基于偏最小二乘回归的融雪型洪水预报模型

本文采用偏最小二乘回归法对新疆塔什库尔干河流的实测流量资料进行分析,建立了日平均流量的偏最小二乘回归模型,采用建立的模型对2001年日平均流量进行了预报。研究分析表明,结果比较合理,这为融雪型洪水预报提供了一种新的思路和研究方法。     

基于偏最小二乘与神经网络耦合的储层参数预测

将偏最小二乘回归（PLS）与神经网络（NN）耦合，建立了储层参数预报模型。利用偏最小二乘对影响储层参数的诸多因素进行分析，提取对因变量影响强的成分，从而克服了变量间的多重相关性问题，降低了神经网络的输入维数；同时，利用神经网络建模可以较好地解决非线性的储层参数预测问题。计算实例表明，本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度。     

油气勘探风险评价的偏最小二乘-最大熵法模型及应用

油气勘探风险的定量评价一直是国内外研究的难点。作者在分析传统风险评价方法的优缺点、剖析偏最小二乘法和最大熵法优势的基础上,首次提出了偏最小二乘-最大熵（PLSME）风险分析模型。偏最小二乘法较好地实现了多元线性回归、主成分分析和典型相关分析的有效综合,通过自变量的PLS回归线性处理,不仅能消除粗差解决变量之间的相关性问题,而且能辨识每一个自变量对因变量的控制程度;最大熵法通过对偏最小二乘得出的风险因子与总经济效益净现值关系式的检验,利用最大值、最小值和最可能值的训练,能了解指标最终服从的概率分布,客观得出风险的大小。两者结合起来构建的PLSME模型,能使风险评价结果更加准确、合理和客观。通过对四川德阳新场气田的实例应用,表明偏最小二乘一最大熵评价方法科学可行,对同类研究具有借鉴作用。     

基于随机变异—Kennard—Stone和偏最小二乘法的土壤重金属镉含量反演 ——以雄安新区西南部为例

土壤重金属污染对人类身体健康造成了严重威胁,作为快捷、高效、无损监测分析土壤重金属含量的方法之一,高光谱遥感反演土壤重金属含量的方法正逐步得到发展。本文以雄安新区西南部作为研究区,针对潜在生态风险最大且活性最强并易被植物吸收的重金属镉,开展高光谱反演研究。将采集来的426件土壤样品除杂、风干、过筛在实验室测得重金属含量,并用SVC便携式地面光谱仪测量样品350~2500 nm范围光谱。采用Savitzky—Golay卷积平滑方法进行光谱降噪平滑处理。由于粒径大小而不是化学成分差异可能会导致基线效应和漂移现象,为了增强光谱差异和光谱曲线形状,将数据进行标准正态变量变换(SNV)、一阶微分(FD)、二阶微分(SD)、多元散射校正(MSC)等数学变换,并分析变换后光谱与Cd含量的相关性。本文提出一种集成随机变异法—Kennard—Stone法—偏最小二乘回归的方法。针对变换后的光谱集和Cd含量集,第一步采用随机变异法—Kennard—Stone法将样本集分为70%训练集和30%验证集,使样本数随性质分布均匀并覆盖整个样本空间;第二步用偏最小二乘回归法结合交叉验证建立回归模型,用确定系数R2、均方根误差RMSE、偏差比值RPD、误差范围比值RER等参数开展模型评价,如果没有达到预期效果,则回到第一步,迭代反复选择,直至达到最优效果。结果表明,适用的最优反演重金属镉含量的技术方法是采用FD变换后,不断迭代集成RM—KS样本选择和PLS偏最小二乘法回归建立的模型,其验证综合效果最好,建模主成分数为11个,确定系数R2达到0.909,RMSE为0.604,RPD为2.696,RER达为15.516。成果可为类似区域快速、无损的土壤重金属Cd含量反演提供技术支撑。     

