非参数回归

摘要： 复杂制造或服务过程的质量特性可用函数关系即轮廓描述。针对序数响应轮廓的监控,基于非参数回归模型提出了广义似然比控制图。在受控模型未知且需要估计的现实情况下,采用局部线性核估计、样条和Newton Raphson 3种模型估计方法,并考虑不同的样本量、估计方法的不同参数设置,研究模型估计对控制图性能的影响。仿真以及案例分析的结果表明,样本量对受控状态下的控制图性能有显著影响,但当样本量超过一定值时,控制图的受控性能不再随样本量的增加而变化。另外,当受控模型为广义线性模型时,3种估计方法均对失控状态下的控制图性能有明显影响,Newton Raphson方法表现较好,而当受控模型不明确时,局部线性核估计方法更优。

摘要： 【目的】通过2018年1—2月广西国有高峰林场机载激光雷达数据及地面调查数据,采用参数方法和非参数方法建立回归模型,反演桉Eucalyptus树人工林森林蓄积量。【方法】通过点云提取点云高度参数、点云密度参数、林分郁闭度等点云特征变量,采用参数方法(逐步回归、偏最小二乘回归)和非参数方法(随机森林回归、支持向量机回归)进行林分蓄积量构建,通过与样地实测数据对比,进行模型回归预测性能评估,进而选择出表现最优蓄积量反演模型。【结果】采用留一法对以上4种模型进行验证,结果显示:逐步回归模型R2为0.85、均方根误差(RMSE)为23.93 m^(3)·hm^(−2)、平均绝对误差(MAE)为18.18 m^(3)·hm^(−2);偏最小二乘回归模型R2为0.81、RMSE为26.52 m^(3)·hm^(−2)、MAE为19.94 m^(3)·hm^(−2);核函数为RBF的支持向量回归模型R2为0.88、RMSE为21.35 m^(3)·hm^(−2)、MAE为16.62 m^(3)·hm^(−2);随机森林回归模型R2为0.84、RMSE为24.53 m^(3)·hm^(−2)、MAE为17.41 m^(3)·hm^(−2)。【结论】采用随机森林进行变量筛选后,RBF-SVR模型拟合优度及泛化能力最优;通过逐步筛选法结合方差膨胀因子(VIF)方法优选变量的逐步回归模型次之;最后为随机森林回归模型与偏最小二乘回归模型。可见,在解决林业激光雷达领域中的回归预测问题时,采用非参数方法构建RBF-SVR模型更有优势。本研究建立的4种森林类型蓄积量模型,各模型均有较高精度且符合森林资源调查相关技术规定要求。图6表6参25。

摘要： 在有管理的浮动汇率制度下,人民币汇率波动幅度在汇改后逐渐提升,故有效预测汇率波动成为央行、外汇管理局以及外贸公司等汇率敏感部门的迫切需求.传统波动模型中的线性假设与较低的包含高阶滞后项能力限制了其预测精度.为提高汇率波动的预测水平,文中结合目标预测变量与非参数回归方法对美元、欧元及日元兑人民币汇率进行了不同预测期限的滚动窗口预测.通过损失函数与预测能力检验,本文发现基于目标预测变量的非参数方法较经典波动模型可显著提升汇率波动预测的精度,且对不同币种、预测期限及损失函数都表现出较强的稳健性.

摘要： 为了探究固定设计下具有 α-混合相依误差的非参数回归模型的估计理论,基于多样式样条方法对均值函数进行了估计,利用残差构造了方差函数的样条估计.在一般假设条件下,均值函数估计量和方差函数估计量具有相同的一致收敛速度.数值模拟结果显示:基于贝叶斯信息准则下的样条估计优于赤池信息准则下的样条估计和局部线性估计.

摘要： 在金融证券市场中,夏普比率可以同时衡量投资组合的收益和风险,是基金绩效评估中最常用的指标,在投资组合中能够给投资者提供重要的指导作用,因此研究夏普比率函数的估计方法具有重要现实意义.本文研究内容有:首先,概括了股票市场背景下夏普比率的研究现状及其在基金绩效排名中的适用性;其次,给出了现有估计夏普比率函数的方法,包括参数法、非参数法、时间序列分析法、小波分析法,并对每种方法的优缺点与适用情境进行了系统化梳理和比较;最后,借助时间序列分析法对股票对数收益率序列构建了ARMA-GARCH模型,计算了单期超额收益率的均值和方差并间接计算了夏普比率函数,之后在实例分析中根据夏普比率值的大小对基金绩效进行了排名,验证了该方法的有效性.

