期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
针对多变量无回答的集成优选PMM多重插补法
1
作者 杨贵军 董世杰 孙学达 《统计与决策》 北大核心 2025年第23期49-55,共7页
在线性模型估计中,多个变量同时无回答的情况经常出现。PMM多重插补法对多个同时无回答变量分别插补,再利用多个完整数据集的系数估计平均值,作为模型系数估计。该估计过程并未考虑其最小均方误差的性质。为此,文章针对多个变量同时无... 在线性模型估计中,多个变量同时无回答的情况经常出现。PMM多重插补法对多个同时无回答变量分别插补,再利用多个完整数据集的系数估计平均值,作为模型系数估计。该估计过程并未考虑其最小均方误差的性质。为此,文章针对多个变量同时无回答的情形,提出集成优选PMM多重插补法。首先,利用PMM多重插补法生成捐赠者库,从捐赠者库中随机抽取捐赠者产生无回答的插补值,并分别与已有观测数据合并形成变量的完整数据;其次,将所有变量的完整数据进行排列组合,集成为样本所有备选的完整数据,分别估计线性模型的系数;最后,在所有的系数估计值中,优选均方误差最小的估计值作为模型系数估计值。利用模拟数据和实际调查数据进行分析,验证集成优选PMM多重插补法的优良性。在均方误差准则下,采用集成优选PMM多重插补法,建议选择的插补重数为25。 展开更多
关键词 集成优选pmm多重插补法 pmm多重插补法 插补重数
原文传递
基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型 被引量：8
2
作者 温廷新 苏焕博 《中国安全生产科学技术》 CAS CSCD 北大核心 2022年第7期68-74,共7页
为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE_SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE_SVM算法插补突... 为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE_SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE_SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明:MICE_SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE_SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。 展开更多
关键词 煤与瓦斯突出预测 缺失数据 链式支持向量机多重插补(MICE_SVM)方法 鲸鱼优化算法(WOA) 极限学习机(ELM)
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部