PLS在状态检测多元线性回归中应用.docVIP

PLS在状态检测多元线性回归中应用 　　摘 要：系统的状态检测过程中，各影响因子之间往往存在着多重相关性，给回归建模分析带来许多负面影响，采用偏最小二乘(PLS)回归建模分析可以很好地解决这个问题。在简述 P LS原理的基础上，结合系统状态检测仿真数据， 建立系统的状态检测的PLS模型，分别验证PLS回归预测模型用于多个自变量对单个因变量和多个自变量对多个因变量的回归模型的用于系统状态检测的可行性。 　　关键词：偏最小二乘；回归分析；状态检测 　　中图分类号：TP391 文献标识码：A 　　The Model of Multivariate and Linear Regress in State Detection Based on PLS 　　 　　SHANG Wei??1, LIANG Yu??ying??1, BA Ning??2 　　（1.Ordnance Engineering College,Shijiazhuang 050003,China; 　　2.Wuhan Ordnance Noncommissioned Officers Academy,Wuhan 430075,China） 　　Abstract:Multiple correlations often exist among the different impact factors in systematic state detection course. And will bring about a series of negative effects on regression modeling and analysis. However，the partial least―squares regression method can solve this problem in a reasonable manner. Based on the principle of PLS，and also combined with system State detection emulation data，a partial least―squares regression model are established．validate of these two models include more to one and more to more model ware made，and good results was achieved. 　　Key words:partial least―squares(PLS)；regression analysis；state detection 　　1 引 言 　　对系统进行安全检测，整理归纳所测数据资料并进行建模分析，掌握系统的工作情况，评估其安全程度，是十分重要的。在状态检测技术的分析、预测研究中，多元线性回归分析是一种很常用的技术方法，然而在实际应用中却受到很多限制，主要表现为：①实际情况中普遍存在变量之间的多重相关性问题，他能严重影响多元线性回归模型的参数估计，扩大误差；②多元线性回归对样本容量要求较高，在许多问题的实际应用中很难达到。偏最小二乘（PLS）回归分析能有效解决以上问题。PLS回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的样本量又较少时，用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。 　　2 PLS分析原理 　　PLS回归方法与普通最小二乘回归在思路上的最主要的区别是它在回归建模过程中采用了信息综合与筛选技术。它不是直接考虑因变量和自变量集合的回归建模，而是在变量系统中提取若干对系统具有最佳解释能力的新综合变量，然后利用它们进行回归建模。 　　偏最小二乘回归分析在建模过程中集中了主成分分析， 典型相关分析和线性回归分析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以同时完成一些类似于主成分分析和典型相关分析的研究内容，提供更丰富、深入的一些信息。 　　2.1 建模步骤 　　考虑??p个因变量y??1，y??2，…，y??p与m个自变量x??1，x??2，…，x??m的建模问题。建模步骤一般包括： 　　1）标准化处理。因变量组和自变量组的n次标准化观测数据阵分别记为??E????0和??F????0。 　　??E????0=x??*????11????x??*????n1??…?鳌?x??*????1m????x??*????nm??，??F????0=y??*????11????y??*????n1??…?鳌?y??*????1p????y??*????np??