基于主成分分析法的房地产业与国民经济发展协调度分析——以济南市为例

本文主要利用主成分分析法和3σ法来分析济南市房地产业与国民经济发展是否协调,并据此提出政府进行房地产业宏观调控的相关建议。首先选取房地产投资额与固定资产投资额之比等五个指标,对济南市房地产业与国民经济发展协调度进行主成分分析,得到房地产业与国民经济的协调指数。再利用3σ法,通过计算各主成分指标数据的均值和标准差,建立房地产市场预警区间。分析结果表明,济南市房地产业与国民经济发展协调关系基本稳定。     

基于PCA的武汉市交通与经济协调发展研究

结合武汉市近10年经济与交通系统关键指标数据,在分析武汉市交通与经济系统协调发展现状的同时,通过主成分分析法(PCA)降维得到两系统的序参变量,计算得到两系统的有序度及协调度;运用SPSS软件进行相关性分析,提取对协调度影响较大的指标,剔除无明显相关关系的指标因素,在此基础上进行武汉市经济与交通系统协调发展研究,并对其未来协调发展提出针对性的建议措施。     

基于主成分法的道路监测点的分析

对北京市二环快速路微波检测器采集流量数据的分析,用主成分分析法筛选出能反映二环路运行状况的关键检测器对应的路口或路段,这样交管部门可以通过协调相应关键路口或路段来改善交通运行状况,既可以减轻工作负荷又有助于提高工作效率和效益。同时,利用主成分分析法的结果得到基于流量的综合服务水平指标函数,可以此来标定道路的服务水平。     

基于模糊综合评价的公路网发展分析方法

为了合理评价地区公路网发展状况,制定地区公路网发展规划和策略,提出了基于主成分分析-模糊综合评价的公路网发展水平评价方法。依据公路网发展规模水平、运输规模、车辆发展速度来选取公路网发展水平评价指标,利用主成分分析法将选取的评价指标进行降维处理,以确定模糊综合评价的评价指标;再通过熵值法确定评价指标的权重,采用梯形函数构建评价指标的隶属度函数,根据最大隶属度原则确定评价结果,建立主成分分析-模糊综合评价的公路网等级耦合评价模型。通过广东省21个地市公路网评价的实例分析,证明了该方法的科学性和有效性。     

基于运动学片段的城市道路行驶工况的研究

以合肥市典型道路为例,将大量行驶工况的实验数据划分为运动学片段,并选出11个特征参数进行研究.首先用主成分分析法对运动学片段进行降维处理;接着利用K均值聚类技术对其进行分类.分析结果验证了在城市道路行驶工况研究中应用主成分分析法和K均值聚类法的町行性和有效性;最后拟合出合肥市典型道路的代表性行驶工况.与实验数据的对比结...     

面向整车虚拟匹配的柔性件公差实时分析

针对汽车柔性件公差分析中缺乏快速计算带尺寸偏差零件的受力变形问题,提出1种结合线性叠加原理和有限元法的变形计算方法,利用传递系数矩阵快速计算汽车柔性件的变形,实现整车虚拟匹配的实时公差分析.其次为解决零件偏差源识别中主成分分析数据解读性差的问题,提出1种基于稀疏主成分分析简化分析变量,减少主成分载荷系数的偏差源统计分析...     

基于ANFIS的环境激励下桥梁结构应变响应预测分析

为准确预测复杂环境荷载作用下混凝土连续梁桥结构应变响应,基于结构健康监测系统长期实测数据,分析桥梁结构温度场变化规律,进而基于主成分分析及自适应神经网络模糊推理系统,建立桥梁结构温度场与桥梁结构应变响应的复杂非线性关系。首先,利用小波分解技术分离环境荷载及车辆荷载作用下的桥梁结构实测应变响应;然后利用平行坐标轴,分析混凝土连续梁桥结构温度场变化规律,并利用主成分分析提取结构温度场实测温度数据主成分;最后基于自适应神经网络模糊推理系统,以应变测点处温度数据、桥梁结构温度场实测温度数据主成分和采样时间点数据为输入数据,分别建立不同输入变量组合与应变响应的复杂非线性关系,并对比分析不同工况下结构应变响应的预测精度。结果表明：桥梁结构各测点处实测温度数据变化趋势基本一致,同侧测点实测温度数据高度相关,但桥梁结构上、下表面测点温度变化存在明显差异,仅考虑应变测点处温度变化,难以准确预测桥梁结构应变响应;当考虑桥梁结构温度场变化时,能更精确地建立温度与应变响应之间的关系模型,进而基于实测温度数据准确预测桥梁结构应变响应;当缺乏结构温度场实测温度数据时,将采样时间点作为反映桥梁结构温度场变化规律的参数,可取得较好效果。     

