基于二元线性回归的谐波源责任划分方法研究

介绍了基于二元线性回归的谐波源责任划分方法:采用二元线性回归法来估计电力系统的谐波阻抗,并反代入系统来评估谐波发射水平,进而确定系统侧和用户侧的责任关系。Matlab/Simulink仿真结果验证了该方法的有效性。     

基于稳健回归的系统谐波阻抗及用户谐波发射水平的估计方法

该文提出了一种基于稳健回归的系统谐波阻抗及用户谐波发射水平的评估方法,即通过对系统公共连接点的同步测量,获取系统中谐波电流、电压信号,并利用复加权最小二乘迭代法计算出谐波回归系数;然后以上次迭代残差函数作为权重,并将Huber函数当做影响函数,进行加权迭代计算,这样能够避免或减少回归系数受奇异值的影响;系统谐波阻抗有回归系数映射出,同时对用户谐波发射水平实施跟踪计算,以此就能对系统谐波阻抗及用户谐波发射水平进行准确的评估。另外,通过相应的仿真实验、实例分析,验证了这种评估方法的可行性。     

基于模拟退火的岭回归模型在体质测试中的应用

以体质指标关联性为研究对象,针对体质指标间存在的多重共线性问题,对现有的线性回归模型进行改进,本文提出一种基于模拟退火技术来确定岭参数k值的改进的岭回归估计模型算法。在实验中,以均方误差和理论常识为参考标准,证明此算法更具有一定的准确性和可靠性。     

基于二元线性回归的系统谐波阻抗及用户谐波发射水平的估算方法

随着我国社会经济的快速发展,电力事业得到了长足的发展,各行各业对电力的需求量逐渐增多,电网的规模也逐渐扩大。在电网运行过程中,谐波不仅增加了电网运行的损耗,更对电网系统运行的安全与稳定造成很大影响。为了加强对电网谐波的管理,满足电力企业与用户双方的利益,首先需要对系统谐波阻抗、用户谐波发射水平进行准确的估算。该文提出了一种基于二元线性回归的估算方式。首先对公共连接点各次谐波电压与电流信号进行准确的测量,然后通过二次线性回归法,得出系统谐波阻抗值,最后估算出用户谐波发射水平。另外,该文还通过仿真实验、工程实例分析验证了该估算方法的有效性,希望对有关领域的工作者提供参考。     

基于LASSO回归模型的网贷借款成功影响因素挖掘

随着P2P网络借贷交易量的增大,对P2P交易数据的挖掘和分析备受关注,其中一项重要的研究课题是网络借款成功率的影响因素分析.现有的文献多采用线性回归方法对该课题进行研究,但未考虑变量之间的多重共线性和采用最优变量子集建立回归模型的问题.本文采用Lasso回归方法,建立最优变量子集的回归模型对影响网络借款成功率的因素进行分析,避免了多重共线性问题对模型的干扰,同时提高了模型对数据的拟合精度.对Lending Club平台的借贷数据的实证分析结果显示,本文方法在模型的拟合精度和避免共线性方面优于对比方法.     

一种自适应选择样本的用电负荷预测方法

针对传统短期负荷预测中预测模型缺乏自适应性、预测影响因素复杂难于筛选的问题,提出一种结合自适应技术的岭回归预测模型。通过引入岭回归技术,能在预测中多方面考虑各种复杂因素而不会受到因素间多重共线性的影响;引入虚拟预测日,同时设置不同权重对相似历史样本进行自适应筛选并训练,能够对每一个预测日减小预测误差。算例分析表明,应用结合自适应技术的岭回归预测方法后,实际预测误差得到显著降低。     

视觉词汇的主成分线性编码方法

针对视觉物体分类中视觉词汇局部线性编码缺少显著性检验和共线性分析的问题,提出了主成分线性编码方法,选择与特征点具有最强线性相关性的K近邻视觉单词,采用主成分多元线性回归方法以解决视觉单词的共线性问题,从而减小编码系数的偏差和不稳定,提高视觉物体分类的精度.依据图像量化结果的稀疏性是影响分类精度的重要因素,进一步对主成分线性编码得到的量化结果做稀疏性分析并进行能量正则化处理,提高分类效率.实验结果表明,与已有方法相比,平均分类正确率提高了1%以上.     