摘要： 讨论了混料格子点集与混料规范多项式的基本性质,并列举了格点设计的应用,分别是混料试验域上的非参数回归建模,混料数据的均匀性检验,并给出了实例.

摘要： 针对混合非参数回归问题,给出了一种基于贝叶斯框架的推断方法.在该方法中对每一个非参数混合成分用一个随机过程的有限维分布族作为先验,同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计,并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)法抽样来进行后验推断.数值模拟分别从样本量、回归曲线的相对位置和多分类情况3个角度进行.模拟结果表明,相较于全局期望最大化(global expectation maximalization)算法,混合非参数回归的贝叶斯推断方法能够有效利用先验信息来提高模型的拟合和预测能力.最后将混合非参数回归的贝叶斯推断方法应用于蚜虫与受感染烟草植物的实验,同时解决了数据的聚类与回归拟合问题,其有效性和适用性得证.

摘要： 针对某型引俄直升机,服役时间短、机型较新、备件采购周期长等特点,使用非参数回归算法建立了航材消耗模型.非参数回归分析是一种不设置先验知识的回归模型,通过每个数据点计算权重,使得回归曲线延伸性能较好,能较好适应该型直升机航材消耗预测模型缺乏先验知识、预测周期长等特点.通过对消耗数据建模仿真,并对比多种回归方法,结果表明基于非参数回归的航材消耗模型对区间预测具有较好的效果.

摘要： 采用K近邻非参数回归的方法对轨道交通站点短时进站客流量进行了预测,并对状态向量的选择进行了研究.预测结果表明:以预测时段前m个时段的历史数据作为状态向量具有较好的预测效果,而相邻站点历史客流数据虽然在数值上与预测站点的客流数据具有较大相关性,但由于其忽视了各站进站客流是相对独立的,因此不宜作为状态向量.

摘要： 内插方法是影响DEM生产质量的主要因素,以往较多的研究只注重插值模型精度评价,忽略插值函数要和实际地形特征契合.在此基础上,提出基于非参数回归的自适应DEM插值方法,利用梯度协方差矩阵描述局部地形特征,基于尺度参数、旋转参数、伸缩参数结合地形信息自适应控制核,从而实现DEM自适应插值.实验结果表明,相同条件下,基于非参数回归自适应插值方法精度优于TIN,表明非参数回归自适应插值方法抗差性能较好.从而证明了该方法的可行性和有效性.

摘要： 非参数回归(NPR)天气预报技术是基于天气学天气预报方法而提出的一种类似于案例推理分析的启发式统计天气预报技术，也可以说是一种类似于天气预报员基于天气原理分析的预报技术。通常它有四个主要部分，第一是存放全部历史数据样本集的数据库，第二是近邻样本子集的搜索，第三是最优化近邻子集，第四是形成预报估计的计算。本文应用K近邻非参数回归(NPR)天气预报方法进行区域云量预报试验。试验表明该方法是一种比较好的云量预报方法，能较好地预报大范围的云量变化趋势。

摘要： 本文提出了一种类似于范例推理分析的K近邻非参数回归概率天气预报技术,并利用该技术进行了淮河流域的中期降水预报试验.结果表明,该技术预报准确率较高,预报稳定性好,具有良好的业务应用前景.

摘要： 随着近年来城市交通运输的发展,高铁、地铁、轻轨等轨道交通线路不断新建运营,对城市的电磁环境产生了一定的影响,为尝试解决城市电磁干扰的消除问题,本文选用了两种基于加权线性最小二乘和n阶多项式模型的局部回归方法与它们的稳健形式,通过调节窗宽系数,去除噪声信号,并通过与未受干扰的数据比对,计算分析相关系数和欧氏平方距等数据指标,使之尽量接近于未受干扰时的数据形态,从而达到有效消除电磁干扰的结果.

摘要： 自Engle(1982)首创ARCH模型以来，各种推广和变异模型层出不穷，形成了庞大的ARCH类模型，广泛应用于计量经济的各个领域。早期的ARCH类模型多为对称模型，估计方法通常是正态分布假设下最大似然估计等参数统计方法。该文提出一个新的非对称广义ARCH模型，并以非参数回归方法对模型进行估计。实证部分为人民币基准利率的AGARCH模型。

摘要： 鉴于水环境的复杂性,为提高预测精度,将广义可加模型应用于水质预测,并以钱塘江支流东阳江许村至义东桥河段的水质预测为案例,首先确定反应变量的分布形式,建立既含参数项又含非参数项全模型;以全模型为初始模型进行逐步筛选,选出赤池信息准则值最小的模型;根据该模型的拟合残插图确定异常点,对剔除异常点后的数据重新拟合得到最优广义可加模型.最后,用最优广义可加模型预测2007年义东桥断面的水质,并将预测结果与广义线性模型进行比较.结果表明,广义可加模型比广义线性模型的拟合效果要好,更适用于水质预测.

