影响油田的正常生产,传统的分析多从受力、套损机理等入手,一则分析因素过于繁杂,无法量化套损发生异常的原因,再则现场对于套管发生异常的原因多凭经验进行判断,无法做出科学预测,从而增加了作业成本,降低了生产效率。从数据分析的角度出发,对油水井发生套管异常的相关因素进行了分析,利用数据分析算法实现了套管发生异常的概率、时间及深度的预测。

摘要： 针对现有果园人力成本高、果实质量难以保障、节水困难、智能化程度低的问题,设计了一套低成本、低功耗、监测果园环境、优化果实品质的现代化智能滴灌系统。首先基于ZigBee无线通信技术,将传感器采集的果园土壤温湿度、光照、大气温湿度等数据组网传入数据库;再基于RFID射频技术,跟踪果实检测流程,将检测仪器获取的果实品质信息存入数据库并与原有信息匹配。上位机监控园区状态,管理滴灌方式,调用回归算法对上述数据进行分析,生成对滴灌量、水肥比例等指标的分析报告。该设计优化了灌溉模式,为提高果实的产量、糖分、外观品质提供了合理建议。

摘要： C4烯烃是一种重要的化工原材料,它广泛应用于药品行业的生产、化工产品的生成等众多领域。为探索乙醇催化偶合制备C4烯烃的工艺条件,本文提出了基于多元线性回归的乙醇偶合制备C4烯烃模型。该模型创新性地将回归算法引入传统的化学反应实验之中,将化学反应条件设置为虚拟变量,通过显著性检验和计算得到变量的回归系数,分析各变量和反应条件对制备C4烯烃的影响,从而找出最佳反应条件,并通过实验和算例验证了模型的有效性和准确性。

摘要： 局部遮荫下光伏阵列输出功率呈现多峰值,传统最大功率点跟踪算法常失效。为了提高发电的效率和稳定性,提出一种回归算法与粒子群算法融合的最大功率跟踪方法,该方法利用线性回归的预测性、泛化能力强的特点,改进粒子群算法初始化中的粒子随机性、易陷入局部极值的问题,并应用于局部遮荫下光伏阵列(单、多晶硅)最大功率点跟踪。通过实验与理论研究,首先发现随着训练集的增加,该方法跟踪性能呈现先上升后平缓趋势下降,且训练集比例选取总数据的55%~75%之间,跟踪性能最佳;其次,发现单(多)晶硅电池最佳跟踪精度分别为99.13%(99.16%),对比遮荫对电池最大功率影响,说明该方法具有普适性;最后,与粒子群算法和遗传算法相比,跟踪精度都提高了,且方差为零,表明该算法的精度高和鲁棒性强。结果表明,该方法具有普适性、精度高和鲁棒性强等优点。

摘要： 投影寻踪回归对复杂系统的原始数据进行建模分析与预测具有重要意义。以经过简化处理的波士顿房价数据集作为建模和预留检验的样本数据,对自变量因子采用了线性降维技术、非线性拟合技术、迭代寻优方法,分别应用投影寻踪回归算法和神经网络回归算法创建房价趋势预测模型,对波士顿房价进行预测。预测结果表明:投影寻踪回归算法具有较高的准确度,且投影寻踪回归算法具有较强的稳健性、抗干扰性,为回归预测模型计算预测值,并对预测值进行综合分析提供思路和方法。

摘要： 正确预测瓦斯涌出量对于煤矿安全生产有重要的现实意义,但是,工作面瓦斯涌出规律复杂,瓦斯涌出量各影响因素之间存在多重共线性,严重影响了预测的准确性。为研究回采工作面瓦斯涌出量与其多个影响因素之间的关系和特点,消除各因素之间的多重共线性,避免瓦斯涌出量预测出现“维数灾难”以及发生函数过拟合等问题,采用LASSO惩罚回归预测模型进行仿真预测,在原始特征空间的基础上,通过LARS算法实现降维,剔除无关和冗余的特征,最终筛选出一个包含煤层埋藏深度、煤层厚度、煤层瓦斯含量、煤层挥发分产率、风量和煤层间距等6个高影响因素在内的最优特征子集,并使用交叉验证法将数据集分成10份,轮流将其中9份作为训练数据,1份作为测试数据,进行试验。最终,选取最高识别率的测试集参数建立预测模型,对煤矿现场数据进行预测,并与传统的主成分分析法预测结果进行了比较。研究结果表明:应用该模型预测回采工作面瓦斯涌出量,能够较好的保存原始数据集的特征意义,预测平均相对误差为6.52%,平均相对变动值为0.006,均方根误差为3.20,在预测精度和泛化能力方面,均明显优于传统的主成分分析回归模型,能够为井下瓦斯防治提供理论参考,对其他工程领域高维小样本数据预测问题的解决具有借鉴意义。

