线性回归模型精化方法

• 作者: 张志伟 胡伍生 黄晓明
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 模型精化 趋势项 回归残差 神经网络
• 年，卷（期）: 2009,（6）
• 页码范围: 1279-1282
• 页数: 4页
• 分类号: P413
• 字数: 3644字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2009.06.037

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,用基于回归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归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归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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄晓明	东南大学交通学院	552	11109	50.0	73.0
2	胡伍生	东南大学交通学院	127	983	16.0	23.0
3	张志伟	东南大学交通学院	22	209	7.0	14.0