基于随机变异—Kennard—Stone和偏最小二乘法的土壤重金属镉含量反演——以雄安新区西南部为例

土壤重金属污染对人类身体健康造成了严重威胁,作为快捷、高效、无损监测分析土壤重金属含量的方法之一,高光谱遥感反演土壤重金属含量的方法正逐步得到发展。本文以雄安新区西南部作为研究区,针对潜在生态风险最大且活性最强并易被植物吸收的重金属镉,开展高光谱反演研究。将采集来的426件土壤样品除杂、风干、过筛在实验室测得重金属含量,并用SVC便携式地面光谱仪测量样品350~2500 nm范围光谱。采用Savitzky—Golay卷积平滑方法进行光谱降噪平滑处理。由于粒径大小而不是化学成分差异可能会导致基线效应和漂移现象,为了增强光谱差异和光谱曲线形状,将数据进行标准正态变量变换(SNV)、一阶微分(FD)、二阶微分(SD)、多元散射校正(MSC)等数学变换,并分析变换后光谱与Cd含量的相关性。本文提出一种集成随机变异法—Kennard—Stone法—偏最小二乘回归的方法。针对变换后的光谱集和Cd含量集,第一步采用随机变异法—Kennard—Stone法将样本集分为70%训练集和30%验证集,使样本数随性质分布均匀并覆盖整个样本空间;第二步用偏最小二乘回归法结合交叉验证建立回归模型,用确定系数R2、均方根误差RMSE、偏差比值RPD、误差范围比值RER等参数开展模型评价,如果没有达到预期效果,则回到第一步,迭代反复选择,直至达到最优效果。结果表明,适用的最优反演重金属镉含量的技术方法是采用FD变换后,不断迭代集成RM—KS样本选择和PLS偏最小二乘法回归建立的模型,其验证综合效果最好,建模主成分数为11个,确定系数R2达到0.909,RMSE为0.604,RPD为2.696,RER达为15.516。成果可为类似区域快速、无损的土壤重金属Cd含量反演提供技术支撑。     

偏最小二乘回归神经网络的矿坑涌水量预测

影响矿坑充水的因素多且复杂,矿坑涌水量预测模型主要考虑降水、地表水、引水灌溉等影响因素,因变量和自变量的关系比较复杂。将偏最小二乘回归与神经网络耦合,建立了矿坑涌水预报模型。模型将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数,并能较好地解决非线性问题,提高了模型的学习能力和表达能力。以河南鹤壁八矿涌水量为例,建立了基于偏最小二乘回归和神经网络耦合的矿坑涌水量预测模型。计算验证表明,该类模型具有较高的预报精度和推广应用价值。     

PLS法在重庆巫山县邓家屋场滑坡稳定性影响因素分析中的应用

滑坡各影响因素之间存在较强的相关性。偏最小二乘回归(PLS)方法在一个算法下同时实现了回归建模(多元线性回归分析)、数据结构简化(主成分分析)以及两组变量间的相关分析(典型相关分析),给因变量之间存在较高相关性的回归带来极大的便利。为了探讨PLS方法在滑坡稳定性影响因素分析中的适用性,选取位于三峡水库区巫山县的邓家屋场滑坡为试验区。在考虑三峡水库蓄水后引起的地下水力坡度变化、地震因素以及建筑物因素对邓家屋场滑坡稳定性的影响条件下,建立了滑坡稳定性系数与以上指标的PLS回归方程,以期达到对邓家屋场滑坡稳定性影响因素敏感性的分析目标。计算建立的回归模型为:K*=0.181468×C*+0.274876×φ*-0.611369×J*-0.238604×α*-0.105219×ΔW*。表达式各因素影响力的排序为:地下水力坡度>滑动面内摩擦角>地震加速度>滑动面内聚力>滑体均匀加载。结果表明,采用偏最小二乘回归方法对滑坡稳定性影响因素进行分析具有物理意义明确、计算简单、建模效果好、解释性强的特点,是一种可行的解决方案。     

BP神经网络在土壤重金属污染分析中的应用

以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。     

中国天山山区降水空间分布模拟及成因分析

为了研究中国天山山区降水空间分布规律及其形成机理,基于研究区DEM及气象站点数据资料,运用偏最小二乘法和GIS技术建立了山区降水估算模型,并分析其降水成因。结果表明:天山山区年降水具有明显的经度和纬度地带性,西段多于东段,北坡(迎风坡)多于南坡(背风坡);研究区降水在海拔4 000 m以下呈线性增加特征,随后显著减少,在5 500 m左右出现第二极大值带;坡度小于50°时降水与坡度呈显著正相关。在地形抬升条件下,随气温下降和相对湿度上升使降水增加,这也是山区降水形成的必要条件。总体来看,偏最小二乘法可以有效解决降水及各因子间多重相关性问题,模型回归效果较显著,在模拟山区降水方面具有一定适用性。     

