大坝变形监测数据回归分析中的因子选择

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

大坝变形监测数据回归分析中的因子选择

文章导航 > 武汉大学学报 ● 信息科学版 > 1993 > 18(1): 20-26

吴子安. 大坝变形监测数据回归分析中的因子选择[J]. 武汉大学学报 ● 信息科学版, 1993, 18(1): 20-26.

引用本文:

吴子安. 大坝变形监测数据回归分析中的因子选择[J]. 武汉大学学报 ● 信息科学版, 1993, 18(1): 20-26.

Wu Zian. The Independent Variablas-snooping in the Regression Analysis of Dam Deformation[J]. Geomatics and Information Science of Wuhan University, 1993, 18(1): 20-26.

Citation:

Wu Zian. The Independent Variablas-snooping in the Regression Analysis of Dam Deformation[J]. Geomatics and Information Science of Wuhan University, 1993, 18(1): 20-26.

大坝变形监测数据回归分析中的因子选择

吴子安

The Independent Variablas-snooping in the Regression Analysis of Dam Deformation

Wu Zian

摘要: 本文对我国大坝变形资料分析中常用的逐步回归分析进行了探讨,指出这种方法通常所选的因子数偏少,其原因来自自变量之间的复共线性的影响。为了克服复共线性对因子筛选的影响,文中对因子筛选提出了若干有益的建议。
- 大坝 /
- 变形分析 /
- 逐步回归 /
- 因子筛选 /
- 复共线性
Abstract: In this paper, the regression analysis, which is usually used in dam deformation analysis is discussed. It is shown that the number of selected independent rariables is less than it is real one,because of multi-collinearity between independent variables. In order to over-come effect by multi-collinearity, the author proposes some suggestions about independent variables-snooping.
- dam /
- deformation analysis /
- regression analysis /
- independent variables-snooping /
- multi-collinearity

[1]	孟瑶, 李锐, 蒋捷, 王顺利, 吴华意. 基于建筑物信息的城市街道尺度人口估算 . 武汉大学学报 ● 信息科学版, 2021, 46(8): 1194-1200. doi: 10.13203/j.whugis20190343
[2]	罗亦泳, 姚宜斌, 黄城, 张静影. 基于改进VMD的变形特征提取与分析 . 武汉大学学报 ● 信息科学版, 2020, 45(4): 612-619. doi: 10.13203/j.whugis20180286
[3]	李豪, 顾勇为, 韩松辉. 基于信噪比检验的双截断奇异值估计 . 武汉大学学报 ● 信息科学版, 2019, 44(2): 228-232, 239. doi: 10.13203/j.whugis20170051
[4]	肖儒雅, 何秀凤. 时序InSAR水库大坝形变监测应用研究 . 武汉大学学报 ● 信息科学版, 2019, 44(9): 1334-1341. doi: 10.13203/j.whugis20170327
[5]	姜兆英, 刘国林, 于胜文. 病态方程基于Liu估计的一种迭代估计新方法 . 武汉大学学报 ● 信息科学版, 2017, 42(8): 1172-1178. doi: 10.13203/j.whugis20150218
[6]	卢骏, 戴吾蛟, 章浙涛. 大坝变形变系数回归建模 . 武汉大学学报 ● 信息科学版, 2015, 40(1): 139-142.
[7]	郭杰, 归庆明, 郭淑妹, 张宁. 利用复共线性诊断确定偏差矫正项的截断型岭估计 . 武汉大学学报 ● 信息科学版, 2015, 40(6): 785-789. doi: 10.13203/j.whugis20130465
[8]	李广春, 戴吾蛟, 杨国祥, 刘斌. 时空自回归模型在大坝变形分析中的应用 . 武汉大学学报 ● 信息科学版, 2015, 40(7): 877-893. doi: 10.13203/j.whugis20130549
[9]	袁修孝, 曹金山. 一种基于复共线性分析的RPC参数优选法 . 武汉大学学报 ● 信息科学版, 2011, 36(6): 665-669.
[10]	杨阳, 包腾飞. 基于SQL的坝体监测系统数据运算优化 . 武汉大学学报 ● 信息科学版, 2011, 36(2): 244-247.
[11]	张正禄, 王小敏, 邓勇, 谢年生. 模糊神经网络在变形分析与预报中的应用研究 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 6-8.
[12]	饶雄, 张景雄, 丁翼星. 基于多项Logit模型的土地覆被分层分类方法研究 . 武汉大学学报 ● 信息科学版, 2008, 33(11): 1166-1169.
[13]	丛培江, 顾冲时, 谷艳昌. 大坝安全监控指标拟定的最大熵法 . 武汉大学学报 ● 信息科学版, 2008, 33(11): 1126-1129.
[14]	王新洲, 邓兴升. 大坝变形预报的模糊神经网络模型 . 武汉大学学报 ● 信息科学版, 2005, 30(7): 588-591.
[15]	李征航, 吴云孙, 李振洪, 李英冰. 隔河岩大坝外观变形数据的处理和分析 . 武汉大学学报 ● 信息科学版, 2000, 25(6): 482-484.
[16]	邓跃进, 董兆伟, 张正禄. 大坝变形失稳的尖点突变模型 . 武汉大学学报 ● 信息科学版, 1999, 24(2): 170-173.
[17]	何金平, 李珍照, 薛桂玉, 李民. 大坝实测性态模糊积分评判模型的研究 . 武汉大学学报 ● 信息科学版, 1998, 23(3): 230-232,254.
[18]	蓝悦明, 王新洲. 灰色预测用于大坝水平变形预测的研究 . 武汉大学学报 ● 信息科学版, 1996, 21(4): 350-354.
[19]	张正禄, 邓克寰. 宝钢引水库大坝水平位移监测评价和变形分析 . 武汉大学学报 ● 信息科学版, 1992, 17(4): 26-33.
[20]	徐培亮. 应用时间序列方法作大坝变形预报 . 武汉大学学报 ● 信息科学版, 1988, 13(3): 23-31.

WeChat

点击查看大图

计量

文章访问数: 572
HTML全文浏览量: 49
PDF下载量: 185
被引次数: 0

大坝变形监测数据回归分析中的因子选择

吴子安

收稿日期: 1992-06-29
刊出日期: 1993-01-05

关键词:

摘要: 本文对我国大坝变形资料分析中常用的逐步回归分析进行了探讨,指出这种方法通常所选的因子数偏少,其原因来自自变量之间的复共线性的影响。为了克服复共线性对因子筛选的影响,文中对因子筛选提出了若干有益的建议。

English Abstract

吴子安. 大坝变形监测数据回归分析中的因子选择[J]. 武汉大学学报 ● 信息科学版, 1993, 18(1): 20-26.

引用本文:

吴子安. 大坝变形监测数据回归分析中的因子选择[J]. 武汉大学学报 ● 信息科学版, 1993, 18(1): 20-26.

Wu Zian. The Independent Variablas-snooping in the Regression Analysis of Dam Deformation[J]. Geomatics and Information Science of Wuhan University, 1993, 18(1): 20-26.

Citation:

Wu Zian. The Independent Variablas-snooping in the Regression Analysis of Dam Deformation[J]. Geomatics and Information Science of Wuhan University, 1993, 18(1): 20-26.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码