主成分分析在车辆行驶工况中的应用

在车辆行驶工况构建过程,提出了主成分分析与聚类分析的构建工况的方法,并利用该方法建立了昆明市道路代表性行驶工况。利用主成分分析对大量的运动学片段的特征参数进行压缩,选出能代表原始数据80%以上的3个主成分;其次用聚类分析提炼这些运动学片段;根据统计分析的概率随机并重组运动学片段,构建出能反映出昆明市典型公交车线路交通状况的工况。     

BP神经网络主成分分析法在汽车保有量预测中的应用

针对影响汽车保有量预测的多个因素,采用主成分分析的方法提炼出较少的与线性无关的主要因素,并根据这些因素,利用BP神经网络方法对汽车保有量进行了预测,最后通过实例, 将BP神经网络主成分分析法计算结果和非线性模拟与全要素BP神经网络模拟结果进行比较,得知BP神经网络主成分分析法在运算效率、运算精度上较优.     

农业上市公司财务绩效的主成分分析

农业是我国的基础产业，农业上市公司的发展关系我国经济的发展。选取国内15家农业上市公司作为研究对象，同时选择可以反映农业上市公司财务绩效的8项指标，采取主成分分析法下的4个主成分分析其财务绩效。分析结果表明：第一、二、三、四主成分分别能反映和解释说明农业上市公司的盈利能力、偿债能力、成长能力、经营能力，通过实证研究表明，主成分分析结果与事实相符，分析结果可作为农业上市公司财务绩效分析的参考依据。     

我国牛肉消费情况及主要牛肉进口市场——基于空间计量和社会网络分析

文章首先根据国家统计局统计年鉴数据,整理我国各省人均牛肉消费量,并运用Gedoda软件分析我国各省牛肉人均消费空间分布情况,进一步对我国各省人均牛肉消费量进行空间自相关检验,以分析我国牛肉消费的空间特征;然后根据联合国商品贸易统计数据库（即UN Comtrade）的统计数据,利用Ucinet软件分析我国与主要牛肉进口国的整体网络密度、度数中心度、接近中心度和中介中心度,以此判断我国和主要牛肉进口国在“牛肉进口网络”中的地位和重要性。     

基于改进PCA-Logistic模型对个人汽车保有量预测

我国个人汽车保有量数据的变化是一个长期的非线性过程,其影响因素复杂,并且因素之间也存在非线性关系,需要合理准确的方法进行分析和预测。为了研究在GDP、城镇人口变化、消费水平等多因素的影响下我国个人汽车保有量的变化问题,采用了改进的主成分因子分析和Logistic非线性模型相结合的方法,对传统主成分分析法进行了改进,考虑数据的完整性,选取1985—2018年之间影响我国个人汽车保有量的8个代表性因素,首先通过改进主成分分析法对其进行了"非线性"的降维处理,再利用Logistic非线性模型描述汽车保有量和提取主成分之间的关系,最终提出了改进PCA-Logistic模型。比较分析了改进的PCA-Logistic模型与传统PCA-Logistic模型在对个人汽车保有量预测的不同和改进后模型的优点,结果表明:改进PCA-Logistic模型可以有效地消除数据之间非线性关系,可以将传统方法得到的二次非线性主成分回归曲线变成线性曲线,从而更符合主成分分析法原则;得到的非线性Logistic回归曲线与实际数据拟合度更高,说明能更准确地评估我国个人汽车保有量。根据此模型预测了2019—2024年我国个人汽车保有量,发现我国个人汽车保有量在2021年可能会突破3亿。     

武汉市公交车典型行驶工况的构建

利用实测的公交车运行数据,建立符合公交车运营特点的行驶工况.首先将连续行驶数据进行短行程划分并计算各短行程的特征值;之后采用主成分分析将12个特征值降为4个主成分,利用相关系数法建立了武汉市公交车的综合行驶工况;同时采用聚类分析对短行程分类,构建了公交车在拥堵道路、较畅通道路、畅通道路3类交通条件下的行驶工况;各工况同实测数据的相关系数均超过了0.98.研究结果表明,该地区公交车平均运行速度为19.46 km/h,各行驶模式下的时间比例分别为:加速26.39%、减速23.61%、匀速33.33%、怠速16.67%.此外将所建立综合工况与燃油消耗量测试工况C-WTVC比较,发现二者在平均速度和怠速时间比例方面存在较大差别.因此有必要针对公交车专门开发测试工况,从而为交通和环保部门的公交运营管理提供指导.      

