资源描述：
《基于偏最小二乘回归与神经网络耦合的岩溶泉预报模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、水利学报2004年9月SHUILIXUEBAO第9期文章编号:0559-9350(2004)09-0068-05基于偏最小二乘回归与神经网络耦合的岩溶泉预报模型1,212陈南祥，黄强，曹连海(1.西安理工大学水利水电学院，陕西西安710048；2.华北水利水电学院岩土工程系，河南郑州450045)摘要：本文将偏最小二乘回归与神经网络耦合，建立了泉流量预报模型。利用偏最小二乘法对影响岩溶泉流量的诸多因素进行分析，提取对因变量影响强的成分，从而克服了变量之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问题。实例表明，本耦合模型的拟合
2、和预报精度均优于独立使用偏最小二乘回归或神经网络建模的精度。关键词：岩溶水系统；偏最小二乘回归；神经网络；预报模型中图分类号：P642.253文献标识码：A岩溶水资源除了供水功能外，还是一种不可替代的旅游资源，是生态环境的重要要素，在国民经济建设和人民生活中起着举足轻重的作用。对岩溶水资源系统进行深入研究、科学管理是一项非常迫切的工作。岩溶水资源系统是受岩溶水文地质和水文气象条件控制，并受地形、地貌、植被、人类活动等因素影响而发展演化的非线性动力系统。岩溶泉流量序列携带着岩溶水资源系统演化信息，通过对泉流量序列分析预测，了解掌握岩溶水资源系统的演化规律和演化趋势。目前，
3、岩溶泉流量预测常采用统计学方法、灰色系统方法等，其中以统计学方法应用最为广泛。统计模型一般采用回归分析方法，对事先拟定的因子进行筛选和系数求解。但拟定的因子之间有时会存在严重的相关性，这种相关性有时会对分析效果产生较大的影[1]响，甚至使分析失效。而偏最小二乘回归可以有效地解决变量之间的多重相关性问题。偏最小二乘回归是一种新型的多元统计数据分析方法，它集多元线性回归、典型相关分析和主成分分析的基本功能于一体，将建模类型的预测分析方法与非模型式的数据内涵分析方法有机地结合起来，通过对数据信息进行分解和筛选的方式，有效地提取对系统解释性最强的综合变量，剔除多重相关信息和无解
4、释意义的信息的干扰，从而克服了变量多重相关性在系统建模中的不良作用。天然泉流量(实测泉流量经还原后的流量)预报模型主要考虑降水、地表水、引水灌溉等因素，因变量和自变量的关系比较复杂，采用线性回归模型有时难以反映客观规律或反映不甚满意，并影响预测精度和效果。神经网络以其独有的结构和处理方法，具备自组织、自学习和联想记忆功能，理论上可以实现任意函数的逼近，它克服了模型必须是基本观测数据的线性和非线性组合的局限。本文将偏最小二乘回归分析方法和神经网络方法有机耦合，建立天然泉流量预报模型，以提高模型的学习和表达能力，并以黑龙洞泉域系统为例，建立基于偏最小二乘回归和神经网络耦合的
5、天然泉流量预报模型，实例计算验证表明，效果良好。1偏最小二乘回归的原理设有q个因变量{y1,y2,⋯,yq}和p个自变量{x1,x2,⋯,xp}，为了研究因变量与自变量的统计关系，采集n个样本点，构成自变量与因变量的数据表。X=[x1,x2,⋯,xp]n×p和y=[y1,y2,⋯,yq]n×q，偏最小二乘回归收稿日期:2003-09-17作者简介:陈南祥(1958-),男,江苏张家港人,博士生,教授,从事水文地质、水文学及水资源的教学和科学研究.1水利学报2004年9月SHUILIXUEBAO第9期分别在X和Y中提取主成分t1和u1，也就是t1是x1,x2,⋯,xp的线
6、性组合，u1是y1,y2,⋯,yq的线性组合。在提取这两个成分时，为了回归分析的需要，要求t1和u1应尽可能多地携带他们各自数据表中的变异信息，且t1和u1的相关程度达到最大。这表明t1和u1应尽可能好地代表数据表X和Y，同时自变量的成分t1对因变量的成分u1又有最强的解释能力。在第1个成分t1和u1被提取后，偏最小二乘回归分别实施X对t1的回归以及Y对t1的回归，利用X对t1解释后的残余信息以及Y被t1解释后的残余信息进行第2个成分提取。如此往复，直到能达到一个较满意的精度为止，精度可以通过交叉有效性来判别。偏最小二乘回归方程一般不需要选用全部的成分t1,t2,⋯,t
7、n进行回归建模，而是采用截尾的方式选用前m个成分(m
