用主成分回归和偏最小二乘法定量测定谷物成分

用主成分回归和偏最小二乘方法分别处理谷物的付立叶变换近红外慢反射光谱，对谷物中含别为１０＾－＾１的蛋白质，１０＾－＾２的脂肪，１０＾－＾３的赖氨酸进行了定量测定。表明这２种方法与经典化学方法没有系统偏差，结果优于逐步回分析。  

主成分回归在水稻需水量预测中的应用

影响水稻需水量的主要因素有气温、水面蒸发、空气饱和差、日照和风速，这几个影响因子之间存在着相关性。运用多元统计分析中的主成分分析法通过提取两个主成分，克服变量之间的相关性，然后再进行回归，建立主成分回归的水稻需水量模型，并对模型进行了拟合质量检查，取得了较为满意的结果。  

城镇化“新型”的内涵与现实评价——以重庆为例

在梳理理论和界定新型城镇化内涵的基础上,构建城镇化“新型”的评价指标体系,并利用主成分回归分析法进行回归估计和相关检验.结果发现:现阶段的新型城镇化总体上还没能摆脱传统城镇化的影响,但城镇化“新型”的内涵已有所体现;现阶段的新型城镇化显著促进了“人口城镇化”和“环境城镇化”建设,充分彰显了城镇化“新型”以人为本的核心内容和生态文明特征;现阶段的新型城镇化已开始重视“设施城镇化”(医疗、教育等公共服务基础设施)建设,但效果还不明显.最后,就“人口城镇化”、“环境城镇化”、“设施城镇化”以及产业优化升级等内容提出了相关政策建议.  

预测农民收入的主成分回归模型

选取1990~2005年影响宁夏农民收入因素的相关数据,建立了关于农民收入的主成分回归模型。该模型通过了各项检验,利用2005年的数据进行预测,预测值和实际值非常接近,说明该模型能够较为准确地反映实际情况,具有一定的使用价值。最后,提出增加宁夏农民收入的建议。  

主成分回归在阔叶树种时面积测定中的应用

本文以白榆（Ｕｌｍｕｓ　ｐｕｍｉｌａ）为例，对无深裂痕阔叶树种叶面积的确定提出了一个较为适合的线性模型，并采用主成分回归的方法处理模型中的复共线性问题，认为该类叶片的叶面积主要受“叶面积综合因子”和“叶缘曲线与抛物线的偏离程度”的影响。  

学科水平对招生质量影响的实证分析——以河北农业大学为例

根据对学科水平与招生质量的分析和界定,利用河北农业大学2013—2016年截面数据,分析学科水平对招生质量的影响。首先利用主成分分析的方法分析了影响学科水平的因素,然后利用主成分分析的结果和招生质量的数据估计了学科水平对招生质量的影响模型。实证分析的结果验证了重点学科状况、博士与硕士点数量、师资情况与招生质量存在正相关关系,并且3个变量对招生质量的影响程度依次为博士与硕士点数量、重点学科状况和师资情况。因此,在加强博士与硕士点以及重点学科建设的同时,应注重师资培养,以争取优质生源。  

主成分回归和岭回归在新疆农业经济的应用

基于使用最小二乘回归对数据做统计回归时,常出现自变量之间因为多重共线性,导致模型预测失去效果的现象,其中主成分回归法和岭回归法是常见的用以处理多重共线性问题的方法。现以新疆农业经济数据为例,运用统计软件对数据进行实证分析,证实了这两种方法消除农业经济中多重共线性的可行性,也进一步比较两种方法的实现过程和优缺点,有利于提高回归预测模型的精确性和在现实问题中更广泛的应用。  

用主成分回归和偏最小二乘法定量测定谷物成分

用主成分回归和偏最小二乘方法分别处理谷物的付立叶变换近红外漫反射光谱,对谷物中含量分别为 10~(-1)的蛋白质、10~(-2)的脂肪、10~(-3)的赖氨酸进行了定量测定。表明这2种方法与经典化学方法没有系统偏差,结果优于逐步回归分析。  

基于主成分回归法的稻飞虱百穴虫量冠层光谱检测

[目的]针对水稻虫害发生程度预警和田间稻飞虱虫害动态监测问题,采用光谱检测技术,运用主成分回归法建立稻飞虱百穴虫量检测模型。[方法]使用FieldSpec3光谱仪在稻田采集冠层光谱数据,同步检测地块稻飞虱百穴虫量,样本量为71个,其中51个样本为校正集,20个样本为预测集。建模波段选择350～1139nm,对原始光谱进行一阶微分处理。[结果]测量值与预测值的相关系数为0.78,预测标准偏差为161头。[结论]光谱检测可用于稻飞虱测报工作。  

基于近红外技术的落叶松木材密度预测模型

运用近红外光谱对落叶松(Larix gemelinii Rupr)样品密度进行了研究,分别运用偏最小二乘法及主成分回归建立预测模型,并用建立的模型分别对每一个样品进行了预测.基于偏最小二乘法的校正模型及验证模型相关系数分别为0.964和0.918, 校正标准误差及预测标准误差分别为0.016和0.021,模型预测值与实测值决定系数为0.93;主成分回归模型中,校正模型及验证模型相关系数分别为0.954和0.911, 校正标准误差及预测标准误差分别为0.017和0.023,模型预测值与实测值决定系数为0.91. 研究表明:基于主成分回归法与偏最小二乘法的近红外光谱分析建模,都可以实现对落叶松木材密度的有效预测,但相比较而言,偏最小二乘法略优于主成分回归法,所建立的模型对落叶松木材密度预测更加准确可靠.