共查询到10条相似文献,搜索用时 250 毫秒
1.
建立回归模型常采用最小二乘方法并忽略自变量观测误差。尽管同时顾及自变量和因变量观测误差的总体最小二乘方法近年来得到了广泛研究,但在模型预测时,依然忽略了待预测自变量的观测误差。对此,本文提出了一种严格考虑所有变量观测误差的无缝线性回归和预测模型,该模型将回归模型的建立和因变量预测联合处理,在建立回归模型过程中对待预测自变量的观测误差进行估计并修正,从而提高了模型预测效果。理论证明,现有的几种线性回归模型都是无缝线性回归和预测模型的特例。试验结果表明,无缝线性回归和预测模型的预测效果优于现有的几种模型,尤其在变量观测误差相关性较大时,无缝模型对预测效果的改善更为显著。 相似文献
2.
如今,整体最小二乘法越来越受到学者们的重视。虽然传统的高斯最小二乘法运用最为广泛,但是由于其只考虑了因变量观测值的误差而认为自变量是精确的,所以与实际观测情况不太符合。而整体最小二乘兼顾了自变量与因变量存在的观测误差,所以在理论上更为严谨且更为符合实际。本文介绍了一种适用性相对广泛的非线性函数整体最小二乘拟合方法。并采用一组模拟数据对该方法进行验证,且与通过最小二乘解算出来的结果进行了比较。对比得出,整体最小二乘法解算出来的结果更接近理论值。 相似文献
3.
对于在实际应用中的直线回归问题,存在着因自变量和因变量选取不同拟合结果存在差异的情况,文中采用了一种线性拟合参数估计的新方法,即整体最小二乘法。文章在描述普通最小二乘和整体最小二乘原理的基础上,并对比其异同,并采用奇异值分解的方法来求解整体最小二乘问题。算例结果表明,采用整体最小二乘方法估计线性回归参数的精度明显高于常规最小二乘法,是一种值得借鉴的算法。 相似文献
4.
回归预测模型是对传统回归模型的进一步扩展,不仅涉及回归模型的固定参数估计,而且将模型预测纳入平差的部分内容,更加符合实际解算需求。针对在回归模型预测中经常出现待预测非公共点(自变量)含有观测误差和随机模型不准确的问题,基于EIV(errors-in-variables)模型提出了一种同时顾及所有变量观测误差的整体解法。同时,将方差-协方差分量估计方法引入回归预测模型解算中,以修正随机模型与待预测非公共点的先验协因数阵,并推导了相关计算公式和迭代算法。算例试验表明,该方法能够有效估计各类观测数据的方差分量,为获取更合理的参数估计与更高的模型预测精度提供了可行手段。另外,通过设计多种对比方案可知,该方法的预测效果较好,尤其是针对观测数据与系数矩阵中随机元素之间存在一定相关性的情况。 相似文献
5.
在线性回归模型中,经常出现病态问题,严重影响计算结果的精度.文中提出一种引入模型误差求解部分参数的方法,此方法可以改变病态问题,提高部分参数的求解精度,且通过算例检验这种方法的可行性,并探讨它的使用范围. 相似文献
6.
7.
8.
9.
针对传统最小二乘回归未能顾及数据的空间特性,且无法度量模型自变量与因变量相关性的空间变异特性的问题,本文提出利用地理加权回归方法分析小微地震频次与地形因子相关度的空间异质性。以四川地区的地震监测资料、DEM为实验数据,选取地形复杂度、坡度变率、坡向变率和地面曲率为自变量,地震发生频次为因变量,构建地理加权回归模型,并进行回归系数的空间变异分析。实验分析发现,地震频次与地形因子具有一定的相关性:地形复杂度与地震频次相关性最强;坡度变率、沟壑密度、剖面曲率与地震频次的相关性依次减弱;不同空间位置的地形因子和地震频次的相关性具有较明显的空间异质性。实验结果表明,地理加权回归可以有效地度量分析地震频次与地形因子相关度的空间异质性,研究结果可为地震及次生灾害的分析与预报提供辅助决策参考。 相似文献