线性回归模型精化方法.pdfVIP

第39卷第6期 东 南大 学 学报 (自然科学版) Vo1．39 NO．6 2009年 11月 JOURNALOFSOUTHEASTUNIVERSITY (NaturalScienceEdition) NOV．2009 doi：10．3969／j．issn．1001—0505．2009．06．037 线性 回归模型精化方法 张志伟 胡伍生 黄晓明 (东南大学交通学院，南京 210096) 摘要 ：为 了解决 由试验观测数据建立的回归拟合模型存在 的模型误差，用基于 回9-3残差的神经 网络方法精化模型．采用给定方程获得模拟数据 ，通过数据结构散点图建立 回归模型趋势项，利 用经典最小二乘法估计趋势项参数，由趋势项参数计算 回归残差，借助误差分级迭代的改进 BP 算法对趋势项进行精化，将两部分叠加获得精化模型．试验结果验证 了基于回9-5残差的神经 网络 方法精化模型的有效性：神经 网络方法精化后的模型能提高 回 -5模型的拟合及预测精度5倍 以 上，优于最小二乘配置法和半参数法精化结果．神经网络方法精化模型既克服 了单一神经网络模 型的不可解释性，使模型具有物理意义 ，又具有较高的预测精度． 关键词 ：模型精化；趋势项；回归残差 ；神经网络 中图分类号 ：P413 文献标志码：A 文章编号 ：1001～0505(2009)06—1279-04 Linearregressivemodelimprovedbyneuralnetwork ZhangZhiwei HuW usheng HuangXiaoming (SchoolofTransportation，SoutheastUniversity，Nanjing210096，China) Abstract：Theregression fittingmodelestablishedwith theexperimentobservation datainevitably hasthemodelerror．Thustheneuralnetworkmethodbasedontheregressionresidualisadopted to improvethemode1．Thesimulationdataareobtainedbythegiven equation，andthetendencyitem ofregressionmodelisestablishedbythechartofscatterdatastructure．Thetendencyparameterises— timatedbytheclassicalleastsquaresmethod，andtheregressionresidualiscomputed through the tendencyparameter．TheerrorgradeiterativemethodofBP(backpropagation)neuralnetworksCra— riesonthecompensationtothetendencyitem ，andtheimprovedmodelisobtainedbythesplicingof thetwoparts．Theresultsverifythevalidityofthemodelimprovedbytheneuralnetworkbasedon theregressionresidua1．Themodelimprovedbyneuralnetworkcanimprovetheregressionmodelfit— ting，andcanimprovetheforecastaccuracybymorethan5times．Itissuperiortoleastsquarescol— locationmethodandsemi—parametricmethod．Themodeli