遗传算法在非线性最小一乘回归中的应用.pdfVIP

维普资讯 第 2期 水 利 水 运 工 程 学 报 NO．2 2008年 6月 HYDRO．SCⅡ’NCE AND ENGINEERING Jun．2008 遗传算法在非线性最小一乘回归中的应用 景 继 ，王 建 ，谷艳 昌 (1．河海大学 水利水电工程学院，江苏 南京 210098；2．河海大学 水资源高效利用与工程安全 国家工程研 究中心，江苏 南京 210098) 摘要 ：针对含粗差的大坝监测数据非线性回归问题，引入了最小一乘法进行非线性抗差回归，并采用遗传算法 解决非线性最小一乘 回归的计算 ．实例计算表 明，该方法能够获得较好 的抗差效果，其 回归结果受粗差的影响 程度小于传统的最小二乘法．对其适用性的探讨表明，该方法适用于诸如施工期等短期监测数据的抗差回归 分析． 关 键 词：最小一乘；遗传算法；非线性；抗差；监测；回归分析 中图分类号：TV698．1 文献标识码 ：A 文章编号 ：11309—640x(2008)02—0043—05 Applicationofgeneticalgorithm tononlinearLAD regression JING Ji ，WANG Jian ，GU Yan．chang， (1．CollegeofWaterConservancyandHydropowerEngineering，HohaiUniversity，Nanjing 210098，China； 2．NationalEngineeringResearchCenterof WaterResourcesEfficientUtilizationandEngineeringSafety，Hohai University，Nanjing 210098，China) Abstract：Inordertosolvethe problem ofnonlinearregression ofdam monitoringdatathatcontainsoutliers，a nonlinearLAD regressionmodelisestablishedandthegeneticalgorithm isappliedtosolve it．Theanalysisofan exampleshowsthatthenonlinearLAD regressionhastheadvantageofrobustnessoverthetraditionalLSregression． Thismethod issuitableforshortterm monitoringdataanalysis． Keywords：leastabsolutedeviations；geneticalgorithm ；nonlinear；robust；monitoring；regression 统计模型回归分析是当前大坝监测数据处理的常用方法 ，而统计模型回归分析中通常采用的求解方法 是最小二乘法 ，最小二乘法在理论上较为成熟 ，计算较为方便 ，通常情况下可以取得较满意的结果．但实际监 测工作 中，由于仪器故障、人为因素等不可避免地夹杂有粗差 ，而最小二乘法对粗差较为敏感 ，少量的粗差就 会导致 回归结果的不可靠．由于最小一乘法对粗差 的敏感性较小 ，因此可以将其用于含有粗差数据的回归分 析．最小一乘的求解属于无约束最优化范畴，但 由于其 目标函数是非光滑的，因而不便采用传统方法求解．线 性模型的最小一乘回归已有学者提出了不少求解方法 ¨’，而非线性模型的最小一乘回归尚没有较好 的求 收稿 日期 ：2007—06—18 基金项 目：国家 自然科学基金资助项 目；水利部 “948”项 目(CT200612) 作者简介 ：景 继 (1981一)，男，江苏海安人 ，博士研究生 ，主要从事水工结构工程安全监控研究．E-mail：iamj@163．tom