摘要： 鉴于水环境的复杂性,为提高预测精度,将广义可加模型应用于水质预测,并以钱塘江支流东阳江许村至义东桥河段的水质预测为案例,首先确定反应变量的分布形式,建立既含参数项又含非参数项全模型;以全模型为初始模型进行逐步筛选,选出赤池信息准则值最小的模型;根据该模型的拟合残插图确定异常点,对剔除异常点后的数据重新拟合得到最优广义可加模型.最后,用最优广义可加模型预测2007年义东桥断面的水质,并将预测结果与广义线性模型进行比较.结果表明,广义可加模型比广义线性模型的拟合效果要好,更适用于水质预测.

摘要： 鉴于水环境的复杂性,为提高预测精度,将广义可加模型应用于水质预测,并以钱塘江支流东阳江许村至义东桥河段的水质预测为案例,首先确定反应变量的分布形式,建立既含参数项又含非参数项全模型;以全模型为初始模型进行逐步筛选,选出赤池信息准则值最小的模型;根据该模型的拟合残插图确定异常点,对剔除异常点后的数据重新拟合得到最优广义可加模型.最后,用最优广义可加模型预测2007年义东桥断面的水质,并将预测结果与广义线性模型进行比较.结果表明,广义可加模型比广义线性模型的拟合效果要好,更适用于水质预测.

摘要： 鉴于水环境的复杂性,为提高预测精度,将广义可加模型应用于水质预测,并以钱塘江支流东阳江许村至义东桥河段的水质预测为案例,首先确定反应变量的分布形式,建立既含参数项又含非参数项全模型;以全模型为初始模型进行逐步筛选,选出赤池信息准则值最小的模型;根据该模型的拟合残插图确定异常点,对剔除异常点后的数据重新拟合得到最优广义可加模型.最后,用最优广义可加模型预测2007年义东桥断面的水质,并将预测结果与广义线性模型进行比较.结果表明,广义可加模型比广义线性模型的拟合效果要好,更适用于水质预测.

摘要： 本发明公开了一种基于数据驱动的k邻近非参数回归的交通流预测方法，基于两步数据搜索算法开发，首先在非预测时间段内，从历史数据库中寻找和识别候选输入数据去与当前状态近似，然后在预测点处从候选输入数据中识别用于预测的最佳决策输入数据，最后利用最佳决策输入数据通过预测算法生成预测。本算法可以有效地减少用于搜索历史数据的时间，从而降低系统预测过程中的执行时间，提高了预测系统的预测效率，同时也保准了系统预测的准确率。

摘要： 基于非参数回归分析的电力负荷异常数据识别与修正方法，1、对电力负荷数据进行用电模式分类，分为普通用电模式数据集和特殊用电模式数据集两大类；2、采用非参数回归分析法对获得的普通用电模式数据集提取各时刻的负荷特征值；3、利用提取的负荷特征值，根据选取的置信水平，形成异常数据域；4、对普通用电模式数据集和特殊用电模式数据集中的负荷数据利用步骤3形成的异常数据域进行负荷异常数据识别；5、利用改进的引入负荷水平映射关系和考虑特征值影响的加权均值法对识别出来的负荷异常值进行修正；本发明能够实现包含大工业电力负荷数据在内的电力负荷异常数据识别与修正，同时可以完善负荷异常数据识别和修正理论在电力负荷数据处理方面理论的不足。

摘要： 本发明公开了一种基于函数型非参数回归的中长期典型日负荷曲线预测方法，根据已有的历史典型日负荷曲线，基于函数型数据分析理论和非参数核密度估计方法，建立函数型非参数回归预测模型；考虑待预测典型日的日负荷率和最小负荷率，建立二次规划模型对函数型非参数回归预测模型的预测曲线进行修正，最终得到满足待预测典型日负荷特性指标要求的预测曲线。以中国某省级电网和美国PJM电力公司的典型日负荷数据为基础的仿真算例验证了所提方法简单实用，预测结果准确。本专利具有良好的推广价值和应用前景。