TIGGE降雨信息在柴河流域洪水预报中可利用性评估

基于全球多模式集合预报(TIGGE)资料,以柴河流域为研究区域,采用TS评分、Brier评分和Talagrand分布等方法对欧洲中期天气预报中心(ECMWF)、美国国家环境中心(NCEP)和英国气象局(UKMO)三个中心集合预报的6h、12h、24h短期降雨量进行定量评估和对比,并分别以实测降雨和NCEP预报降雨驱动新安江模型模拟洪水过程,据此探讨了集合降雨预报的可利用性。得到两个重要结论:ECMWF、NCEP和UKMO对低雨量级降雨的预报效果较好,各雨量级的预报效果有随预见期增长而增加的趋势,且普遍存在空报率较高、漏报率偏低的情况;集合降雨预报信息可应用于新安江模型进行洪水预报,并能够有效的延长洪水预报的预见期。研究成果可在适当条件下推广应用至其它流域的洪水预报作业中。     

基于TRMM卫星降水的太行山区降水时空分布格局

基于TRMM 3B42V7数据,综合采用多元线性回归、偏最小二乘回归和地理加权回归3种方法,建立了太行山区卫星降水产品的降尺度校正模型,将遥感降水信息从0.25°×0.25°降尺度到0.05°×0.05°。在结果评估和优选的基础上,分析了"像元-集水区-全区"年、月降水的多时空尺度干湿季节分布和垂向分布特征,并从机理方面论证了研究的合理性。结果表明:①地理加权回归校正效果最优,可明显降低校正降水与实测降水系列的均方根误差和平均相对偏差且提高决定系数;偏最小二乘回归可降低两项误差,但对决定系数无提升;多元线性回归最差,各项指标均无改善。②处于夏季风迎风侧的东坡和南坡降水量普遍高于500 mm,背风侧的西坡和北坡降水量较低,最大年降水量位于东南坡海拔1 300~1 500 m的地带。③研究区7-9月降水量占全年的58.7%,干湿季节降水量之比为1:18,各集水区的变化范围为1:13~1:25。④季风风向影响降水中心的移动路径,各月降水量沿高程变化梯度区间为-5.2~6.7 mm/hm,且迎风坡降水的垂向分布更复杂。     

PLS法与隧道围岩稳定性分类

围岩稳定性是隧道工程支护设计的基本参数,采用偏最小二乘回归法,综合考虑多因变量影响因素,对隧道围岩稳定性分类进行回归建模,并取得较好效果.     

偏最小二乘分光光度法用于多组份分析

本文用偏最小二乘法(PLS)进行多组份光度分析。该法用隐变量矩阵代替吸光度及浓度矩阵,数据处理效果优于经典的多元线性回归法。本文还对多组份光度分析中波长的选择作了研究,提出以吸光系数行列式之值作波长选择判据。实验表明,由此法选择波长是适宜的。将本文提出的方法对Co,Ni,Cu三组份体系进行了分析,获得了较好的结果。     

偏最小二乘回归模型的城市水资源承载能力研究

影响城市水资源承载力的各个因素中,经常存在多重相关性,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方法,借助主成分分析与典型相关分析,采用成分提取的方法,克服了自变量间的多重相关性,建立了城市水资源承载能力模型,并对模型进行了分析,得到较为满意的效果.     

利用PLSR-DNN耦合模型预测TBM净掘进速率

科学预测隧道掘进机(TBM)净掘进速率,对于隧道(洞)工程施工方法选择、施工进度安排以及成本估计具有重要意义。鉴于TBM施工过程具有高度非线性、模糊性和复杂性等特征,为提高TBM净掘进速率的预测精度和计算效率,采用偏最小二乘回归(PLSR)提取影响参数主成分,再利用深度神经网络(DNN)进行训练预测,提出了一种基于PLSR-DNN耦合方法的TBM净掘进速率预测模型。基于兰州水源地建设工程输水隧洞双护盾TBM施工实测数据,选择岩石单轴抗压强度、单轴抗拉强度、刀盘推力、刀盘转速、岩体完整性系数和岩石耐磨性指数,共6个影响参数,验证了模型预测的合理性,并对不同预测方法的拟合精度和预测精度进行了对比分析。研究结果表明:(1)偏最小二乘回归可有效克服自变量之间的多重共线性问题,将提取的主成分作为深度神经网络的输入层进行训练,简化了神经网络结构;(2)PLSR-DNN耦合预测模型避免了过拟合与拟合不足问题,具有收敛速度快,求解稳定和拟合精度高等特点;(3)PLSR-DNN耦合预测模型平均相对拟合误差2.96%,平均相对预测误差3.27%,其拟合精度和预测精度均明显高于偏最小二乘回归模型、BP神经网络模型以及支持向量回归(SVR)模型。     

偏最小二乘回归法在强夯置换深度估算上的应用

简述了单因变量偏最小二乘回归的基本方法,并对一组工程实例,利用该方法回归建模,得到强夯置换深度回归方程,结果明显好于文中所述的其它两种方法,表明该方法是可靠、有效的。     

