在森林生物量定量遙感領(lǐng)域,一個(gè)越來(lái)越突出的現(xiàn)象是解釋變量越來(lái)越多,如何有效地選擇解釋變量成了一個(gè)重要的問(wèn)題。線性回歸模型是常用的遙感模型之一,在線性回歸模型建立過(guò)程中一個(gè)非常重要的步驟是選擇解釋變量。本文針對(duì)亞熱帶森林生物量遙感估測(cè)模型構(gòu)建中的變量選擇、模型穩(wěn)定性等問(wèn)題,對(duì)SR（Stepwise Regression Method）、BIC準(zhǔn)則（Criterions Based on The Bayes Method）、AIC準(zhǔn)則（Criterions Based on Information Theory）、Cp準(zhǔn)則（Criterions Based on Prediction Error）、LASSO（Least Absolute Shrinkage and Selection Operator）、ADALASSO（Adaptive Lasso）、SCAD（Smoothly Clipped Absolute Deviation）、NNG（Non-negative garrote）等8種具有變量選擇能力的方法重點(diǎn)進(jìn)行了對(duì)比研究,出于比較的目的,將OLS、RR這2個(gè)一般認(rèn)為不具有變量選... 

【文章來(lái)源】：浙江農(nóng)林大學(xué)浙江省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究區(qū)地理位置

圖 3.1 殘差的正態(tài)分布檢驗(yàn)Figure 3.1 Normal distribution test of residuals3.4 自變量共線性檢驗(yàn)對(duì)于一個(gè)預(yù)測(cè)模型而言，當(dāng)數(shù)據(jù)集有微小的擾動(dòng)時(shí)，我們希望模型保持穩(wěn)定性即模型的輸出變化非常微�。蝗绻Ｐ鸵驍�(shù)據(jù)集的變化而輸出變化非常大，那么這模型的預(yù)測(cè)能力就無(wú)效。在矩陣的計(jì)算中，稱之為矩陣的擾動(dòng)分析。設(shè)非奇異方陣 A 滿足方程：Ax y (3它的精確解為$ x$ ，當(dāng) A 存在小的擾動(dòng)時(shí)，假設(shè) $\ hat x $是新方程的解：( A A) x y(3

4.2.4 SCADFan 和 Li 提出了 SCAD（Smoothly Clipped Absolute Deviation）方法，并證明其具有 Oracle 性質(zhì)，對(duì) Lasso 法進(jìn)行了改進(jìn)[90]。其懲罰函數(shù)定義為：2 22| | 0 | |(| |) (| | 2 | | ) / (2 2) | |( 1) / 2 | |j jj j jja a aa a (4.9)其中， 0和 a >2均為調(diào)整參數(shù)。與前面 3 個(gè)方法不同，這里有兩個(gè)參數(shù)需要確定。在 Fan 和 Li 的文獻(xiàn)中對(duì) a 進(jìn)行了討論，他們采用的 a 為 3.7，且他們認(rèn)為 a 值比較固定。本文用全部 802 個(gè)樣地的數(shù)據(jù)進(jìn)行了試驗(yàn)，結(jié)果見(jiàn)圖 4.1。a 值從 1.0 試驗(yàn)到 5.0，其中從 3.0 開(kāi)始步長(zhǎng)為 0.1。圖 4.1 中縱坐標(biāo)為預(yù)測(cè)誤差，是在固定 a 的基礎(chǔ)上搜素最佳的 獲得的。從數(shù)字和曲線均能看出，a 取 3.7 是最佳的。本文在后續(xù)研究中 a 值固定取 3.7。


本文編號(hào)：3528919