面板数据的贝叶斯Elastic Net分位数回归模型及其应用研究
这是一篇关于面板数据,Elastic Net,分位数回归的论文, 主要内容为面板数据作为将截面数据和时间序列数据综合起来的二维数据类型,能提供更多的样本信息,在经济学、管理学、生物学等诸多领域有着广泛的应用。传统的面板数据模型实际上是一种条件均值模型,这种模型只能描述因变量的均值信息,而忽略了其它信息。分位数回归方法考虑了在不同分位点处自变量对因变量的影响,与传统的条件均值模型相比,不仅具有较好的稳健性,而且能够度量自变量对因变量尾部的影响,提供更加丰富的信息。因此,越来越多的学者开始采用面板数据分位数回归模型,而如何在对该模型进行参数估计的同时自动选择出重要解释变量,一直是值得探讨的热点问题之一。本文基于面板数据分位数回归模型,采用Elastic Net这一适用于处理高维数据和高度相关数据的惩罚方法,提出了面板数据的贝叶斯Elastic Net分位数回归模型(BQR.EN)这一新方法,并且推导出了各参数的全条件后验分布密度函数,进而构建Gibbs抽样。在模拟实验中,首先与BALQR模型、BLQR模型、BQR模型进行了多种情形下的全方位比较,然后将本文提出的BQR.EN模型在不同扰动项假设和不同样本量假设下进行参数估计效果的比较,结果表明BQR.EN模。型在处理高维数据和高度相关数据方面具有明显优势,在一定程度上弥补了基于Lasso惩罚的BLQR模型和基于adaptive Lasso惩罚的BALQR模型的不足;并且在扰动项的实际分布不符合ALD分布或者样本量较小的情况下也能取得较好的估计效果。在实证分析方面,为了探究互联网金融类上市公司EVA的影响因素,本文构建了面板数据的贝叶斯Elastic Net分位数回归模型,演示了新方法在实际问题中估计参数与挑选变量的能力。实证结果表明,盈利能力、创新能力和公司规模对互联网金融类上市公司经济增加值的影响最大。
面板数据的贝叶斯Elastic Net分位数回归模型及其应用研究
这是一篇关于面板数据,Elastic Net,分位数回归的论文, 主要内容为面板数据作为将截面数据和时间序列数据综合起来的二维数据类型,能提供更多的样本信息,在经济学、管理学、生物学等诸多领域有着广泛的应用。传统的面板数据模型实际上是一种条件均值模型,这种模型只能描述因变量的均值信息,而忽略了其它信息。分位数回归方法考虑了在不同分位点处自变量对因变量的影响,与传统的条件均值模型相比,不仅具有较好的稳健性,而且能够度量自变量对因变量尾部的影响,提供更加丰富的信息。因此,越来越多的学者开始采用面板数据分位数回归模型,而如何在对该模型进行参数估计的同时自动选择出重要解释变量,一直是值得探讨的热点问题之一。本文基于面板数据分位数回归模型,采用Elastic Net这一适用于处理高维数据和高度相关数据的惩罚方法,提出了面板数据的贝叶斯Elastic Net分位数回归模型(BQR.EN)这一新方法,并且推导出了各参数的全条件后验分布密度函数,进而构建Gibbs抽样。在模拟实验中,首先与BALQR模型、BLQR模型、BQR模型进行了多种情形下的全方位比较,然后将本文提出的BQR.EN模型在不同扰动项假设和不同样本量假设下进行参数估计效果的比较,结果表明BQR.EN模。型在处理高维数据和高度相关数据方面具有明显优势,在一定程度上弥补了基于Lasso惩罚的BLQR模型和基于adaptive Lasso惩罚的BALQR模型的不足;并且在扰动项的实际分布不符合ALD分布或者样本量较小的情况下也能取得较好的估计效果。在实证分析方面,为了探究互联网金融类上市公司EVA的影响因素,本文构建了面板数据的贝叶斯Elastic Net分位数回归模型,演示了新方法在实际问题中估计参数与挑选变量的能力。实证结果表明,盈利能力、创新能力和公司规模对互联网金融类上市公司经济增加值的影响最大。
基于数据驱动的SCR烟气脱硝系统NOx软测量模型研究