摘要： 证件物品管理识别器参数辨识存在局部最优现象,噪声干扰下辨识精度下降,提出基于回归算法的证件物品管理识别器参数辨识模型.将证件物品管理识别参数输出误差平方和,代入粒子群算法适应度函数,通过粒子群优化算法实时更新粒子个体最优值以及全局最优值,初步辨识证件物品管理识别器参数,并将所获取结果作为支持向量回归算法迭代初始值,利用支持向量回归算法,最终辨识证件物品管理识别器参数.模型测试结果表明,采用该模型可有效辨识证件物品管理识别器参数,参数辨识精度高达99％以上,且噪声干扰情况下仍具有较高的辨识精度.

摘要： 针对由于电网输电工程项目造价系统的多变性、非线性以及复杂性导致造价难以预测的问题,提出一种基于回归类算法与决策树类算法相融合的造价预测模型.在分析电网输电工程造价影响因素的基础上,采用随机森林算法对分类型变量数据与连续型变量数据进行缺失插补,多种机器学习算法进行造价预测,利用粒子群启发式算法对多种预测模型的权值进行寻优实现模型的融合预测.结果表明,所提方法的数据缺失插补较为准确,RMSE为87615,MAPE为2.17％,能够合理地进行电网输电工程造价预测.

摘要： 介绍了一种基于机器学习的故障检测算法,该算法利用非线性回归器估计被测组件对外部变量的响应,并将其应用于暖通空调冷水机组的故障检测.基于参数先验和观测值的条件似然,采用高斯过程(GP)回归算法建立可预测的概率模型.然后,预测误差与估计方差作为支持向量机(SVM)异常检测器的输入,该检测器能够以无监督的方式检测冷水机组的故障,从而实现在线故障诊断.从实验中可以看出,该算法改进了标准异常检测.

摘要： 为研究硅光电器件的性能,对基于最小二乘法的硅二极管伏安(I-V)特性建模进行研究.分析二极管的I-V特性,采用多项式回归分析算法对实验测量的非线性数据集进行拟合,通过最小二乘法推定系数来构造其矩阵,求取反应硅二极管I-V特性的数学模型参数,通过预测值与实际测量值之间的误差分析来验证算法拟合经验公式的准确性.结果表明,该算法和程序可广泛应用于非线性数据集的多项式回归分析中.

摘要： 在现有结算风险管理体系中嵌入基于数据挖掘回归算法的风险预测模型,以期补充和完善现有盘中结算风险管理方法.文章将结算风险预测问题转化成数据挖掘中的回归问题,并综合对比分析了四种主要的回归算法的表现.结论为支持向量回归机可以成功的应用于对资金使用率的回归预测.并且,在不同的子样本区间上,支持向量回归机建立的预测模型比传统的统计模型有更稳定的表现.其中叉以e支持向量回归机和p支持向量回归机的预测精度最高.

摘要： 借鉴分类问题的算法，推广到回归问题中去，针对用于分类问题的SOR(successive overrelaxation for support vector)支持向量机算法，提出SORR(successive overrelaxation for support vector regression)支持向量回归算法，并应用于医学上三类血浆脂蛋白(VLDL、LDL、HI)L)测定样本中胆固醇的含量。数值实验表明：SORR算法有效，与标准的支持向量回归SVR算法相比，保持了相同的回归精度，提高了学习速度，为临床上测定胆固醇含量提供新的有效方法。

摘要： 本文分析了绝对振动传感器的力学模型和固有缺陷,提出了一种传感器传递函数的回归算法,给出了超低频绝对振动传感器传递函数优化的应用实例.实验表明,该算法和技术方案是行之有效的.

摘要： 分析了一般最小二乘法建立复杂系统回归模型的局限性，提出了应用偏最小二乘法建立复杂系统回归模型的技术，并且进一步介绍了偏最小二乘回归(PLS回归)在建立高炉硅含量[Si]预测模型中的应用。PLS回归分析建模技术将为高炉硅含量预测建模的应用提供有力的技术支持。

摘要： 在乙烯工业裂解装置的模拟中,常使用Kumar提出的石脑油裂解的反应模型。该模型的一次反应的选择性系数需由试验数据或生产数据回归得到.本文提出了回归一次反应选择性系数的改进型对应算法.该算法引入了裂解产物中各个物质含量的变换函数,从而有效地消除了Kumar模型中二次反应对求取各个物质的一次反应选择性系数的影响,进而提高了模拟的精度.实例结果证明了该算法的有效性.

