共查询到20条相似文献,搜索用时 46 毫秒
1.
大坝回归建模中常常因自变量间的多重共线性产生"病态"问题,使得回归系数无法真实反映环境因子对大坝变形的影响.利用岭回归建立大坝变形模型,采用L曲线法对岭回归模型中岭参数进行求解,相比最小二乘方法直接得到的系数,岭回归模型求解结果更符合实际,且所建立模型能对大坝变形进行有效预测. 相似文献
2.
着重介绍了回归分析在大坝变形监测方面的应用,先介绍了回归模型的定义,接着说明了多元回归方程的建立,回归方程的显著性和回归系数的显著性,最后结合具体的实例对回归方程进行分析,建立模型,通过图表表示出预测值和真实值的曲线图,以及残差值曲线图,说明回归分析模型的实际应用价值。 相似文献
3.
在变形分析建模中常采用回归分析建模,但普通的回归模型是一种静态的模型,当变形体结构或物理性质发生变化时,普通线性回归所建立的静态模型将不再适用。变系数回归模型是一种动态模型,有着更强的灵活性和适应性,因此,将变系数回归引入大坝变形分析建模中,采用局部线性估计的方法进行系数拟合。仿真和大坝变形建模实验表明,变系数回归得到的大坝变形模型优于普通的线性回归模型,预测精度更高。 相似文献
4.
变形监测的目的是针对不同的监测数据采用合适的数据处理方式,建立适当的模型,做出正确的预报,以减小事故的发生。回归模型是研究一个随机变量(因变量)和另一个或一些变量(自变量)关系的统计方法,它通常设置一些可以测量的变量为自变量建立回归方程来预测另外一些变量的变化趋势,是一种静态数据处理方式,但是在时间序列情况下,回归应该根据该变量自身以前的规律创建预测模型,这就是自回归模型,是一种动态数据处理方法,它特别适合于短期监测预报。 相似文献
5.
6.
韦忠扬崔太岷颜雄黄意潘雄 《测绘科学》2018,(9):10-15
针对测量平差模型中法方程系数矩阵病态和观测值存在粗差的问题,该文将主成分估计与稳健估计方法相结合,建立了稳健主成分回归方法。详细介绍了稳健主成分回归方法的步骤,即先将系数矩阵进行稳健主成分分析,得到稳健主成分,利用稳健的LTS估计法求解参数向量,同时构造了一种稳健的主成分选择统计量,便于选择最佳的主成分数目。文中构造了3种异常点检验统计量,给出了异常点和粗差的探测步骤。算例研究表明,与传统方法相比,本文方法有一定的优越性。 相似文献
7.
大坝变形预测方法的扩展 总被引:1,自引:0,他引:1
在大坝变形分析中,使用最广的是逐步回归分析法,并且只进行单点分析。本文讨论将m个观测点的数据进行联合处理的问题,扩展单点回归分析模型为多点回归分析模型,通过统计检验建立m个最佳回归方程,根据大坝变形分析的最佳模型、扩展多元回归分析一般模型的协方差矩阵的估计,得到一个无偏估计。为了便于应用,文中还给出了一个渐近无偏估计。同时,本文对一般的预测方法进行扩展,提出一种扩展多元回归预测法,简称扩展法。最后,利用某大坝的观测资料做实例计算。结果说明,扩展法具有相当好的预测精度。在计算预测精度时,不能在最佳回归方程中直接应用协方差传播律。因此,在回归模型中加入模型误差是合理的,顾及模型误差的预测精度计算是必要的,也是合理的。 相似文献
8.
基于主成分分析的植被含水率模型 总被引:1,自引:0,他引:1
为了对岷江上游“生态水”的估测提供有效的数据源和方法,利用高光谱遥感技术定量研究了植被反射光谱与植被含水率的关系,测定了研究区多个采样点棕榈叶片的反射光谱和对应的含水率,通过二者的相关分析和逐步回归的方法提取敏感波段;为避免敏感波段之间相关性影响,采用主成分分析法提取主成分,建立主成分与含水率的定量分析模型,并建立主成分与标准自变量的回归方程,然后建立各个标准变量与原始自变量(反射光谱敏感波段)的回归方程,最终转换为植被含水率与反射光谱之间的模型.结果表明:棕榈叶片反射光谱在454 nm,668 nm,1 466 nm,1 664 nm和1 924 nm波段处与含水率显著相关;采用主成分定量分析模型的估算值与实测值相关系数为0.92,均方根误差为0.06. 相似文献
9.
变形监测分析的模型与方法主要是针对单点时序的分析,建立大坝位移自回归模型可实现大坝位移预测预报,但传统自回归模型都是针对单测点进行的,这意味着需要对所有的测点进行建模,将会造成大量模型冗余.而大坝作为一个整体结构,测点间的位移在空间上是相互关联的。单点自回归模型并未考虑着这种相关性,为了考虑测点间的这种空间相关性并建立统一的模型,本文采用时空自回归方法对五强溪大坝位移监测数据进行整体分析,建立了大坝位移的时空自回归模型。通过对大坝引张线测点的建模与预测分析,结果表明时空自回归模型在时间和空间上都可以对位移监测数据序列进行较好的拟合与预测。 相似文献
10.
系统形变往往由很多主导因素引起,且各主导因素之间并不独立。以国土利用变化驱动分析为例,运用偏最小二乘回归方法建立变化的驱动机制模型,并和主成分回归法相比较。结果表明,偏最小二乘回归不仅在拟合效果上优于主成分回归,系统性更强,结论更可靠,而且偏最小二乘模型的回归系数更易于解释,提供的系统信息也更丰富。偏最小二乘为样本个数少、自变量多、且变量间存在多重共线性的复杂大系统形变分析提供了新的、有效的解决途径。 相似文献
11.
12.
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
13.
14.
本文以出行发生量模型的建立为例,较为系统地讨论了近代回归分析中的自变量选择及回归诊断方法在交通调查分析建模中的应用。分析了在获取调查数据后,如何借助回归自变量选择方法来选择最佳自变量子集,以确定简捷的回归模型;文中应用回归诊断方法,讨论了修正回归模型、探测错误的调查数据的方法,从而为建立简捷、高精度的交通模型打下了基础。最后,作者提出了应用自变量选择及回归诊断方法建立出行发行量模型的一般步骤。 相似文献
15.
针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。 相似文献
16.
17.
18.
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
19.
大坝的失事带来的不仅是经济损失也是安全隐患,因此,建立一种大坝变形长期预测模型对它的安全评价将具有重要意义。本文针对华东CC大坝5JHJl04监测点的垂直位移变形进行分析,在传统的回归分析模型和常规神经网络模型的基础上建立了将两种方法结合的融合模型,得到大坝变形分析的最优模型。其精度与一般方法相比有了进一步的提升,可以更好地进行大坝变形预测。 相似文献