这是一篇关于数据驱动,SCR烟气脱硝系统,NOx,Elastic Net,组合预测模型的论文, 主要内容为电力行业是国家经济支柱产业,火力发电占据主导地位,限制火电机组大气污染物排放具有重要环保意义。目前,实现SCR烟气脱硝系统的优化控制及其入口氮氧化物(Nitrogen Oxides,NOx)浓度的精准测量是火电领域的难点,基于数据驱动软测量技术和热工过程实际数据,分别对以下内容展开研究:(1)针对实际热工过程测量变量具有维度高、非线性等特点,以及现有变量选择方法的主观性问题,探究了Elastic Net方法在SCR入口NOx浓度软测量中的特征选择应用,并结合最小二乘支持向量回归模型(Least Squares Support Vector Regression,LSSVR)的优势,提出了Enet-LSSVR软测量模型。实验结果表明,所提方法能有效降低变量维度,所建模型精度较高,能够实现SCR烟气脱硝系统入口NOx浓度预测。(2)根据实际工程过程应用特点,结合Elastic Net模型的优势,进一步提出融合工程机理的Elastic Net变量选择模型。实验结果表明,相比于Elastic Net方法测量变量,融合工程机理所选特征变量维数更低且预测精度较高,工程应用价值较好。(3)针对实际热工过程中静态软测量模型失效问题,研究了变工况下的动态软测量建模方法。利用复相关系数时滞联合方法实现特征变量时滞估计,采用滑动窗口更新策略(Moving Window,MW)实现建模样本更新。为结合不同软测量模型的分析优势,进一步探究了变权组合模型预测策略。实验结果表明,相比于静态模型,所提模型更新策略能够有效提高NOx浓度预测精度,所得软测量模型具有较高的稳定性和泛化性,在实际变工况过程中具有优异的分析结果。
先验信息下Elastic Net方法的改进及应用
这是一篇关于Elastic Net,先验信息,稀疏框架,变量选择的论文, 主要内容为随着近年来大数据相关技术的兴起,数据收集技术的进一步的发展,高维数据大量出现在自然科学、生物医药、信息科学等领域。处理高维数据时,变量选择是一种行之有效的方法,能够减少无关变量的影响从而达到降低维度的效果。在众多变量选择方法中,Elastic Net方法可以高效处理带有强相关变量组的高维数据,得到可靠的参数估计。因此,Elastic Net方法的相关研究在统计学领域中得到很大的关注。针对如何改进Elastic Net方法这个问题,本文提出了一种新的改进方法,即基于先验信息的Elastic Net方法。具体而言,借助稀疏框架将先验信息融入到Elastic Net模型中,从而提高模型的拟合效果。本文在给出该方法的定义之后,在理论层面上给出了相应的求解算法,并证明了基于先验信息的Elastic Net方法同样具有组效应性质。之后通过多组数值模拟表明基于先验信息的Elastic Net较于Elastic Net方法有着更好的稳定性和精确度。针对基于先验信息的Elastic Net方法的应用问题,本文考虑将基于先验信息的Elastic Net方法应用于缺失数据领域。常规的缺失数据处理方法在处理缺失比率较大的缺失数据时一般不能起到良好的效果。本文提出的基于先验信息的Elastic Net方法能够为其提供另外一种思路。首先从存在缺失现象的样本中提取先验信息,之后再利用这些先验信息来提高模型的拟合效果。本文最后分别在模拟数据以及真实数据上进行实验,结果表明基于先验信息的Elastic Net方法确实能够利用从缺失数据中提取的先验信息来提升模型效果。
面板数据的贝叶斯Elastic Net分位数回归模型及其应用研究
这是一篇关于面板数据,Elastic Net,分位数回归的论文, 主要内容为面板数据作为将截面数据和时间序列数据综合起来的二维数据类型,能提供更多的样本信息,在经济学、管理学、生物学等诸多领域有着广泛的应用。传统的面板数据模型实际上是一种条件均值模型,这种模型只能描述因变量的均值信息,而忽略了其它信息。分位数回归方法考虑了在不同分位点处自变量对因变量的影响,与传统的条件均值模型相比,不仅具有较好的稳健性,而且能够度量自变量对因变量尾部的影响,提供更加丰富的信息。因此,越来越多的学者开始采用面板数据分位数回归模型,而如何在对该模型进行参数估计的同时自动选择出重要解释变量,一直是值得探讨的热点问题之一。本文基于面板数据分位数回归模型,采用Elastic Net这一适用于处理高维数据和高度相关数据的惩罚方法,提出了面板数据的贝叶斯Elastic Net分位数回归模型(BQR.EN)这一新方法,并且推导出了各参数的全条件后验分布密度函数,进而构建Gibbs抽样。在模拟实验中,首先与BALQR模型、BLQR模型、BQR模型进行了多种情形下的全方位比较,然后将本文提出的BQR.EN模型在不同扰动项假设和不同样本量假设下进行参数估计效果的比较,结果表明BQR.EN模。型在处理高维数据和高度相关数据方面具有明显优势,在一定程度上弥补了基于Lasso惩罚的BLQR模型和基于adaptive Lasso惩罚的BALQR模型的不足;并且在扰动项的实际分布不符合ALD分布或者样本量较小的情况下也能取得较好的估计效果。在实证分析方面,为了探究互联网金融类上市公司EVA的影响因素,本文构建了面板数据的贝叶斯Elastic Net分位数回归模型,演示了新方法在实际问题中估计参数与挑选变量的能力。实证结果表明,盈利能力、创新能力和公司规模对互联网金融类上市公司经济增加值的影响最大。
