偏最小二乘法回归的建模思路及其在水库大坝监测中的应用分析

常规最小二乘法回归的不足之处是:难以有效识别和消除自变量因子间的多重相关性影响;然而偏最小二乘法回归模型却能够有效消除因子相关性对模型回归系数估计和回归分析效果的影响。文章介绍了偏最小二乘法回归基本原理和建模思路,并结合水库大坝监测实例分析了偏最小二乘法回归,实例表明,偏最小二乘法分离效果更好,反演结果精度更高,能满足对大坝安全监控的要求,在水利工程安全监测及有关数据的统计分析方面具有广阔的应用前景。     

偏最小二乘回归的应变统计模型研究

在应变监控模型中,各因子之间存在着多重相关性,将会严重影响参数估计、扩大模型误差、破坏模型的稳健性,为了克服多重相关性对模型的干扰.引入了能辨别系统信息与噪声的偏最小二乘回归.研究分析表明,与普通的最小二乘回归相比,偏最小二乘回归模型具有很好的稳定性.     

新农村建设饮水设计方案

在应变监控模型中,各因子之间存在着多重相关性,将会严重影响参数估计、扩大模型误差、破坏模型的稳健性,为了克服多重相关性对模型的干扰,引入了能辨别系统信息与噪声的偏最小二乘回归.研究分析表明,与普通的最小二乘回归相比,偏最小二乘回归模型具有很好的稳定性.     

大坝安全监控模型因子相关性及不确定性研究

针对最小二乘法难以克服因子多重共线性对回归模型精度影响的不足，本文对大坝安全监控模型因子间的相关性及其不确定性进行了研究。引进偏最小二乘法，对大坝安全监测变量及其影响因子进行偏最小二乘回归分析，将建模预测分析方法与非模型式的数据内涵分析有机结合，可同时实现回归建模、数据结构简化以及因子相关的不确定性分析，所建立的大坝安全监控模型，其精度可通过交叉有效性检验来控制。工程应用实例和模型对比分析研究表明，偏最小二乘回归模型能有效克服各类因子变量间的多重共线性对模型拟合精度及其预测能力的影响，因而比目前常用的最小二乘回归模型更具广泛适用性。     

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。     

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.     

基于递阶偏最小二乘回归的数据分析

针对最小二乘法难以克服因子多重共线性对回归模型精度影响的不足和大坝观测数据分析中因变量较多的特征，引进递阶偏最小二乘法，对大坝安全监测变量及其影响因子进行递阶偏最小二乘回归分析，将建模预测分析方法通过递阶分层处理，可同时实现回归建模和数据结构简化，所建立的大坝安全监控模型精度可通过交叉有效性检验来控制．工程应用实例和模型对比分析研究表明，递阶偏最小二乘回归模型能有效克服由于各类因子变量间的多重共线性和因子变量数目较多而对模型拟合精度及其预测能力的影响，相对于传统回归模型有更好的解释能力，因而具有一定的实用价值．     

基于偏最小二乘回归的水面蒸发量数学模型

利用气象因子计算水面蒸发量过程中,各自变量之间经常存在多重相关性,从而导致传统的多元回归模型(基于最小二乘法)的失真,丧失稳健性,预测精度降低。该文采用偏最小二乘回归建模,有效地解决了各气象因子之间的多重相关性,得到满意效果。     

偏最小二乘回归与灰色模型耦合预测城市用水量

 影响城市用水量的各个因素,存在多重相关性,采用传统最小二乘回归法建模,其估计参数存在较大误差,预测精度降低。运用偏最小二乘回归法建立城市用水量的预测模型可以克服变量间的多重相关性影响,并可以很好地解释因变量;采用GM（1,1）建立的城市用水量预测模型,能够克服参数的非线性干扰,进行中长期预测。结果和实际符合,将两者进行耦合,充分利用了两种模型的优点,预测结果更为合理可靠。     

基于SPSS多元回归分析的原材料对混凝土裂缝的影响分析

通过对多元回归分析原理及模型介绍,结合三峡工程大坝混凝土试验实测数据,运用统计分析程序SPSS对影响混凝土抗裂性能指标的五大因素进行了多元线性回归分析,得到了各因素之间的相互关系及各因素对抗裂指标的影响权重。     

回归模型在抚仙湖水量预报上的分析应用

基于回归分析能生成数学表达式,并能对数据进行预测的独到优越性,在对影响抚仙湖蓄水情况的降雨因素进行分析的基础上,运用多元回归和逐步回归分析方法,找出影响抚仙湖蓄水的主要因子,建立预报模型。通过分析比较,结果表明:多元回归模型预报效果最佳,可用于对抚仙湖蓄水量开展中长期预报,为湖泊调度管理提供可靠依据。     

