偏最小二乘回归在系统形变分析中的应用.pdfVIP

第23卷第8期 测 绘 工 程 Vo1．23。No．8 2014年 8月 EngineeringofSurveyingandM apping Aug．，2014 偏最小二乘回归在系统形变分析中的应用 张亚利1,2，刘 星 (1．重庆大学 土木工程学院，重庆 400045；2．重庆大学 山地城镇建设与新技术教育部重点实验室，重庆 400045) 摘 要：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 ／b--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 ／b--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亍解释，提供的系统信息也更丰富。 偏最d,--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。 关键词：偏最d,--乘；多重共线性 ；形变分析 中图分类号：P207 文献标志码：A 文章编号：1006—7949(2014)08—0001-05 Theapplicationofpartialleastsquaresregression in system deformation analysis ZHANG Y￡L_li ，LIU Xing’ (1．SchoolofCivilEngineering，Chon@ngUniversity，Chongqing400045，China；2．K—yLaboratoryofNew Technologyfor ConstructionofCitiesinM ountainAreaofMinistryofEducation，ChongqingUniversily，Chongqing400045，China) Abstract：System deformationisusuallycausedbymanyleadingfactors，矾hicharen’tindependent．Taking drivinganalysisofthelandusechangeasanexample，adynamicmodel,,；issetupbasedonpartialleast squaresregression．andalsocomparedwithprincipalcomponentregression．Theresultsshow thatpartial leastsquares regression notonly hasbetterfitting，stronger systematic and reliable than principal componentregression，butalsothecoefficientsareeasilyexplicatedandntuehlargesystematicinformation aretransmitted．Partialleastsquareswillprovideanew andeffectiveanalysismethodforcomplicatedand bigsystem whichhaslesssamples，moreindependentandmu1tic0llinearit’，variables． Keywords：partialleastsquares；multicollinearity；deformationanalysis 由于受多种主观和客观因素影响，系统会产生 当系统存在多重共线性时，则分析效果不好 ；逐步 形变 ，形变如果超 出了规定 的限度 ，就会影响系统 回归存在 自变量取舍 问题，且取舍的原则仅仅从该 的正常使用，严重时还会导致安全事故。为此，系 变量是否显著的数学原则出发，而未考虑其在系统 统形变监测不仅要掌握变形体的实际性状，更要分 中的具体意义和所起的作用，有些比较重要的自