回归预测

摘要： 基于单项预测模型的局限性,在对快递业务量进行多元线性回归预测、二次曲线估计预测及灰色预测的基础上,建立Shapley值组合预测模型,对福建省石狮市的快递业务量进行预测分析,最后预测2020年至2025年的快递业务量。研究表明,组合预测比单项预测具有更高的精度,在快递业务量预测中具有应用价值,为快递企业合理规划网点及准确配备快递员的数量提供科学依据。

摘要： 强夯法运用重锤高速冲击实现工程场地不良土质的改良加固,在地基处理工程中应用广泛,而有效加固深度的标定是应用强夯实现地基处理时的核心环节。文章基于强夯理论与有效加固深度概念,提出了以统计学习原理为理论的支持向量机算法,回归预测了强夯有效加固深度;并应用遗传算法优化了支持向量机模型的参数,通过对工程样本数据的回归、预测,对比了预测精度与误差反向传播神经网络模型预测结果。结果表明:优化支持向量机模型能够在数据样本上实现准确的回归拟合;模型在测试样本数据的预测误差低、预测精度优于神经网络模型。

摘要： 针对梯度提升决策树(gradient boosting decision tree,GBDT)参数难以选择的问题,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的GBDT回归预测算法.首先,提出一种改进的鲸鱼优化算法,利用混沌映射初始化种群提高种群多样性,引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题;其次,利用IWOA对GBDT的关键参数寻优,避免参数选择的盲目性,提高回归预测模型的泛化能力;最后,建立IWOA-GBDT回归预测模型,并利用UCI数据集对模型进行验证.实验结果表明,相比于决策树、支持向量机、Adaboost和GBDT算法,该模型算法具有更好的拟合效果,并有一定的实用价值.

摘要： 为了除去药液中过剩的多糖分,以保证中医药注射液的生产质量,分别使用BP模型和SSA-BP(Sparrow search algorithm optimized BP neural network)模型对麦冬药液糖析出过程进行建模,通过调节pH值实现药液糖分的精确控制,将pH值的测量问题看作典型的多输入、单输出的回归建模方面问题,从而避免了在生产过程中无法正确地在线获知醇沉罐中所承装混合溶液的pH值的弊端。对BP算法和SSA-BP算法的结果进行分析与对比,发现后者建立的回归预测模型精度更高、更稳定,其决定系数R 2达到了0.99以上,均方误差MSE较低,符合中药生产的需求。

摘要： 机场能见度是民航机场运行的重要天气指标,现有的业务主要通过经验预报、数值预报释用来预报机场能见度。本文尝试使用深度学习方法,利用2000年至2021年乌鲁木齐机场冬季的逐小时能见度观测资料,构建机场能见度的回归预测模型。通过不同的时长的因子训练可以看到,其中过去48 h能见度作为因子训练的模型,其主导能见度的平均绝对误差为322 m左右,逐小时预测结果能够较好地预测机场能见度的维持、变化过程,可以作为机场能见度预测的参考产品。

摘要： 对于铁路客运量预测的准确度问题,本研究提出了基于粒子群(PSO)优化最小二乘支持向量机(LS-SVM)重要参数的方法。以1995—2013年的铁路客运量历史数据作为训练集,2014—2018年的客运量作为测试集,用LS-SVM进行建模和预测。针对模型中参数难以选择问题,采用PSO全局搜索方法,与神经网络和LS-SVM的预测效果作比较,仿真表明,采用PSO优化LS-SVM对铁路客运量建模与预测效果更好,精度更高。

摘要： 根据华东地区近3年来国民体质监测公报对该地区3到6岁幼儿抽取5000人进行身体形态,机能和运动素质等体质测试指标进行研究。结果表明身体形态在幼儿时期发育水平的权重顺序分别是,胸围>体重>身高>坐高,权重分别是7.3%>6.5%>3.8%>3.5%。身体机能发育水平权重顺序是,上臂皮褶>腹部皮褶>安静心率>肩胛皮褶厚;权重分别是7.9%>7.9%>7.8%>6.7%。身体运动素质能力权重顺序;十米折返跑>走平衡木>双脚连续跳>网球投远>坐立体前屈>立定跳远,权重分别是11%>10.3%>8.7%>7%>6.9%>4.6%。通过对身体形态权重大的两个指标分别是胸围体重作为因变量。身体机能权重高的两个指标分别上臂皮褶和腹部皮褶;运动素质权重高的两个指标分别十米折返跑和走平衡木为自变量建立回归方程,结果表明,以胸围为因变量的方程的精确度要大于以体重为因变量的方程。R胸围>R体重,胸围>体重,胸围校正决定系数R>体重校正决定系数R,说明方程B精度和拟合优度高更符合体质监测的需要。同时两个回归方程比较得出幼儿时期胸围和体重是评价幼儿时期健康标准的重要依据,以体重来衡量幼儿时期的发育水平更科学全面反映幼儿时期的形态和运动素质的发育现状。

