【摘要】:拆分回归首先建立y关于的多元回归模型,如下:其中:其中y为变量y 所有测量值组成的列向量, 为变量x1 所有测量值组成的列向量。得到的拆分回归模型如下:变换得到最终建模结果参考式进行变换,最终得到因变量y 关于自变量x1,x2,…,xm 的拆分回归模型,如下:为了便于后文描述,将利用无偏估计拆分回归建立模型的方法称为“数控机床热误差补偿无偏估计拆分回归稳健性建模方法”,简称“SUERR method”。
共线性问题只存在于多个输入变量同时参与建模的时候,但如果将建模的步骤分解,使一次只有一个变量参与建模,也能够解决共线性问题,拆分回归由此而来。具体步骤如下:
(1)标准化数据
对于m 个自变量x1,x2,…,xm 和因变量y,首先进行预处理,具体方法参考式(6-14),处理过后,原自变量x1,x2,…,xm 和因变量y 变成和y∗。
(2)关联性排序
根据式(5-9)计算变量和y∗之间的相关系数,并根据相关系数从大到小的顺序对排序,假设排序后有相关系数x∗1 >。
(3)拆分回归
首先建立y∗关于的多元回归模型,如下:
其中:
其中y∗为变量y 所有测量值组成的列向量, 为变量x1 所有测量值组成的列向量。(www.xing528.com)
将变量x1 的测量值1 带入式(6-28)中,得到一组对应的估计值,并令y∗减去估计值,计算模型(6-28)的预测残差,记为,即
之后建立变量x2 关于预测残差 的模型,如下:
其中
其中为变量x2 所有测量值组成的列向量。
将变量x2 的测量值带入式(6-31)中,得到一组对应的估计值,并令 减去估计值,计算模型式(6-32)的预测残差,记为之后建立变量x3 关于预测残差的模型,得到模型系数,以此类推,直到得到所有变量,,…,的系数,记为, ,…,。得到的拆分回归模型如下:
(4)变换得到最终建模结果
参考式(6-34)进行变换,最终得到因变量y 关于自变量x1,x2,…,xm 的拆分回归模型,如下:
为了便于后文描述,将利用无偏估计拆分回归建立模型的方法称为“数控机床热误差补偿无偏估计拆分回归稳健性建模方法”,简称“SUERR method”。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。