摘要： 现有的多源迁移学习算法对回归问题的研究极少,大多是解决对称的二分类问题,本文提出了加权多源TrAdaBoost的回归算法,其中误差容忍系数能一定程度解决源领域样本权重缩减过快的问题,提高了算法的效果.在修改后的Friedman#1回归问题上进行了实验,验证了该算法的有效性,误差容忍系数可以提高大约0.01的R2分数.将该算法应用到电力通信网的行业问题中,提出了异常站点(业务数量缺失严重的站点)检测与真值预测模型,在特征工程中使用了社交网络分析的方法,充分考虑了站点在拓扑图中的重要度.最终的实验效果进一步验证了算法的有效性.

摘要： 提出了一种基于支持向量回归机的动态载荷识别方法,并在悬臂梁上进行了载荷识别试验研究.试验结果表明,该方法能够以很高的精度识别出作用在悬臂梁上的各种类型的激励信号,并且该方法具有很强的泛化能力,有很好的工程应用前景.

摘要： 提出了一种基于支持向量回归机的动态载荷识别方法,并在悬臂梁上进行了载荷识别试验研究.试验结果表明,该方法能够以很高的精度识别出作用在悬臂梁上的各种类型的激励信号,并且该方法具有很强的泛化能力,有很好的工程应用前景.

摘要： 提出了一种基于支持向量回归机的动态载荷识别方法,并在悬臂梁上进行了载荷识别试验研究.试验结果表明,该方法能够以很高的精度识别出作用在悬臂梁上的各种类型的激励信号,并且该方法具有很强的泛化能力,有很好的工程应用前景.

摘要： 提出了一种基于支持向量回归机的动态载荷识别方法,并在悬臂梁上进行了载荷识别试验研究.试验结果表明,该方法能够以很高的精度识别出作用在悬臂梁上的各种类型的激励信号,并且该方法具有很强的泛化能力,有很好的工程应用前景.

摘要： 本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法，旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题，属于茶叶储存时间分类领域。其原理利用电子鼻传感器模拟人感官品评的功能和特征，采集不同时间不同传感器的特征值，构建样本集。利用果蝇算法优化广义回归神经网络，获得广义神经网络的平滑因子，进而构建毛峰茶叶储存时间的FOA‑GRNN分类模型和方法。本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中，提高预测毛峰茶叶储存时间分类的效率和准确度，为消费者提供茶叶储存时间分类的有效方法。

摘要： 本发明公开了城市供水领域的差分进化算法‑自回归耦合算法城市需水量预测模型，包括以下步骤：S1：确定城市需水量预测模型；S2：对学习样本时间序列进行处理得到零均值；S3：计算学习样本时间序列的自相关系数rk；S4：确定模型参数的优化目标函数f；S5：生成模型参数集P，并将模型参数集P设置为目标向量；S6：采用差分进化算法对群体进行初始化；S7：对目标向量采用差分进化算法变异操作，生成变异向量；S8：对变异向量采用差分进化算法杂交操作，生成试验向量；10：使用最优模型参数的城市需水量预测模型进行预测，本发明达到达到提高模型预测精度的目的。

摘要： 一种基于蚁群算法优化的分段支持向量机回归的校正算法，属于一种分段支持向量机回归的校正算法。本发明针对现有算法的缺陷，提供了一种测量电压精准、成本低、校正精度高、稳定性好、能够得到全局最优解、回归结果稳定的校正算法。本发明所述的校正算法的计算步骤为：样本空间划分；建立回归模型，设置初始向量机参数，根据误差值确定蚂蚁位置的信息素：搜索并更新信息素，保存全局最优解；确定蚂蚁下一步信号转移概率：建立动态的信息素挥发因子；建立动态因子；更新信息素，记录信息素最大的蚂蚁，重新搜索，直至得到的全局最优解。本发明所述的校正算法尤其适用于传统的光纤光栅电压传感器非线性校正。

摘要： 本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法，旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题，属于茶叶储存时间分类领域。其原理利用电子鼻传感器模拟人感官品评的功能和特征，采集不同时间不同传感器的特征值，构建样本集。利用果蝇算法优化广义回归神经网络，获得广义神经网络的平滑因子，进而构建毛峰茶叶储存时间的FOA‑GRNN分类模型和方法。本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中，提高预测毛峰茶叶储存时间分类的效率和准确度，为消费者提供茶叶储存时间分类的有效方法。