摘要： 文章选取13个解释变量,运用贝叶斯模型平均方法建立动态模型,筛选出对人民币汇率影响最大的自变量以及模型进行回归分析,进而预测人民币汇率。研究支持了近期市场主流观点,即美元指数、汇率风险溢价、中美利率差额等对近期人民币汇率影响较大,并发现外汇占款等其他影响较大的因素。文章建议将人民币回归预测结果与汇率期权执行价格相结合,引导企业坚持"风险中性",专心专注主营业务。

摘要： 在现代工业生产过程中,许多关键变量与产品质量或生产效率密切相关,关键变量的实时监测是实现利润最大化及节能降耗的有效途径。针对回归预测任务中目标特征提取不全面、预测精度较低等问题,提出一种基于栈式监督自编码器与可变加权极限学习机的回归预测模型。通过堆叠多层自编码器并在每层自编码器中添加回归网络,同时以有监督方式对栈式自编码器(SAE)进行逐层预训练,得到与输出变量相关的特征表示。利用反向传播算法对网络参数进行微调,优化自编码器模型参数。在分析提取特征与输出变量的相关性基础上,对极限学习机(ELM)的输入权值和偏置进行加权得到预测结果。实验结果表明,与基于ELM和SAE-ELM的回归预测模型相比,该模型在多晶硅铸锭的G6产品数据集上的均方根误差降低0.0567和0.0112、决定系数提高0.4893和0.2903,具有更高的回归预测准确性及更强的鲁棒性与泛化性能。

摘要： 梯度提升方法(Gradient Boosting Machine,GBM)是一种经事实证明并被广泛应用的集成学习方法。许多成功的机器学习解决方案都是使用XGBoost及其衍生算法实现的。本文针对XGBoost、LightGBM、CatBoost这3种梯度方法及原理进行简要介绍,通过实验对比了3种方法在回归应用中的效率,并将3种梯度方法应用于由Kaggle的NYC Taxi fares数据集构建的车费回归预测模型中。实验结果表明,LightGBM在使用不同数量特征和样本的情况下,模型训练速度和最终预测精度均优于XGBoost和CatBoost。

摘要： 油菜菌核病是影响浙江省油菜的重要病害之一，气候条件是其发病轻重的重要因素，特别是花期气候条件对其影响很大。本文根据龙游县最近26年的油菜菌核病观测资料，结合气候条件进行相关分析，找出影响其发病的有利气候条件，并建立回归预测预报模式，为其预测和提前防治提供参考依据。

摘要： 该文介绍了可线性化的非线性回归预测模型，详细阐述了将此类非线性回归预测模型转化为线性回归预测模型的方法。并结合实际电量预测，给出非线性回归预测模型的应用及最优组合预测结果。

摘要： 针对现有测试性验证试验方案适用条件有限,样本需求量普遍较大的问题,提出了基于序贯回归的小样本测试性验证试验方案.首先提出并证明7对成败型试验序贯样本回归可行性假设;进而在序贯网图检验的基础上对样本采用回归预测估计进行改进,实现了对测试性指标的估计;最后,通过对比试验对该方案进行了检验.实例验证表明,相比于现有的典型试验方案,该方案适用性更广泛,所需样本量相对更小.

摘要： 应用RVM回归预测方法建立了基于RVM的零偏温漂预测补偿模型,利用温度值和温升速率作为输入可预测不同温变过程下的加速度计零偏温漂,探讨了不同核函数类型和不同的核函数宽度对预测补偿效果的影响,最后应用环境温度试验数据对模型进行检验和验证.结果表明：基于RVM的零偏温漂预测补偿模型能够有效的预测MEMS加速度计零偏温漂,模型预测的均方根误差小于1%,补偿后滞环最大开口由60mg缩减为15mg.