一种改进的航磁补偿系数求解算法

针对航空物探中高精度航磁补偿的要求,概述了航空平台磁干扰模型的建立过程,推导了16项磁补偿算法的求解过程,分析了其在计算过程中解决复共线性问题时采用的方法,针对该方法存在的问题,提出了用岭回归法来改进的方案,并用实验验证了改进效果。     

基于点击日志的搜索引擎用户满意度评价研究

针对传统的搜索引擎人工评价方法效率低、成本大的问题,提出一种利用用户点击日志来评价搜索引擎用户满意度的方法。通过分析搜索引擎的用户点击日志,选择网页搜索结果排名、网页点击率、网页平均浏览时间作为用户满意度特征,分别运用多元线性回归分析、多元对数回归分析和BP神经网络方法,建立了基于用户点击日志的搜索引擎用户满意度评价模型。结合具体的实验数据集,通过实验对线性回归模型、对数回归模型和BP神经网络模型的结果进行了比较与分析,验证了模型的有效性。     

基于小波变换的非线性回归

提出了一种利用小波变换得到非线性回归估计函数的方法,把信号分解成近似部分和细节部分,对细节部分的小波系数进行阈值去噪,然后通过重构该函数得到信号。给出了基于小波变换的非线性回归分析算法,并进行了仿真实验,该方法得到的回归信号信噪比更低,更光滑,表明该方法是有效的。     

岭参数优化的ELM岭回归学习算法

针对ELM(extreme learning machine,极限学习机)学习算法可能存在的解的奇异问题,提出了岭参数优化的ELM岭回归学习算法(ELMRR).该算法利用岭回归方法代替原有的线性回归算法,以均方根误差为性能指标,采用粒子群优化算法确定最佳岭参数.为了验证该方法的有效性,对函数回归和分类问题进行仿真实验分析,结果表明该方法改善了ELM的预测性能且克服了传统岭回归算法岭参数难以确定的缺点.     

基于EPLS的电力系统谐波源的识别与定位

在电力供电优化控制的研究中,谐波是影响电能质量的重要因素,对谐波进行监测和分析具有重要的意义。为定量识别谐波源,准确估算系统谐波阻抗,提出了一种应用加强的偏最小二乘回归(EPLS)的谐波源识别算法,利用EPLS来估算系统谐波阻抗,并识别系统和用户各自所要承担的责任,达到识别谐波源定位目的;通过与二元线性回归、稳健回归以及偏最小二乘算法的比对表明,EPLS算法具有实现简单,分析精度高的优势。通过在MATLAB/SIMULINK中构建仿真模型,应用改进方法进行仿真分析,结果证明了所提方法的正确性和可行性。     

一种基于容错的感知数据回归模型研究

传感器主要用于对外部环境进行监测,然而当传感器发生故障时监测结果会出现误差。为了提高传感器发生故障时系统的容错能力,提出了一种容错的感知数据回归模型。首先,对最小二乘和岭回归两种线性回归模型进行分析,并分析了线性回归模型的相关统计量;然后,分析了部分传感器发生故障时系统的相关统计量,并以此为基础分析了协变量矩阵的上下界;最后,依据协变量矩阵定义了故障指标,并将优化模型转化为同时最小化故障指标和均方误差的问题。实验表明,提出的容错回归模型与传统的最小二乘法和岭回归方法相比具有更小的预测误差,因而当传感器发生故障时所提模型具有更好的健壮性。     

基于回归特征分析的BPSK信号盲处理结果可信性评估

针对二相编码（Binary phase shift k eying,BPSK）信号盲处理过程中信号调制方式识别及参数估计的可信性评估问题,提出了一种 基于线性回归特征分析的处理方法。根据特定处理结果建立参考信号,并将参考信号与原始 观测信号进行相关累加取模值,在分析相关累加模值曲线在原序与升序两种不同情形下线性回归 差异的基础上,分别定义了排序回归系数及分段回归符号两大特征,用以判别BPSK信号盲处 理结果的可信性。计算机仿真结果表明,在低信噪比、缺乏信号先验信息的条件下,本算法 可对BPSK信号盲处理结果的可信性进行有效检验。     

