偏最小二乘回归在大坝安全监控中的应用

针对统计回归计算中出现的水压因子难以入选和入选以后计算结果不合理的困难，本文应用偏最小二乘回归建立坝顶水平位移的统计模型。计算结果表明，相对于逐步回归和多元回归，基于偏最小二乘法的回归模型，取得较合理的结果。     

递阶偏最小二乘回归在大坝安全监测中的应用

偏最小二乘回归能有效地消除因子间的多重相关性,但从其算法特点和实际应用来看,也存在不足.例如,在算法方面,偏最小二乘提取的主成分不一定能同时保证方差和相关程度最大;在应用方面,含有较多自变量的偏最小二乘回归模型的可解释性不高.递阶偏最小二乘回归是偏最小二乘回归后续研究的成果之一,在一定程度上克服了上述不足.算例表明,递阶偏最小二乘回归模型较其他回归模型的可解释性强,较为合理.     

偏最小二乘回归在大坝位移资料分析中的应用

介绍了偏最小二乘回归的基本原理、建模基础思路和交叉有效性判别方法，编制了偏最小二乘回归程序；指出偏最小二乘回归可以很好地应用于大坝位移监测中。通过算例分析表明：建立的模型有很好的拟合和预报功能。     

偏最小二乘回归在大坝位移资料分析中的应用

介绍了偏最小二乘回归的基本原理、建模基本思路和交叉有效性判别方法，编制了偏最小二乘回归程序；指出偏最小二乘回归可以很好地应用于大坝位移监测中。通过算例分析表明：建立的模型有很好的拟合和预报功能。     

基于偏最小二乘回归的大坝监测资料分析

偏最小二乘回归是一个具有广泛适用性的多元统计分析方法,该方法能有效克服自变量间的多重相关性问题.简述了偏最小二乘回归的建模思路、原理,以及如何确定最佳的成分数.通过实例证实,此方法在大坝监测资料分析中具有可行性及优点,并能够对数据进行相应的辅助分析.     

偏最小二乘回归在大坝位移监控中的应用

大坝位移监控模型各影响因子之间往往存在着多重相关性,给回归建模分析带来许多负面影响,采用偏最小二乘回归(PLSR)建模分析可以很好地解决这个问题.文中在简述PLSR原理的基础上,结合工程实测数据,建立了大坝位移监控的PLSR模型和逐步回归模型,并对两者进行比较分析,取得了较合理的结果.     

偏最小二乘回归在大坝安全监控中的作用

针对统计回归计算中出现的水压因子难以入选和入选以后计算结果不合理的困难，本文应用偏最小二乘回归建立坝顶水平位移的统计模型。计算结果表明，相对于逐步回归和多元回归，基于偏最小二乘法的回归模型，取得较合理的结果。     

大坝安全监控的偏最小二乘回归分析

针对大坝安全监拉模型因子间多重相关性问题,本文引入了偏最小二乘回归法.对渗流资料进行了详细的分析.研究分析表明,偏最小二乘回归法能够有效地克服因子间的多重相关性的影响,建立的模型具有很好的稳定性和解释性.相比一般的最小二乘回归法,更具有推广性.     

基于遗传算法的偏最小二乘回归模型在大坝安全监测中的应用

偏最小二乘回归能较好地解决自变量之间严重的相关性问题,遗传算法作为一种新的全局优化搜索方法,具有智能性搜索、并行式计算、鲁棒性强等优点.本文在偏最小二乘回归分析的基础上引入遗传算法,依靠其有效的自适应全局搜索优化功能,对偏回归模型中的回归系数进行重新评估,建立基于遗传算法的偏回归模型.实例分析表明:基于遗传算法的偏回归模型有良好的拟合效果和预测精度.     

偏最小二乘回归法在鸭子荡水库渗流观测分析中的应用

采用偏最小二乘回归法,对鸭子荡水库的渗流资料进行分析,建立了渗流偏最小二乘回归统计模型。通过对各因子重要性和时效因子的分析,表明偏最小二乘回归法能有效地消除因子间多重共线性的影响,成功地分离出各个分量,对了解大坝的运行状态具有重要的意义。     

一种适用于大坝安全监测资料分析建模的偏最小二乘回归法及其计算机实现

简要叙述了偏最小二乘回归法的基本思路和计算方法，阐明了将该方法应用于大坝安全监测资料的分析建模，能够突破传统回归方法的局限性，获得完整、稳健的监测量模型。介绍了一套应用程序，并通过计算实例的对比，说明了偏最小二乘回归法较传统的多元线性回归方法的优越性，展示了其良好的应用前景。     

