删失非线性模型的中位数回归

研究了带有不完全数据的非线性模型的中位数回归问题.将完全数据线性回归模型的L1方法推广到随机右删失非线性中位数回归模型中,提出了一种估计非线性中位数回归模型参数的半参数方法,并得到了估计量的强相合性和渐近正态性.     

基于Logistic变换的回归正交试验模型

在解决线性回归问题时,回归正交试验具有较大的优越性,却无法解决非线性回归问题.本文依据广义线性模型的基本原理,针对非线性回归问题,引入Logistic变换,给出了基于Logistic变换的回归正交试验模型,实现了回归正交试验在非线性回归问题中的运用.将此方法运用到车险续保问题中,实例分析说明了该模型的可行性和有效性.     

土性空间变异性统计模型的改进

针对土性指标的回归模型通常没有考虑土性指标的非线性趋势分量以及土层其他因素引起的土性指标突变,建立了一个非线性回归模型,并考虑土性随机分量之间的自相关性的问题,使土性指标的统计模型具有普遍性.同时,为了在回归模型中体现土层其他因素对土性指标的影响,构造了一个虚拟变量并将之应用于土性指标的统计模型中,从而建立了第二个非线性回归模型.最后以两组不排水抗剪强度实测数据为例对两类模型的准确性进行了验证,结果表明:在所能见到的文献中,提出的第二个模型的回归方差是最小的.     

几类非线性回归模型的LS估计与非线性度量

研究了一类推广的非线性回归模型的最小二乘估计,证明了其收敛性,并推广到不满足高斯–马尔可夫条件的情形。研讨了几类特殊的部分非线性回归模型的参数估计及非线性程度度量,探讨了参数最小二乘估计求法中迭代初值的选取,提出了改进方向。     

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析,论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义,提出了一种可作为非线性时序模型的内反馈神经网络．     

非线性回归的诊断问题

讨论了非线性回归的诊断问题,给出了非线性均值漂移模型的贝叶斯诊断方法和Ｓｃｏｒｅ检验统计量,非线性方差扩大模型的Ｓｃｏｒｅ检验计量,并将一些线性模型中的诊断统计量推广到非线性模型中。     

Bayes条件下非线性模型参数估计的渐近展开

给出了在Bayes条件下非线性回归模型的参数估计,建立了非线性回归模型的几何结构,推广了Bates和Wates关于非线性回归模型的几何框架,用几何方法求出参数估计的随机展开,并讨论了若干与统计曲率相关的渐近性质,给出了该模型的极大似然估计的方差和偏差的近似表示.     

一种基于非线性回归和支持向量机的混合建模方法

针对采用单一的建模方法存在的局限性,提出了一种基于非线性回归和支持向量机的混合建模方法.该方法将模型分为两部分,一部分由简单的非线性回归模型估计对象的总体变化趋势,另一部分由一个支持向量机组合模型来描述对象的局部变化特性,最后将该组合模型与非线性回归模型叠加,构成混合软测量模型.将该建模方法应用到双酚A反应的催化剂活性软测量建模中,仿真结果表明了该方法的有效性.     

一类非线性控制系统性能基准的估计

针对控制回路中同时存在控制阀摩擦和保护阀切换作用的非线性问题,提出了基于阈值含输入非线性自回归（TNARX）模型的控制性能基准估计方法.将系统的输入输出测量数据根据阈值划分后,在不同的局部数据空间上建立NARX模型,这些局部模型的组合用来描述整个非线性系统.利用合并方差准则组合这些局部模型的预测误差方差,从而估计出整个非线性系统的控制性能基准.通过与多项式自回归（PAR）模型、含输入的多项式自回归（PARX）模型和自激励阈值自回归（SETAR）模型的比较,表明TNARX模型可以得到较好的估计结果.仿真分析验证了该方法的有效性.     

区间删失下广义幂威布尔回归模型的参数估计

为研究区间删失的观测数据,结合广义幂威布尔分布和非线性回归模型提出了广义幂威布尔非线性回归模型,并基于迭代法给出了模型中参数的极大似然估计.最后就不同危险函数、样本量和删失比,通过蒙特卡洛模拟说明了参数估计方法的有效性.     

