试验设计及参数优化的LS-SVR显著性因子筛选

作     者：崔庆安 崔楠 CUI Qing-an;CUI Nan

作者机构：上海海事大学经济管理学院上海201306 武汉大学经济与管理学院武汉430072 

基　　金：国家自然科学基金资助项目(71571168,U1904211,72172110) 国家科技部创新方法专项资助项目(2019IM020200) 河南省高校科技创新人才人文社科类支持计划项目(2019cx007) 

出 版 物：《管理科学学报》 (Journal of Management Sciences in China)

年 卷 期：2023年第26卷第12期

页      码：42-61页

摘      要：针对最小二乘支持向量回归机(LS-SVR)应用于试验设计建模及参数优化而产生的可解释性差、难以识别显著性影响因子等不足,提出一种适用于LS-SVR的拟合不足检验及显著性因子筛选方法.首先在重复性试验设计条件下,将LS-SVR拟合模型的“残差平方和”分解为“拟合不足平方和”与“纯误差平方和”;进而给出了“拟合不足均方”与“纯误差均方”比值的近似非中心F-分布,构造出拟合不足检验的方差分析表;在此基础上,提出一种两阶段的显著性因子筛选方法,通过考察某个因子(组合)移除后模型拟合不足显著性的变化,来推断该因子(组合)显著性.仿真研究与实证表明,所提方法不仅能够增强LS-SVR的统计可解释性,有效识别出显著性因子;而且可以得到预测性能更优的简化模型;有助于提升试验设计建模及参数优化效率,降低质量改进成本.

主 题 词：因子筛选 参数优化 试验设计 拟合不足检验 最小二乘支持向量回归机 

学科分类：120202[120202] 12[管理学] 1202[管理学-工商管理类] 

核心收录：

D　O　I：10.19920/j.cnki.jmsc.2023.12.003

馆 藏 号：203126115...