基于偏最小二乘回归法的大坝渗漏分析与预测

渗漏是水库大坝主要病害形式之一,进行大坝渗漏分析预测对了解大坝渗流性态和提高工程管理具有重大意义。由于坝体内部渗漏表现出的灰色甚至黑色特征增加了渗流性态的分析难度,基于常规的最小二乘法无法解决渗漏变量间多重共线、样本较少等问题。针对此类分析的难点,本文通过偏最小二乘回归法,依据监测数据建立了渗流统计回归模型,探讨了主要影响因素与渗漏量的关联程度。采用该模型对吉林台面板堆石坝工程运行条件下渗漏量进行了预测,分析结果表明了该方法的可行性。     

基于偏最小二乘回归法的水库渗漏分析与预测

渗漏是水库大坝主要病害形式之一,对大坝渗漏进行分析预测对了解大坝渗流性态和提高工程管理意义重大。由于坝体内部渗漏表现出的灰色甚至黑色特征增加了渗流性态的分析难度,基于常规的最小二乘法无法解决渗漏变量间多重共线、样本较少等问题。针对此类分析的难点,本文通过偏最小二乘回归法,依据监测数据建立了渗流统计回归模型,探讨了主要影响因素与渗漏量的关联程度。采用该模型对吉林台混凝土堆石坝运行条件下渗漏量进行了预测,分析结果表明了该方法的可行性。     

偏最小二乘法与神经网络耦合的大坝监测模型

针对人工神经网络在大坝变形监测模型应用中所出现的收敛慢和稳定性差等问题,提出了偏最小二乘法与人工神经网络耦合的大坝变形监测模型,提高了神经网络的学习速率和稳定性.首先运用偏最小二乘法对多维自变量进行主成分提取和降维处理,解决了变量之间的多重相关问题,而后把降维的数据输入神经网络进行训练.对比实例应用结果表明,偏最小二乘神经网络耦合模型的拟合速度和精度都高于传统的神经网络.     

递阶偏最小二乘回归模型及其应用

偏最小二乘回归模型中包含所有原始选择的变量,当自变量较多时,因得到的模型结果十分庞杂而难以分析和解释。本文采用递阶偏最小二乘（Hierarchical PLS,Hi-PLS）回归方法,通过分层建立模型的方法有效解决了这一问题。工程实践表明,本模型精度较高,特别适用于大规模变量集合的回归分析。     

基于偏最小二乘法的遗传模拟退火算法及其在大坝安全监控中的应用

介绍了基于偏最小二乘法的遗传模拟退火算法的编程方法和利用其建立大坝安全监控模型的方法。实例分析表明,遗传模拟退火算法筛选影响因子后由偏最小二乘法建立的安全监控模型与直接由偏最小二乘法建立的模型相比,不仅简化了模型、提高了模型的拟合精度,而且增强了所建模型的预测能力。     

基于偏最小二乘回归和最小二乘支持向量机的大坝渗流监控模型

利用偏最小二乘回归法对影响大坝渗流的诸多因素进行分析,提取对因变量影响强的成分,克服了变量间的多重相关性问题,降低了最小二乘支持向量机的输入维数,从而可以较好的解决非线性问题,建立了基于PLS-LSSVM的大坝渗流监控模型。实例分析表明,PLS-LSSVM模型的拟合与预测精度均优于独立使用PLS或LSSVM建模的精度;PLS-LSSVM模型的学习训练效率比LSSVM模型有较大的优势,更适合于大规模的数据建模。     

基于偏最小二乘回归的大坝位移混合模型研究

介绍了偏最小二乘法的建模基本思路和交叉有效性判别方法,编制了偏最小二乘回归程序,与弹性力学有限元联系,建立了基于偏最小二乘回归的大坝位移混合模型。算例分析表明,建立的模型有较好的拟合和预报功能。     

偏最小二乘回归模型在城市需水预测中的应用

科学地预测城市需水量对城市的发展具有十分重要的意义.城市需水量受到多重因素的影响,各因素之间的相关性较大,从而导致一些预测计算结果失真,使一些公式的适用性不是很强.为此,采用偏最小二乘回归建模,借助主成分分析与典型相关分析的思路,采用成分提取的方法,有效地解决了各因子之间的相关问题,建立了城市生活用水量预报模型,并对模型进行了辅助分析,模型的拟合和预报精度均较好.     

最小二乘支持向量机模型在大坝监测中的应用

提出了一种基于混沌时间序列的最小二乘支持向量机预测方法,该方法的依据是相空间重构技术以及最小二乘支持向量机模型(LS_SVM)。阐述了基于混沌时间序列的最小二乘支持向量机模型的算法步骤,并指出该模型的评价指标为平均绝对误差(MAE)以及预测均方误差(PMSE)。利用该模型对某混凝土大坝5#坝段102号测点的垂直位移进行了预测,结果表明:基于混沌时间序列的LS_SVM模型的预测性能较好,能够很好地体现出模型的实际应用能力;模型的拟合及预报结果能够满足精度要求,与回归模型相比具有预测结果精度较高的优点。