滑油泵试验器流量修正参数确定方法研究

为提高低压大流量滑油泵试验器流量计量的准确性,针对计量过程中流量影响因素恒定控制难的问题,分析了流量计量过程的特性,确定了影响流量计量精度的主要因素:滑油泵出口压力、滑油温度和滑油泵转速~([1])。为消除这三种因素对计量的影响,提出了带回归系数的流量补偿方法。为确定回归参数,采用多元线性回归算法~([2]),建立多元线性回归模型,并结合大量的实验数据,利用Madab对回归模型求解,最终求得流量回归系数并应用到控制系统中。实践证明,该方法提高了试验器的计量精度,减少了实验次数,对两种标准泵计量20余次,计量误差均在±0.3 L之內,满足使用条件。     

基于多元线性回归的螺纹钢价格分析及预测模型

通过分析期货黑色系品种螺纹钢产业链上下游的关系,提出了一种基于多元线性回归分析的螺纹钢价格分析及预测模型。首先,收集 影响螺纹钢价格的主要因素数据,包括焦炭期货结算价、焦煤期货结算价、铁矿石期货结算价、热卷期货结算价与人民币兑美元汇率中间价;然后,通过散点图与趋势线对这些影响因素进行分析以确定影响因素,借助SPSS与NCSS软件利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过岭回归分析消除自变量间的共线性,得到修正后的模型;最后,运用此模型对未来一个月交易日的螺纹钢价格进行较为精准的预测。实验表明,该模型拟合度较高,具有一定的实用性。     

ESN 岭回归学习算法及混沌时间序列预测

ESN（回声状态网络）是一种新型的递归神经网络．可有效处理非线性系统辨识以及混沌时间序列预测问题．针对ESN学习算法中可能存在的解的奇异问题，利用岭回归方法代替原有的线性回归算法．通过贝叶斯或Bootstrap方法确定岭回归方法中的正则项系数．从而有效地控制输出权值的幅值，改善ESN的预测性能．该方法在月太阳黑子预测问题中显示出较好的结果．     

基于一般线性模型的功能磁共振成像回归量正交化

针对功能磁共振成像（fMRI）模型回归量之间存在共线性的问题,提出了一种正交化的方法。首先,确定感兴趣以及待正交的回归量;其次,从待正交回归量中减去与感兴趣回归量相关的部分,使模型中共线的回归量正交分解为相互独立的部分,以此来消除共线性的影响。此外,还讨论和分析了正交化对一般线性模型的影响。最后,分别使用一些合成数据和当前一个流行的fMRI数据分析软件包——脑功能磁共振图像软件包（FSL）进行实验。实验结果表明,正交化方法可以消除模型中的共线性,并且提高感兴趣回归量的显著性,从而实现准确的脑功能定位,可以应用于对脑的基础研究和临床治疗。     

一种改进的SVM回归估计算法

支持向量机是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法。目前,如何设计快速有效的回归估计算法仍然是支持向量机实际应用中的问题之一。文中对标准SVM回归估计算法加以改进,提出一种改进的SVM回归估计算法,并从学习速度和回归估计精度两个方面对提出的改进的SVM回归估计算法与标准SVM回归估计算法进行了比较。实验结果表明,在学习速度与回归估计精度之间取折衷时,文中提出的回归估计算法自由度更大。     

一种改进的SVM回归估计算法

支持向量机是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法.目前,如何设计快速有效的回归估计算法仍然是支持向量机实际应用中的问题之一.文中对标准SVM回归估计算法加以改进,提出一种改进的SVM回归估计算法,并从学习速度和回归估计精度两个方面对提出的改进的SVM回归估计算法与标准SVM回归估计算法进行了比较.实验结果表明,在学习速度与回归估计精度之间取折衷时,文中提出的回归估计算法自由度更大.