摘要： 测量不确定度评定一直是计量领域的研究热点，本文基于LS-SVM在小样本下良好的回归预测能力，并结合最大熵值法以最小主观因素预测拟合测量样本概率分布，反抽样得到虚拟样本从而进行测量不确定度的动态评定。通过仿真实验，证明了评定模型的有效性和准确性。

摘要： 以1986-2005年我国机械化耕、种、收作业水平的统计数据为依据，通过数据平滑处理，采取回归预测方法对2005-2020年我国机械化耕、种、收作业水平进行了预测。结合我国农业机械化发展环境，预测结果显示，我国2006年耕、播、收综合机械化水平为39.54％，2010年将达到48.75％，2015年将达到59.74％，2020年将达到69.46％。

摘要： 设备状态预测对于设备故障诊断和设备维修具有十分重要的意义，支持向量机(SVM)对非线性和较少训练样本的预测效果很好。介绍了在轴承振动信号降噪和特征提取的基础上，利用支持向量回归机进行时间序列、特征序列、时间特征综合序列三种回归训练样本的实验，并对回归的拟合效果进行了比较，结果表明，综合的训练样本回归效果最好。

摘要： 设备状态预测对于设备故障诊断和设备维修具有十分重要的意义，支持向量机(SVM)对非线性和较少训练样本的预测效果很好。介绍了在轴承振动信号降噪和特征提取的基础上，利用支持向量回归机进行时间序列、特征序列、时间特征综合序列三种回归训练样本的实验，并对回归的拟合效果进行了比较，结果表明，综合的训练样本回归效果最好。

摘要： 设备状态预测对于设备故障诊断和设备维修具有十分重要的意义，支持向量机(SVM)对非线性和较少训练样本的预测效果很好。介绍了在轴承振动信号降噪和特征提取的基础上，利用支持向量回归机进行时间序列、特征序列、时间特征综合序列三种回归训练样本的实验，并对回归的拟合效果进行了比较，结果表明，综合的训练样本回归效果最好。

摘要： 设备状态预测对于设备故障诊断和设备维修具有十分重要的意义，支持向量机(SVM)对非线性和较少训练样本的预测效果很好。介绍了在轴承振动信号降噪和特征提取的基础上，利用支持向量回归机进行时间序列、特征序列、时间特征综合序列三种回归训练样本的实验，并对回归的拟合效果进行了比较，结果表明，综合的训练样本回归效果最好。

摘要： 本发明公开了一种基于支持向量回归的分层水库取水下泄水温预测模型及预测方法，首先对入库水温、水库水位、叠梁门高程、入库流量、出流流量、气温、温度链垂向水温分布等进行主成分分析，再以总贡献率大于99％的主成分作为输入特征向量，通过训练好的支持向量回归模型预测下泄水温。本发明综合考虑了入库水温、水库水温分布、入库流量、出流流量、水库水位、气温和叠梁门高程对下泄水温的影响，及各影响因素的相互作用，对数据进行降维，再基于支持向量回归方法，实现对下泄水温的准确预测。本发明不受地域限制，可在水库水温管理、水库下游生态环境保护等方面进行，为水库运行调度方案提供技术支持，同时也可以进行可视化操作，具有较好的应用前景。

摘要： 本发明公开了一种基于时频变换特征提取及自回归趋势预测技术的电力负荷预测方法及装置，根据经验可知气温和节假日因素是影响负荷变化的重要的因素，采用小波分解将负荷曲线分解为低频和高频信息，根据影响低频和高频系数变化的因素，采用不同的预测方法，与气温和节假日相关的采用回归分析法预测，其余部分采用三次指数平滑算法进行预测，这样能够考虑影响负荷变化的多种因素，从而保障负荷预测的精度。

摘要： 企业碳排放量通常需要通过企业活动数据进行估算。不同企业，工艺流程不同，碳排放的排放源不同，碳排放量的计算复杂程度不同。本发明提出了一种基于工业企业生产数据（产量/原材料消耗量/能耗量等）以预测混合系统和方法。本方法结合了传统的多元线性回归和以及人工神经网络模型，采用了混合建模方法通过分步线性回归的方法筛选更重要的工业企业生产数据输入变量，然后将筛选后的工业企业生产数据变量馈入人工神经网络模型，从而产生复杂模型以预测一定时间跨度内的碳排放量输出量。本发明提出的复杂模型仿真结果表明该复杂模型的性能比其相应的其他单阶段模型更优并且可以在广泛的各类企业中应用该复杂模型实现各时间维度的碳排放量的预测。

摘要： 本发明涉及一种基于自回归积分滑动平均与支持向量回归的降雨量预测方法，属于气象数据分析方法技术领域。本发明收集降雨量数据并生成降雨量数据库；获取降雨数据库中数据，并将每日降雨量数据转换为时间序列；然后将生成的时间序列导入自回归积分滑动平均模型中进行计算分析；同时利用遗传算法寻找支持向量回归模型的最优参数；再将生成的计算分析结果和生成的最优参数导入到支持向量回归模型中进行计算分析；最后根据计算分析结果，得到降雨量的预测结果。本发明使用自回归积分滑动平均模型以及支持向量回归模型对降雨数据进行处理，从而得到提高了降雨预测的准确性。