基于数据驱动的SCR烟气脱硝系统NOx软测量模型研究
这是一篇关于数据驱动,SCR烟气脱硝系统,NOx,Elastic Net,组合预测模型的论文, 主要内容为电力行业是国家经济支柱产业,火力发电占据主导地位,限制火电机组大气污染物排放具有重要环保意义。目前,实现SCR烟气脱硝系统的优化控制及其入口氮氧化物(Nitrogen Oxides,NOx)浓度的精准测量是火电领域的难点,基于数据驱动软测量技术和热工过程实际数据,分别对以下内容展开研究:(1)针对实际热工过程测量变量具有维度高、非线性等特点,以及现有变量选择方法的主观性问题,探究了Elastic Net方法在SCR入口NOx浓度软测量中的特征选择应用,并结合最小二乘支持向量回归模型(Least Squares Support Vector Regression,LSSVR)的优势,提出了Enet-LSSVR软测量模型。实验结果表明,所提方法能有效降低变量维度,所建模型精度较高,能够实现SCR烟气脱硝系统入口NOx浓度预测。(2)根据实际工程过程应用特点,结合Elastic Net模型的优势,进一步提出融合工程机理的Elastic Net变量选择模型。实验结果表明,相比于Elastic Net方法测量变量,融合工程机理所选特征变量维数更低且预测精度较高,工程应用价值较好。(3)针对实际热工过程中静态软测量模型失效问题,研究了变工况下的动态软测量建模方法。利用复相关系数时滞联合方法实现特征变量时滞估计,采用滑动窗口更新策略(Moving Window,MW)实现建模样本更新。为结合不同软测量模型的分析优势,进一步探究了变权组合模型预测策略。实验结果表明,相比于静态模型,所提模型更新策略能够有效提高NOx浓度预测精度,所得软测量模型具有较高的稳定性和泛化性,在实际变工况过程中具有优异的分析结果。
基于数据驱动的SCR烟气脱硝系统NOx软测量模型研究
这是一篇关于数据驱动,SCR烟气脱硝系统,NOx,Elastic Net,组合预测模型的论文, 主要内容为电力行业是国家经济支柱产业,火力发电占据主导地位,限制火电机组大气污染物排放具有重要环保意义。目前,实现SCR烟气脱硝系统的优化控制及其入口氮氧化物(Nitrogen Oxides,NOx)浓度的精准测量是火电领域的难点,基于数据驱动软测量技术和热工过程实际数据,分别对以下内容展开研究:(1)针对实际热工过程测量变量具有维度高、非线性等特点,以及现有变量选择方法的主观性问题,探究了Elastic Net方法在SCR入口NOx浓度软测量中的特征选择应用,并结合最小二乘支持向量回归模型(Least Squares Support Vector Regression,LSSVR)的优势,提出了Enet-LSSVR软测量模型。实验结果表明,所提方法能有效降低变量维度,所建模型精度较高,能够实现SCR烟气脱硝系统入口NOx浓度预测。(2)根据实际工程过程应用特点,结合Elastic Net模型的优势,进一步提出融合工程机理的Elastic Net变量选择模型。实验结果表明,相比于Elastic Net方法测量变量,融合工程机理所选特征变量维数更低且预测精度较高,工程应用价值较好。(3)针对实际热工过程中静态软测量模型失效问题,研究了变工况下的动态软测量建模方法。利用复相关系数时滞联合方法实现特征变量时滞估计,采用滑动窗口更新策略(Moving Window,MW)实现建模样本更新。为结合不同软测量模型的分析优势,进一步探究了变权组合模型预测策略。实验结果表明,相比于静态模型,所提模型更新策略能够有效提高NOx浓度预测精度,所得软测量模型具有较高的稳定性和泛化性,在实际变工况过程中具有优异的分析结果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设工坊 ，原文地址：https://bishedaima.com/lunwen/54222.html