摘要： 本发明公开了一种基于回归型支持向量机的电力负荷预测算法，包括以下步骤：S101、计算用户用电数据特征的权重；S102、对用户用电数据进行归一化；S103、产生训练集合和测试集合；S104、创建和训练SVR模型；S105、使用SVR进行仿真预测；通过对参数的取样及排序能够有效的降低采集对计算结果的影响，同时通过采用SVR算法，相较于其他的算法大大的提高了计算精度。

摘要： 本发明公开了一种用于剔除周期信号缺陷的选择性回归循优拟合算法，通过剔除部分信号来消除信号中周期性缺陷对拟合结果的影响，具体包括如下步骤：确定信号均分分段跨度及均分分节跨度；依据分节跨度设定起始点，从该点开始截取多个周期信号并分段，然后剔除部分段；对剩余信号回归拟合，并统计分析拟合结果；对误差较小组对应拟合结果平均化，得最优拟合结果。本发明为受缺陷影响的周期性信号拟合问题提供了一个有效的解决方法。

摘要： 本申请公开了一种基于逻辑回归算法及决策树算法的非法语音的识别方法及系统，本申请实施例训练得到基于一逻辑回归算法及多个决策树算法的融合模型，实时从通信网络侧获取语音数据，对获取的语音数据采用数据特征工程方式处理后获取得到特征数据；输入到所述融合模型中，由其中的多个决策树算法进行处理得到对应各个决策树算法的概率值后，将所得到的各个决策树算法的概率值整合后由逻辑回归算法进行预测，得到是否为非法语音的预测结果。这样，由于融合模型是基于逻辑回归算法及决策树算法进行构建及训练的，所以准确识别出通信网络中的非法语音。

摘要： 本发明设计一种基于KNN算法与多项式回归算法组合的跨区域致密油藏油井产能预测方法，属于油气勘探开发技术领域。该方法包括获取日生产数据及地质数据；对数据进行预处理；运用灰度关联删除关联度弱的数据列，并基于理论公式添加新的数据列；根据KNN算法建立地质数据分类模型；根据多项式回归算法建立地质数据和产能数据联合的产能预测模型，并寻找出最优模型；最终通过模型预测出油井产量。本发明由于采取以上技术方案，可以在分析已有数据的前提下，得出产能预测算法模型，进而可以用一套方法结合新生产状态数据预测不同地区油井产油量，也可以对新开井进行产能预测。本发明借助KNN算法和多项式回归算法可以较好的满足不同地质油井产能预测的需求，具有较高的泛化性。并且可以对新开井以及未知井进行产能预测和评估，进而可以更早的为油井生产制度提供参考，以优化油田资源利用率。

摘要： 本发明公开一种基于闭环矢量链摄动与抗差估计主元回归算法的几何误差参数辨识方法，可在外部环境误差干扰下确辨识出并联机器人几何误差参数。本方法根据并联机构末端位置的关联程度，将机器人拆为旁支闭环与最终闭环，简化误差模型求解过程。然后使用一阶摄动理论分离几何误差，构建出并联机器人几何误差线性模型，将非线性优化问题转化为线性优化问题，提升辨识算法的辨识精度。在主元回归算法的基础上，采用抗差估计修正几何误差辨识矩阵，抑制粗差数据，提高算法的鲁棒性，进一步提高模型的几何误差参数辨识精度。该方法能够简化误差模型的求解与构建，并利用权函数减少粗差数据干扰，使主元回归算法抗差能力增加，提高几何误差参数辨识精度。

摘要： 本发明提出了一种基于k近邻回归算法和用电数据的排污量预测方法，包括：采集排污单位的历史用电数据和历史排污数据并进行数据预处理，划分成训练集和测试集；生成k近邻回归算法的参数组合，通过分析不同参数组合下k近邻回归算法对训练集的拟合程度，确定参数组合中的最优参数，根据最优参数和k近邻回归算法构建预测模型；根据测试集检验预测模型的准确度，根据检验结果对预测模型进行优化，将排污单位的实时用电数据输入优化后的预测模型中，得到排污量的实时预测结果。本发明利用了用电情况与排污情况的影响关系，基于k近邻回归算法实现排污量的预测，解决了一些企业污染物排放管控困难、管控成本较高的问题。