基于PLS的青藏铁路格拉段职工健康环境影响因素的研究.docVIP

基于PLS的青藏铁路格拉段职工健康环境影响因素研究 施庆生，陈建丽，李金凤 （南京工业大学 应用数学系，江苏 南京 210009） 摘要：青藏铁路格拉段平均海拔4500米，沿线高寒、低氧、气压低、干燥、强辐射。本文采用格拉段沿线10个领工区的环境测试指标及相应工作人员生理指标数据，应用偏最小二乘（PLS） 中图分类号：O213.9 文献标识码：A青藏铁路）个因变量和个自变量，取个观测样本点后构成自变量数据集和因变量数据集。偏最小二乘的基本方法是[2]： 首先，在自变量数据集和因变量数据集中分别提取第一成分和，要求和尽可 能大地提取各自数据集中的变异信息，且和的相关程度最大。 然后，建立对的回归及对的回归，如果回归方程达到满意的精度，则停止计算。否则，利用被解释后的残余信息以及被解释后的残余信息进行第二成分的提取，直到能达到一个较满意的精度为止。 最后，偏最小二乘建立对最终对提取的个成分的线性回归，然后再表达成关于原自变量的回归方程，即偏最小二乘回归方程。 2、多变量偏最小二乘回归方法的基本算法 第一步：将和进行标准化处理，标准化后的自变量矩阵和因变量矩阵分别记为和。 第二步：从和中分别提取第一个成分，，，其中为的第一主轴，为的第一主轴。为了满足成分提取的要求，则需求解下列优化问题： 由拉格朗日算法可得，为对应于矩阵最大特征值的单位特征向量，为对应于矩阵最大特征值的单位特征向量。 然后，分别求和对的三个回归方程 其中，回归系数向量为 。 第三步：用残差矩阵和取代和，提取第二个成分，并求和对的回归方程 如此计算下去，如果的秩为，则有 由于都可以表示成的线性组合，以上两式可以还原为关于的回归方程： ，其中系数体现了标准化的向量对的作用强弱。 3、成分个数的确定 偏最小二乘多数情形下只需选取前个成分就可以得到一个比较可靠的模型。如果后续的成分已经不能为解释提供更有意义的信息，采用过多的成分只会破坏对统计趋势的认识，引导错误的预测结论。对于成分的提取，本文采用广泛应用的确定成分个数的交叉有效性系数来确定。对全部因变量，成分的交叉有效性定义为 对每一个因变量，定义为 其中，，是原始数据中第个样本点在第个因变量上的取值，是利用前个成分回归建模计算得到的的估计值，是在样本点中去掉第个样本点，用个成分建模计算出的的估计值。 当，或至少有一个时，可以确定成分个数为。 三、格拉段地面工作人员生理指标自然环境影响因素的PLS回归分析 1、变量与数据选取 本文样本数据来源于中国铁道科学研究院环控劳卫研究所2007年11月5日到14日采集的格拉段各工区的环境测试数据和环境测试场所相应工作生活人员生理指标数据。剔除缺失数据，最后选择了格尔木、沱沱河、秀水河、五道梁、纳赤台、不冻泉、安多、那曲、当雄、拉萨10个领工区相关数据，分析所用数据为环境测试指标及相应工作生活人员生理指标数据的平均值。自变量即环境测试指标为温度（x1） 格尔木 沱沱河 秀水河 五道梁 纳赤台 不冻泉 安多 拉萨 那曲 当雄 温度℃ 16.60 16.90 10.95 8.70 13.05 8.98 8.20 9.84 11.71 11.35 湿度% 21.84 21.42 22.80 21.60 33.40 31.78 34.77 29.32 24.09 37.45 风速m/s 2.14 0.53 0.20 1.30 0.15 0.55 0.45 1.20 1.20 1.50 气压kpa 73.51575 59.15175 58.786 58.121 66.5 58.653 57.589 66.2074 59.185 60.8475 氧分压kpa 14.96117 10.51897 10.65596 10.49237 12.3956 10.13859 9.45896 11.41672 10.29287 10.5469 二氧化碳% 0.05 0.06 0.05 0.03 0.05 0.07 0.06 0.06 0.05 0.08 海拔高度m 2651 4575 4650 4618 3560 4600 4702 3570 4513 4293 脉搏次/分 81.00 97.36 91.50 86.50 83.75 96.40 101.75 85.36 95.50 91.33 收缩压mmHg 95.00 108.64 120.00 115.00 107.50 102.00 129.38 110.36 104.29 104.33 舒张压mmHg 64.29 75.95 75.00 85.00 83.75 71.00 96.25 81.14 78.86 75.83 血氧饱和度%