|本期目录/Table of Contents|

[1]王江荣a,袁维红b,赵 睿a,等.基于复合分位数高斯核基函数的非参数回归模型及应用[J].工业仪表与自动化装置,2017,(03):46-49.
　WANG Jiangronga,YUAN Weihongb,ZHAO Ruia,et al.Non parametric regression model and its application based on composite quantile Gauss kernel function[J].Industrial Instrumentation & Automation,2017,(03):46-49.
点击复制

基于复合分位数高斯核基函数的非参数回归模型及应用

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2017年03期
页码:
46-49
栏目:
出版日期:
2017-06-15

文章信息/Info

Title:
Non parametric regression model and its application based on composite quantile Gauss kernel function
文章编号:
1000-0682（2017）03-0000-00
作者:
王江荣a; 袁维红b; 赵 睿a; 任泰明a
（兰州石化职业技术学院 a. 信息处理与控制工程系；b. 土木工程系 兰州730060）
Author(s):
WANG Jiangronga;  YUAN Weihongb;  ZHAO Ruia;  REN Taiminga
(a.Department of Information Processing and Control Engineering;b.Department of civil engineering,Lanzhou Petrochemical Polytechnic,Lanzhou 730060, China)
关键词:
高斯核函数; 非参数模型; 复合分位数; 模拟退火算法; 大坝变形预测
Keywords:
Gauss kernel function;  non parametric model;  compound quantile;  simulated annealing algorithm;  dam deformation prediction
分类号:
O242
DOI:
-
文献标志码:
A
摘要:
波动性大、规律性和整体性较差的建筑物变形数据，难以用参数回归模型描述其变化规律，为此建立了一种基于高斯核基函数的非参数回归模型，利用复合分位数和模拟退火算法估算模型系数。工程实例表明，复合分位数估算的高斯核基非参数回归模型具有较高的精度，能够满足工程需要，用该模型对建筑物变形数据进行预测分析是可行的。
Abstract:
It is difficult to describe the variation of the deformation data of the buildings with large fluctuation, regularity and poor overall structure. A non parametric regression model based on the Gauss kernel function is established, and the model coefficients are estimated by using the composite quantile and the simulated annealing algorithm. Engineering example analysis shows that the non parametric regression model based on Composite quantile Gauss kernel function has a high precision, and can satisfy the engineering needs. It is feasible to use this kind of model to predict the deformation data of buildings.

参考文献/References:

[1] 龙健颜,卢素,刘金山.贝叶斯非参数回归模型及非参数似不相关回归模型的应用[J].统计与决策,2011(16):17-20. [2] 刘昕明.两类非参数分位数回归模型的研究[D].北京:北京化工大学,2013. [3] 解其昌.分位数回归方法及其在金融市场风险价值预测中的应用[M].北京:中国农业科学技术出版社,2014. [4] 周品.MATLAB概率与数理统计[M].北京:清华大学出版社, 2012. [5] Emanuel Paren. Quantile Probability and Statistical Data Modeling[J].Statistical Science,2004,19(4):625-662. [6] Zou H, Yuan M. Composite quantile regression and the oracle model selection theory[J]. The Annals of Statistics. 2008,36(3):1108–1126. [7] 张安兵.动态变形监测数据混沌特性分析及预测模型研究[D].北京:中国矿业大学,2009. [8] 许国根,贾瑛.模式识别与智能计算的MATLAB实现[M].北京:北京航空航天大学出版社,2012. [9] 王正林,龚纯,何倩.精通MATLAB科学计算[M].北京:电子工业出生版社,2007.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2016-08-22 基金项目：兰州市科学技术局计划项目(兰财建发[2015]85号)；兰州石化职业技术学院科技资助项目(院发[2015]69号)；甘肃省科技厅计划项目(1204GKCA004)；甘肃省财政厅专项资金立项资助(甘财教[2013]116号) 作者简介：王江荣（1966），男，甘肃静宁人，硕士，教授，从事数据挖掘，数值分析，控制理论与应用方面的研究。
更新日期/Last Update: 1900-01-01