碱熔锅非线性温度场及热应力分析

本文对高温设备——碱熔锅在稳定工况下的最主要的应力——热应力进行了分析计算。在高温下锅体材料铸铁呈现着非线性的物理、力学特性。作者根据资料数据和实验数据采用多项式逐步回归的方法,构成导热系数λ、热膨胀系数α与温度T的关系以及铸铁材料的本构方程,并用有限元法进行非线性稳态温度场的计算及材料非线性的应力计算。为改进碱熔锅的设计提供了可靠的依据。     

模糊分类回归法及在矿床预测中的应用

把模糊数学与传统的统计方法相结合，提出一种模糊分类回归法。该法先用模糊数学最大隶属度原则判别，然后对每类单元取其变量的隶属度作为回归变量，建立回归模型，用于矿床预测。     

基于神经网络的简支梁桥预应力衰减评估模型

以后张法室内模型梁受弯全过程试验采集的数据为样本,研究了预应力混凝土桥梁有效预应力与各主要影响因素之间复杂的非线性关系,应用改进BP神经网络建立了混凝土桥梁服役期内预应力衰减的神经网络评估模型。该模型以受弯梁全过程P-Δ理论曲线为依据,构造了基频衰减率(IFDETR)、变形指标(IDISP)、混凝土应变变化率(ICSV)、钢筋应变变化率(IRSV)4种归一化指标作为网络输入值,以计入时变效应的预应力衰减率指标(IEPDR)作为网络输出值。测试样本的评估结果表明,误差小于1%的测试样本数在样本集中所占的比例大于85%,且误差均小于单因素回归方法。     

基于PCA与Elman网络的机械产品质量建模

多源多工序是现代制造过程的一个显著特征,针对该特征提出了一种基于主成分分析,和Elman网络的机械产品质量建模的方法。通过对样本数据空间的主成分分析,能够保证在信息损失最少的情况下,对高维变量空间进行降维处理,减少样本数据间的相关性。应用典型的动态回归Elman神经网络,实现复杂非线性系统进行建模和预测;还将其应用于冷轧带肋钢筋的机械性能预测中。     

最优试验计划及在船模实验中的应用

给出了构成一维和多维船模实验计划和试验结果分析的最优化方法，可 以保证获得最小供试子样，以及得到精确稳定的船模性能参数同各自变量间 的最优数值关系．     

基于改进正交试验设计的飞行轨道参数优化

采用微分进化算法改进了标准正交设计的均匀性.运用标准正交设计法和改进的正交设计法优化亚轨道飞行器再入段轨道参数.在相同的样本容量下,标准正交设计得到了估计误差满足要求的回归模型,而改进的正交设计得到的回归模型的估计误差有了进一步减小.采用复形调优法对两个回归模型进行寻优计算,两模型所得最优解均满足精度要求,而改进正交设计所得模型的优化效果更好.改进正交设计法进一步增强了抽样效率,是适用于轨道参数优化的重要方法.     

应用经验模态分解下的AR模型提取旋转机械故障特征

将时间序列的AR模型引入到旋转机械故障诊断中,采用了经验模态分解与AR模型相结合的方法提取旋转机械的故障特征。通过选取含有故障信息的固有模态函数进行功率谱分析,提取故障特征,分析故障原因。仿真和试验结果表明,此法能够有效地提取故障特征参数,为旋转机械的故障诊断提供了方法保障。     

Logistic曲线参数回归问题及其应用研究

提出了一种利用基因算法求logistic曲线参数的回归方法，同时给出了这种方法在研究计算机技术扩散过程中的应用。并将所得参数与文献给出的logistic曲线参数进行比较，结果表明，用基因算法确定的曲线公式所得计算值比用一般回归方法所得值与实际值更加吻合，说明基因算法在回归问题中具有很高的应用价值。     

多气体传感器信号样条回归分析

回归分析研究某一变量和其他有关变量的依赖关系 ,它利用观测数据建立变量之间的回归模型 ,并做出预报和控制 .目前 ,回归分析已广泛应用于工程、经济、金融、生物和医学等领域 .将样条回归分析方法用于电子鼻系统中多气体传感器信号的信息处理 ,针对牛肉样本建立了牛肉新鲜度样条回归模型 ,并对该模型进行了回归分析 ,给出了牛肉新鲜度预报值和估计区间 .研究结果表明 ,样条回归分析适用于电子鼻系统在牛肉新鲜度检测中的信息处理     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．