基于偏互信息法遴选因子的长江中长期径流预报

为提高流域中长期径流预见期和预报精度,以长江流域代表性水文站为例,研究遥相关气候因子对水文站径流的影响,通过偏互信息方法遴选与逐月径流具有显著相关性的气候因子,并采用多元回归方法建模进行中长期径流预报。研究表明:根据偏互信息法选出的输入因子建立的回归方程在建模和试报阶段的拟合优度值都大于0.6,而且入选的气候因子均具有4个月及以上的预见期。可见利用偏互信息法挑选遥相关气候因子进行中长期径流预报能够延长预见期并提供具有较高精度的预报结果。     

复相关在水文资料插补中的应用

在水文分析计算中通常用相关法来插补延长资料系列。两个因素之间的相关称为一元相关。三个及其以上因素的相关,称为复相关。而本文主要介绍三个变量之间的复相关在水文资料插补中的应用。     

灰关联分析与多元线性回归模型联合应用研究

依据50年(1954~2003)和田绿洲的气象资料,应用灰关联分析,发现影响绿洲蒸发能力的主要因子是相对湿度与平均气温;在此基础上建立了回归模型。该模型模拟预测绿洲蒸发能力的变化精度较高,但需进一步改进。这种途径比逐步回归分析减少了分析工作量和上机时间。     

Multivariate analysis of the sediment quality of a tropical coastal lake system

Accurate knowledge of sediment quality is essential because it affects the magnitude and trends of water quality constituents. There are only a few analyses of sediment quality characteristics using multivariate analysis tools. This study utilizes hierarchical cluster analysis (HCA), factor analysis (FA) and multiple regression analysis (MRA) to demonstrate the usefulness of these techniques to analyse sediment quality for Akkulam–Veli Lake, a tropical coastal lake system in Kerala, India. The variation of sediment quality patterns during the premonsoon (PRM), monsoon (MON) and postmonsoon (POM) periods were assessed with cluster analysis. Factor analysis was used to identify prominent factors influencing sediment quality, while the factors influencing heavy metal partitioning in the sediment and overlying water were identified using multiple regression analysis. The study results indicated the sediment in the upstream portion of the lake was polluted during PRM, with the prominent factors being the ‘heavy metal factor’ and the ‘organic pollution factor’, followed by the ‘phosphorus pollution factor’ and the ‘cadmium pollution factor’. The ‘heavy metal factor’ and the ‘organic pollution factor’ are the prominent factors during MON, whereas the ‘heavy metal factor’, ‘organic pollution factor’ and ‘salinity factor’ were prominent POM factors. The salinity of the overlying water above the sediments plays an important role during PRM and POM, whereas the dissolved oxygen content was important during MON.     

新疆内陆河流域融雪期积雪深度变化影响因素研究

采用因子分析法结合多元线性回归分析法对影响融雪期积雪深度变化的因素进行分析.结果表明:融雪期积雪深度与热能因子(地表温度,气温,净辐射)呈负相关,与水汽因子(水汽压,相对湿度,降雨)呈弱的负相关.空气流动因子(日均风速)对其影响较微弱;在此基础上对各因素的影响强弱,按大小进行排序,各因素对融雪期积雪深度变化影响的排序为:热能因子＞水汽因子＞空气流动因子.建立的回归方程通过了显著性检验表明:利用因子分析法与多元线性回归分析法结合,分析融雪期积雪深度的变化影响因素是可行的.     

天津市水资源承载力的变化及驱动力研究

通过主成分分析,将影响天津市水资源承载力变化的7个驱动因子归纳为经济动态压力、社会压力和环境压力三类,得到影响水资源承载力的三个主要因子,分别为人口、工业用水量及农业用水量。进而通过回归分析建立多元线性回归模型,预测出2020年及2030年的用水总量,并结合天津市水资源现状进行分析后,提出了相关的政策性建议和措施。     

Estimating water deficit and its uncertainties in water-scarce area using integrated modeling approach

Accurate assessment of water deficit and related uncertainties in water-scarce areas is strategically important in various fields of water resources management. This study developed a hybrid approach integrating conceptual water balance model and econometric regression to estimate water shortage and its related uncertainties in water-scarce areas. This hybrid approach was used to assess the agricultural water deficit of Beijing, an extremely water-scarce area in China. A predictive model of agricultural water demand was developed using the stepwise multiple regression method, and was validated by comparing the predicted values with observed data. Scenario analysis was employed to investigate the uncertainties of agricultural water shortage and agricultural water demand. This modeling approach can assist water administration in creating sustainable water allocation strategies in water-scarce areas.