摘要： 一种变道预测回归模型训练方法，包括：获取第一样本运动特征，所述第一样本运动特征是根据在样本采集时间采集到的样本运动对象的运动数据得到的；获取所述第一样本运动特征对应的标准变道概率，所述标准变道概率根据所述第一样本运动特征对应的对象变道时间与所述样本采集时间之间的变道时间间隔确定，所述标准变道概率与所述变道时间间隔成负相关关系；将所述第一样本运动特征输入到待训练的变道预测回归模型中，得到所述第一样本运动特征对应的预测变道概率；根据所述预测变道概率与所述标准变道概率之间的概率差异，得到模型损失值；利用所述模型损失值调整所述变道预测回归模型中的模型参数，得到所述已训练的变道预测回归模型。

摘要： 本发明公开了一种基于自回归模型的造纸清水流量预测智能预测模型，涉及预测模型技术领域，具体包括以下步骤，流量规律分析，通过数学建模思想，首先将造纸清水流量预测实际问题转化为数学问题，围绕其周期性、波动性，对造纸清水流量数据的趋势变化进行分析，作为后面数据预处理的先行步骤。该基于自回归模型的造纸清水流量预测智能预测模型，在实时获取相关设备数据的前提下，对造纸清水流量进行实时预测，以实现动态监测实时进水量，便于异常情况及时发现以及为新水取用量的优化措施提供数据支撑，本模型采用整合移动平均自回归模型，充分考虑了造纸清水流量在实际工业生产过程中的变化规律，能够利用其存在的周期规律特性。

摘要： 本申请公开了一种基于支持向量回归的机器人定位误差预测方法及预测装置，该方法包括：确定机器人的一阶几何误差模型，将几何误差对末端执行器位姿误差的影响作为定位误差特征向量；进一步根据测量噪声方差矩阵对特征向量进行加权；最后通过支持向量回归，利用测量位姿的特征向量和定位误差数据进行训练，其余位姿的定位误差预测通过已训练模型和特征向量确定。显著提高定位误差预测的精度，具有易部署、易推广的特点。

摘要： 本发明公开一种系统线性回归预测模型的回归系数确定方法和系统，方法包括：基于系统初始采样数据序列计算系统线性回归预测模型的初始模型系数，并记录；随系统采样点的每次增加获取新的系统采样数据序列，确定增加的系统采样点数据和减少的系统采样点数据；基于增加/减少的系统采样点数据以及当前模型系数，更新模型系数；然后基于减少/增加的系统采样点数据以及更新后的模型系数，再次更新模型系数，作为每次系统采样点增加对应的模型系数并记录。本发明利用迭代的方式计算模型系数，可避免计算过程中对服务器资源的大量占用，提高系统线性回归模型系数计算的效率，保障对线性回归模型系数计算的实时性。

摘要： 本发明提供的一种基于逻辑回归预测的车辆发动机密封性预测方法，包括：S1.采集发动机装配过程中的工艺参数；S2.计算任意两个工艺参数的相关性；S3.将工艺参数的相关性按照由大到小排序，筛选出排序中前n个相关性所对应的工艺参数；S4.将工艺参数进行预处理，并将工艺参数划分为训练集和测试集；S5.构建逻辑回归预测模型，并将训练集输入至逻辑回归预测模型中进行训练，然后将测试集输入逻辑回归预测模型进行测试；S6.再次实时采集发动机装配过程中工艺参数，并按照步骤S3进行工艺参数筛选，并将筛选后的工艺参数输入至完成步骤S5的逻辑回归预测模型中，由逻辑归回预测模型输出发动机泄漏率，确保发动机生产过程中的精密性以及发动机最终的密封性。

摘要： 本发明公开了多元回归预测模型的构建、预测方法及介质，涉及电压互感器的电气测量技术领域，上述构建方法包括以下步骤：(1)获取单变量时间序列，多个上述单变量时间序列构成多变量时间序列矩阵，将上述多变量时间序列矩阵进行编码，得到多通道单变量时间序列矩阵；(2)从上述多通道单变量时间序列矩阵输入卷积层和循环层，分别提取短期模式数据和长期模式数据，结合上述短期模式数据和长期模式数据；(3)对结合后的上述短期模式数据和长期模式数据进行自回归处理，得到多元回归预测模型；解决了不能有效通过电压互感器性能变化的时间序列和非线性特征实现高精度的趋势预测的问题。