摘要： 本发明公开了一种非参数回归短时交通流预测中状态向量的选取方法，涉及短时交通流预测技术领域，通过在高峰时段、平峰时段、低峰时段和全天候四种情况下采用本发明提供的方法提高了预测精度、稳定性、速度和可移植性，缩短了运行时间，验证了本发明提供的方法的有效性和必要性。

摘要： 本发明公开了一种基于数据驱动的k邻近非参数回归的交通流预测方法，基于两步数据搜索算法开发，首先在非预测时间段内，从历史数据库中寻找和识别候选输入数据去与当前状态近似，然后在预测点处从候选输入数据中识别用于预测的最佳决策输入数据，最后利用最佳决策输入数据通过预测算法生成预测。本算法可以有效地减少用于搜索历史数据的时间，从而降低系统预测过程中的执行时间，提高了预测系统的预测效率，同时也保准了系统预测的准确率。

摘要： 本发明公开了一种基于均匀试验和ACE非参数回归方法的高韧性水泥基工程复合材料的最优配合比设计方法。本方法包括以下步骤：首先确定高韧性水泥基工程复合材料配合比的优化目标，然后选取试验因素，并确定各因素的水平，选择均匀设计表和均匀设计表的使用表对各因素进行组合得到配合比表并进行试验，采用ACE非参数回归方法对试验数据进行分析处理，根据试验目标和约束条件进行筛分，得到最优的高韧性水泥基工程复合材料的配合比，最后根据最优配合比进行试验验证其合理性。本发明提出的优化设计方法与其他试验设计方法相比，在相同水平数的情况下，本试验方法的试验次数最少，其试验数据更具有均匀性、代表性，操作简单。

摘要： 基于非参数回归分析的电力负荷异常数据识别与修正方法，1、对电力负荷数据进行用电模式分类，分为普通用电模式数据集和特殊用电模式数据集两大类；2、采用非参数回归分析法对获得的普通用电模式数据集提取各时刻的负荷特征值；3、利用提取的负荷特征值，根据选取的置信水平，形成异常数据域；4、对普通用电模式数据集和特殊用电模式数据集中的负荷数据利用步骤3形成的异常数据域进行负荷异常数据识别；5、利用改进的引入负荷水平映射关系和考虑特征值影响的加权均值法对识别出来的负荷异常值进行修正；本发明能够实现包含大工业电力负荷数据在内的电力负荷异常数据识别与修正，同时可以完善负荷异常数据识别和修正理论在电力负荷数据处理方面理论的不足。

摘要： 本发明公开了一种基于函数型非参数回归的中长期典型日负荷曲线预测方法，根据已有的历史典型日负荷曲线，基于函数型数据分析理论和非参数核密度估计方法，建立函数型非参数回归预测模型；考虑待预测典型日的日负荷率和最小负荷率，建立二次规划模型对函数型非参数回归预测模型的预测曲线进行修正，最终得到满足待预测典型日负荷特性指标要求的预测曲线。以中国某省级电网和美国PJM电力公司的典型日负荷数据为基础的仿真算例验证了所提方法简单实用，预测结果准确。本发明具有良好的推广价值和应用前景。

摘要： 本发明公开了一种非参数回归短时交通流预测中状态向量的选取方法，涉及短时交通流预测技术领域，通过在高峰时段、平峰时段、低峰时段和全天候四种情况下采用本发明提供的方法提高了预测精度、稳定性、速度和可移植性，缩短了运行时间，验证了本发明提供的方法的有效性和必要性。

摘要： 本发明公开了一种非参数回归方法，涉及预测方法领域，根据预测对象确定预测量；从预测对象中获取预测量的属性P1～Pn，将属性P1～Pn作为预测对象状态的各个分量，n为属性的个数；收集模式；根据收集到的模式，利用KD树数据结构构建模式库；采集预测对象状态的参数，由参数构成预测对象当前状态向量，按照预设准则在模式库中搜索与当前状态向量相似的k个模式，并获取k个模式对应的待预测量的值y1～yn；将获取到的待预测量的值y1～yn代入预测函数中，得到预测值yforcast；经过时间T，采集待预测量的真实值yreal，根据预测值yforcast和真实值yreal计算预测误差e，根据预测误差e对预设准则中的权值、模式库的结构进行调整。通过该方法提高了非参数回归预测的计算速度和预测精度，满足实际应用中的需要。