GRAPES-GEPS对西太平洋副热带高压和南亚高压的集合预报评估与集合方法研究

西太平洋副热带高压和南亚高压对东亚区域天气气候影响显著,运用数值模式集合系统提升其预报准确率对我国天气预报意义重大。采用国家级气象业务规范指标,系统地评估了中国气象局数值预报中心自主研发的GRAPES全球集合预报业务模式系统对2019年西太平洋副热带高压和南亚高压的集合预报技巧,并考察了不同集合方法对预报效果的影响,从而为东亚天气特别是极端事件的预报提供参考。结果显示,GRAPES全球集合预报系统对西太平洋副热带高压脊线的预报技巧最高,强度和面积次之,表现为偏弱的估计,西伸脊点的预报效果相对较差,表现为较观测偏东;对南亚高压强度和中心纬度指数的预报技巧较高,而对中心经度指数预报技巧相对较低。采用最大(小)值法可以有效降低该模式对西太平洋副热带高压强度和面积(西伸脊点)指数的预报偏差。而在南亚高压预报中,集合平均法比最值法具有略高技巧。对于极端性预报,最大值法较集合平均法可以显著提升对西太平洋副热带高压和南亚高压指数极端情形的预报性能,这从个例分析中也得到证实。从而表明集合最值法比平均法可能更适用于该模式的极端事件预报,应在业务应用中加以重视。     

偏最小二乘法回归 (PLS)研究酸性森林土壤中铝的释放过程

采集了华南和西南酸性森林小流域中的土壤和土壤水并分析其化学组成,利用偏最小二乘法回归(PLS)研究了土壤中铝的释放过程,以综合评价各种影响因素的相对重要性。连续3年(2000～2002)的现场监测数据表明,尽管土壤水中铝的浓度存在显著差异,但铝的形态分布在各流域之间基本相似。大多数土壤水中单体铝(Ala)主要以无机态(Ali)存在,有机铝(Alo)一般不足10%。在pH3.6～5.6范围内,土壤水中Al3 活度(pAl)与土壤水pH值呈显著正相关关系(P<0.001),上层和下层土壤中pH-pAl拟合直线的斜率分别为1.28和2.00,明显偏离三水铝石(gibbsite)的溶解平衡模式。偏最小二乘法回归分析显示,上层和下层土壤中铝具有不同的来源和主导影响因素。上层土壤中,铝主要来源于有机键合铝(Alorg),土壤水离子强度(I)是造成铝浓度差异的主导因素。与此同时,铝的释放过程明显受到离子交换反应的影响。下层土壤中,铝近乎全部来源于无机键合铝(Alinorg),土壤水H 浓度成为影响铝释放过程的最主要因素。与上层土壤相比,离子交换对土壤铝释放过程影响明显减小。     

对数比变换和偏最小二乘法在地球化学组合异常提取中的应用——以湘西北铅锌矿为例

以湘西北水系沉积物测量常量元素含量数据为研究对象,针对湘西北铅锌矿床的层控特征,以研究区含矿层地球化学常量元素含量的统计规律为基础,利用对数比变换(alr、clr、ilr变换)对原始数据进行预处理,并在此基础上进行偏最小二乘(PLS)降维分析,提取了地球化学组合异常,并与常用的主成分分析、因子分析的结果进行对比。分析结果表明,等距对数比变换(ilr变换)相对于其他变换方法有明显的优势,变换后的数据对称特征明显,更趋于正态分布。相对于其他两种降维方法,偏最小二乘法提取的元素组合与研究区铅锌矿的地球化学基本特征更为接近,组合异常与已知矿床分布和构造特征耦合良好,与研究区地质特征吻合,比主成分分析与因子分析得到的结果更易于地质解释。     

基于贝叶斯模式平均的大渡河流域集合降水概率预报研究

基于TIGGE数据的五个单中心集合预报结果(CMA、CMC、ECMWF、NCEP、UKMO)构成的多中心超级集合预报系统的降水量预报,以及相应时段的实测降水量值,应用贝叶斯模式平均法(Bayesian Model Averaging,BMA)建立大渡河流域的BMA概率预报模型。通过CRPS、MAE、BS三种评价指标,对大渡河流域的BMA降水概率预报模型进行评价与检验,三种指标均显示BMA降水概率预报比原始集合预报具有更高的准确性,其中BMA模型的CRPS和MAE指标均值分别相比原始集合预报减少了31.6%和23.9%;分析模型权重参数,得出ECMWF对大渡河流域BMA降水预报贡献最大,即ECMWF对研究区域降水预报效果最好;模型对大渡河流域极端降水预报效果较差,常低估极端降水量。