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。     

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。     

偏最小二乘与人工神经网络耦合模型在酸雨pH值预测中的应用

将偏最小二乘与人工神经网络耦合,建立了一种新型耦合预测模型———偏最小二乘与人工神经网络耦合模型。该模型利用了偏最小二乘方法有效处理自变量之间多重相关性问题和人工神经网络可以较好地解决非线性问题的能力,在城市酸雨pH值预测中的应用表明,该模型预测精度高,明显优于偏最小二乘回归模型和人工神经网络模型。     

基于新偏最小二乘回归法的系列水文资料分析

在实际问题中,经常会碰到海量数据或者样本点较少,自变量较多的数据。对此可以利用递阶偏最小二乘回归来建立线性模型。但是一个直接的问题是如何对自变量进行分组。由此提出了基于聚类分析的递阶偏最小二乘回归方法,在对解释变量分组时引入聚类分析。通过对长江宜昌段水沙观测数据作实证分析后发现,基于聚类分析的递阶偏最小二乘回归方法是有效可行的,而且用该方法建立的回归模型比一般的偏最小二乘回归模型拟合能力更强。     

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。     

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.     

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。     

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。     

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。     

基于偏最小二乘及最小二乘支持向量机的 人工加糙渠道糙率预测模型

影响渠道糙率的因素相当复杂,且因素间又存在一定的相关关系。为取得更为精确的糙率预测效果,采用偏最小二乘(PLS)法对影响人工加糙渠道糙率的因素进行分析,提取影响自变量的重要成分,结合最小二乘支持向量机(LSSVM)建立了人工加糙渠道糙率预测模型。结合实例,通过对某人工加糙渠道相关试验数据进行PLS-LSSVM模型的训练及预测,并将预测结果与单独使用PLS、LSSVM及公式法的预测结果进行对比,其结果显示:基于PLSLSSVM模型的预测平均绝对百分比误差MAPE为1.38%,均方根误差RMSE为2.24×10~(-4),预测精度均优于PLS、LSSVM及公式法的预测结果。结果表明,将PLS与LSSVM相结合的PLS-LSSVM模型,综合了PLS与LSSVM各自的优势,应用PLS-LSSVM模型可有效进行人工加糙渠道糙率的预测。     

将偏最小二乘回归模型应用于非点源负荷预测

介绍了偏最小二乘回归的基本原理,建模思路和方法,将偏最小二乘回归模型应用于泾河流域非点源污染年负荷量预算,对计算结果的代表性和有效性进行了分析,并将其与最小二乘的多元回归模型预测结果进行了对比.实例计算分析结果表明,偏最小二乘回归分析对于反映因变量与多个相关性自变量之间的关系有较高的精度.     

OSC-PLS法在大坝安全监控模型中的应用

为了提高PLS大坝监控模型的可解释性,引入一种数据预处理方法——正交信号修正(OSC)法,对原始自变量进行预处理,去除和因变量无关的信号,再建立PLS监控模型。实例分析表明,OSC-PLS法只需要1个主成分就可以建立监控模型,与PLS模型相比,该模型的回归系数具有明确的物理意义,因子的重要性指标更合理。因此,OSC-PLS大坝安全监控模型结构更简单,解释性更好,具有一定的推广价值。     

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.     

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。     

重大工程场地岩溶地面塌陷静力学分析及危险性评价

深圳大运中心桩基施工过程中产生大面积塌陷,其建筑重要性、场地复杂程度、地基复杂程度均为一级,需对场地岩溶地面塌陷危险性进行评价,减少工程施工事故。采用高密度电法、地质雷达、层析成像、钻探等勘察方法查明土洞、溶洞发育特征,然后进行工程地质分析、建立土(溶)洞塌陷的静力学分析模型;分析影响岩溶塌陷的因素,建立包括岩溶基础条件、覆盖层特征、建筑物属性、水文地质条件4个一级指标及8个二级指标的岩溶塌陷危险性评价指标体系;基于MapGIS的数据管理系统,利用PLS Path Model(偏最小二乘通径模型)对场地岩溶地面塌陷危险性进行评价分区,并将地面塌陷危险性等级分为高、较高、较低和低4个等级,分别占场地总面积的1.05%,10.71%,19.39%和68.85%。评价结果客观、合理,其方法可为类似工程提供借鉴。     

构皮滩水电站大坝混凝土施工仿真研究

施工仿真是验证施工方案和施工进度的手段之一。大坝混凝土施工是一种典型的离散事件动态系统(DEDS),系统内相互作用较复杂,很难用一个数学解析模型来表达。本文利用数值建模方法,建立了构皮滩水电站双曲拱坝混凝土施工过程模型,并进行了仿真计算,仿真结果表明该电站大坝混凝土施工过程仿真建模方法是可行的,仿真成果是可信的。