机动车驾驶员驾驶行为操纵动作模式的研究

采用主成分分析法研究了驾驶员的操纵动作模式主要成分结构,采用Matlab编写了主成分分析算法对问卷调查获得的数据进行了分析,并着重选取问卷中超车、转向和并线3种驾驶行为的数据,分析得到这3种驾驶行为对应的驾驶操纵动作模式的主成分载荷矩阵和贡献率。结果表明:通过研究驾驶行为及其对应的驾驶操纵动作模式,可以发现对特定驾驶行为影响较大的驾驶操纵动作,进而根据两者之间的关系反向实现个性化驾驶行为的识别,为后续设计先进的辅助驾驶系统提供技术依据。     

基于大数据挖掘技术的车载自组织网络状态异常检测

基于主成分分析法与Apriori关联规则挖掘算法,提出一种利用大数据技术检测车载自组织网络(VANET)运行状态异常的方法。运用主成分分析法从大数据中挖掘出关键评估指标;针对关键指标采用并行关联规则模型,挖掘强关联规则,进而找出主要影响因素;基于历史数据和自组织人工神经网络预测方法,输入主要影响因素值,输出关键评估指标值。对评估指标值进行算例分析,利用VANET状态异常检测方法预测指标概率,结果表明,所提方法得到的预测值较仅使用人工神经网络方法准确性高。     

基于PCA-SVM的边坡稳定性预测模型研究

提出了一种基于主成分分析(PCA)和支持向量机(SVM)的边坡稳定性预测模型。首先分析了影响边坡稳定性的因素,采用主成分分析方法求取主成分;再将主成分作为输入对支持向量机进行训练,并利用遗传算法优化支持向量机参数;最后通过实例与常用寻参方法所得结果进行比较。结果表明,该法能减少输入变量维数,提高了边坡工程稳定性的预测精度。     

基于数据预测的区域道路状态模糊判别

区域路网交通状态判别是实施区域交通管理控制和交通诱导的基础。为有效且有前瞻性地描述区域路网拥挤状况,提出了1种基于时间序列数据预测和主成分分析相结合的模糊综合定量评价方法。以路段平均速度和交通流量为描述交通拥挤状况的参数,利用时间序列预测模型对数据进行预测;将路网中各路段的平均旅行时间作为总延误的影响因素;再利用主成分分析法确定各个路段对区域拥挤的影响权重;最后运用模糊综合评价法对区域路网拥挤状况进行评估。以山西省临汾市实际路网为例,通过 Vissim 交通仿真软件和 SPSS 数据统计分析软件对算法进行了仿真验证。仿真结果表明,该算法能够有效地预判城市区域的交通状况,为交通管理、控制和诱导提供准确的依据。      

Driving Cycle Construction and Accuracy Analysis Based on Combined Clustering Technique

基于通过实车试验采集的城市典型道路行驶工况数据,首先用主成分分析法对选取的12个表征道路运行特性的特征参数进行减缩,接着利用SOFM神经网络算法和K均值聚类法相结合的组合聚类技术对所有运动学片段的前3个主成分得分进行分类,再根据各类别的时间比例从各类别中选取合适片段,最终拟合出代表性工况.通过对各工况加速度分布的K-S检验和采用ADVISOR软件进行的发动机载荷谱和燃油消耗量仿真分析,表明和K均值聚类法相比,组合聚类法的行驶工况拟合精度更高,更能综合反映城市交通真实状况.     

基于主成分分析与支持向量机结合的交通流预测

为提高交通流预测的预测精度和预测速度,提出了用非线性回归支持向量机与主成分分析相结合进行交通流预测的方法。主成分分析用来对交通流预测的预测变量进行特征抽取,用较少的主成分代替原预测变量．将生成的主成分输入到非线性回归支持向量机,进行交通流预测,支持向量机的核参数利用Bayesian推理进行确定。通过对济南市交通数据的实例分析来验证该方法的有效性。结果表明,非线性回归支持向量机与主成分分析相结合进行交通流预测不但可以提高交通流预测的精度,同时还可以降低预测所需的计算量,满足交通流预测的实时性要求,预测精度比目前常用交通流预测方法的预测精度有所提高。     

基于多源异构和XGBOOST模型的销量预测

随着中国经济的快速发展,中国汽车市场已经发展成为世界第一大汽车消费市场和全球最大的消费潜力市场3面对规模越来越大的市场,准确预测铕量是汽车产生面临的重要课题。本文在主成分分析的技术之上探讨了多源异质性大数据和XGBOOST算法在汽车销量预测模型中的应用首先选取一些社会经济结构变量、相关政策以及某汽车企业汽车销量为样本数据;其次为了去除多重共线性问题利用主成分分析分析出权重占比累积超过90%的样本特征;再次利用多维度控制变量法确定了XGBOOST糢型的最佳参數组合;最后利用训练好的模型对验证集进行测试,结果表明,多个月的预测销量与实际销量之间的平均准确率为88.52%,平均差异仅为11.48%。这为企业预测汽车销量提供参考.