针对淮南煤田走向长壁垮落式采煤法条件下导水裂缝带高度难以精确预测的问题,建立基于偏最小二乘法的BP神经网络模型,提高了导水裂缝带高度的预测精度。首先运用偏最小二乘法对导水裂缝带高度的影响因素进行分析,对原始数据降维处理提取主成分,优化了原始数据,克服了变量间因样本量小而产生的多重相关性影响,并对自变量、因变量具有很强的解释能力。再将提取的主成分作为BP神经网络模型的输入层,导水裂缝带高度为输出层,对网络进行训练。该方法既简化了网络结构,其精度也高于经验公式以及单一的偏最小二乘法模型与BP神经网络模型。

针对煤炭近红外光谱原始数据的高维、多重共线性、建模容易过拟合等问题,研究了煤炭光谱的特征波长筛选方法,提出了基于平均影响值的改进连续投影算法。实验表明,所提出的算法可以有效降低数据维数、提高数据质量。

建立了多模型共识偏最小二乘（cPLS）建模方法，并应用于烟草样品近红外（NIR）光谱与常规成分氯含量之间的建模研究，探讨了建模参数对预测结果的影响。结果表明，cPLS方法与传统的偏最小二乘算法（PLS）相比，所建模型更稳定可靠，预测结果也可得到了明显改善。

%% 数据归一化 [p_train, ps_input] = mapminmax(P_train, 0, 1); p_test = mapminmax('apply', P_test, ps_input); [t_train, ps_output] = mapminmax(T_train, 0, 1); t_test = mapminmax('apply', T_test, ps_output); %% 转置以适应模型 p_train = p_train'; p_test = p_test'; t_train = t_train'; t_test = t_test'; %% 创建网络 k = 7; % 保留成分个数 [theta, ch0] = my_pls(p_train, t_train, k); %% 仿真测试 t_sim1 = sim_pls(p_train, theta, ch0); t_sim2 = sim_pls(p_test , theta, ch0); %% 数据反归一化 T_sim1 = mapminmax('reverse', t_sim

1、注释详细 2、附多个评价指标计算 3、解决截距不能正确输出的问题 4、附示例数据集

matlab 偏最小二乘法代码咖啡的主成分分析、聚类和偏最小二乘分析，基于 Ref.Food Chemistry 66 (1999) 365-370。 使用 Matlab 代码，可以根据金属含量区分咖啡组。

matlab 偏最小二乘法代码 Glucolynx-App Glucolynx 应用程序是一个使用近红外光谱 (NIRS) 的简单血糖监测应用程序。 MATLAB 中的机器学习算法用于预测血糖水平。 NIR 数据由德州仪器 (TI)的DLP:registered: NIRscan:trade_mark: Nano 评估模块通过扫描指尖生成为.csv文件。 默认情况下，此代码将从 .csv 文件中提取吸光度数据。 入门 MATLAB （R2016a 以上）必须安装在本地机器上。 安装 如果你想从 git 运行最新的代码，下面是如何开始： 克隆代码： git clone https://github.com/theinhtut/glucolynx.git cd glucolynx 打开MATLAB并运行 run('glucolynxApp.m'); 内置 - MathWorks 开发的多范式数值计算环境和专有编程语言。 - 提供布局和代码视图的丰富开发环境，是 MATLAB:registered: 编辑器的完全集成版本。 版本 Glucolynx-App v1.0.0 作者 Thein Htut - Glucolynx-App - Lars Nørgaa

针对铝合金脉冲MIG焊中存在的多变量强耦合、难建模等特点,利用动态PLS控制框架在解耦、建模等方面的优势,将多变量的控制转换成为多个单回路的控制,并对各控制回路单独进行PID控制器设计.介绍了动态PLS建模及基于动态PLS建模框架的控制器设计的结构与特点,并将该控制器设计方法引入到铝合金脉冲MIG焊中,并进行仿真试验.仿真验证采用动态PLS框架的控制器设计方法能获得满意的动态和稳态特性,并可应用于其它焊接过程,为基于数据驱动的动态建模控制方法在复杂焊接过程中的应用奠定了基础.

偏最小二乘回归法（ PLSR：partial least squares regression)：是一种新型的多元统计数据分析方法，它主要研究的是多 因变量对多自变量的回归建模，特别当各变量内部高度 线性相关时，用偏最小二乘回归法更有效。另外，偏最小二乘回归较好地解决了样本个数少于变量个数等问题。

针对机理模型难以刻画的热轧精轧生产过程, 采用基于数据子空间的偏最小二乘方法建立热轧轧制力数据模型, 并构建轧制力优化模型, 利用改进的粒子群优化算法对优化模型计算求解. 结果表明, 使用数据驱动方法建立的轧制力数据模型能够揭示精轧过程轧制力的机理规律, 可以替代机理模型在实际系统中的应用. 通过对整体优化模型的求解, 可以提高热轧精轧产品的质量, 降低能源消耗, 表明基于数据驱动的建模和优化方法在实际生产中具有较大的应用价值.