基于多元线性回归模型煤矿瓦斯体积分数预测

依据多元线性回归模型理论,对可能影响瓦斯涌出量的数据进行分析,找到影响瓦斯涌出量的主要因素.将多元线性回归模型应用于瓦斯涌出量预测.通过将预测值与实际值比较,证明多元线性回归模型预测的瓦斯涌出量值是可行有效的,对指导煤矿安全生产具有一定意义.     

房价非线性回归模型及期权定价

从宏微观经济学的角度出发,依照国家统计局网站的数据选取多个可能影响房地产价格的变量建立了全国房地产平均价格模型.运用R语言对数据进行了多元线性回归分析、多元非线性回归分析、相关性分析、多重共线性分析、岭回归分析等统计分析,得出房价的线性与非线性多个模型并进行了比较.结合随机微分方程、实物期权等相关金融数学知识进行了房价模型的理论推导与实际估计,并对房价期权进行了定价.利用Matlab对模型进行了大量的模拟并得到较好结果.     

有关消费需求及其影响因素之间的计量研究

本文采用山东省1993-2010年的相关时间序列数据,通过建立计量模型的方法,对消费需求及其影响因素进行了计量研究。首先,选取了消费需求及其影响因素的指标;其次,运用EVIEWS软件建立多元线性回归计量模型,并且运用多元线性回归计量模型研究了消费需求及其影响因素之间的关系。最后,根据对多元线性回归计量模型的分析,提出了有关消费需求的结论与建议措施。     

城市日用水量预测的非参数模型研究

本文针对传统的线性回归模型误差较大的特点,利用核估计与局部线性估计方法,以气温、节假日为自变量,以用水量为因变量建立了城市日用水量的多元非参数回归模型.经西安市实例验证表明,相对于线性回归模型而言,多元非参数回归模型预测精度较高,预测效果好.     

BP网络与多元回归在原油黏度预测中的比较研究

通过探索原油的族组成与黏度的关系，比较了多元线性回归模型与BP网络模型对这种关系的关联能力及泛化能力.结果表明，BP网络模型对原油的族组成与黏度的预测远好于多元线性回归模型，其平均相对偏差仅为4.0%.     

基于多元线性回归模型的甘肃省民航客运量的影响因素分析

本文利用2006-2016年的甘肃省民航数据,运用多元线性回归模型对甘肃省民航客运量的影响因素进行了分析和探究。通过消除多重共线性的干扰,并对多元线性回归模型进行正态性、自相关性和异方差检验,得到最终的多元线性回归模型,并利用建立的多元线性回归模型找到了影响甘肃省民航客运量的主要因素为甘肃省民航航线里程和旅游人数。同时,针对这两个影响因素,为增加甘肃省民航客运量、提高甘肃省民航业的发展水平,提出了其对策和建议。     

多元回归分析方法应用实证分析与比较

利用多元统计分析的线性回归分析理论,首先对糖尿病临床采集数据进行相关分析,了解因素之间的相关关系,其次分别采用线性回归的前进法、后退法、逐步回归分析方法,探讨糖尿病病人胰岛素每日注射初始剂量与其影响因素之间的线性关系.根据回归方程调整相关系数、AIC准则等,对比选择最优应用回归模型,确定胰岛素用量及其主要影响因素血糖、尿蛋白的回归模型,对医生临床治疗提供参考.     

基于GM(0,N)模型的煤自然发火期预测

为科学准确预测煤自然发火期,运用灰色系统理论,基于灰色关联分析,选取煤样工业分析中的灰分、挥发分和元素分析中的C、H、O、S含量作为系统相关因素,建立了预测煤最短自然发火期的GM(0,7)模型,经后验差检验,模型精度为优;通过与多元线性回归模型预测结果对比,GM(0,7)模型预测煤自然发火期的平均相对误差为2%,多元线性回归模型预测的相对误差为10.35%.经外来数据回代检验,GM(0,7)模型预测结果的相对误差在2%左右,多元线性回归模型预测结果相对误差达26.27%,说明GM(0,7)模型预测结果优于多元线性回归模型.研究结果表明:利用灰色关联分析选取适当参数建立GM(0,N)模型能够较好预测煤最短自然发火期.     

基于多元线性回归模型的液态烃脱H_2S影响因素的分析

基于液态烃脱硫装置生产操作运行数据,针对实际液态烃脱除H_2S情况构建多元线性回归模型,分析相关操作参数与H_2S含量的之间影响因素,并通过拟合优度检验、方程显著性检验以及变量显著性检验对模型进行了验证,得到了较为可靠的多元线性回归模型,最后基于回归模型提出降低液态烃中H_2S含量解决方案.     

基于多元时间序列的PM2.5预测方法

针对利用多元线性回归和时间序列模型预测PM2. 5时,存在信息利用不全面和预测精度不高的问题,提出了基于多元时间序列(ARMAX)的PM2. 5预测方法;方法在回归项中引入了PM2. 5影响因子在时间序列上的滞后性阶数,并对残差序列进行信息提取,建立了PM2. 5浓度预测模型;首先通过"天气后报网"采集了合肥市2017年和2018年污染物数据;完成了数据的预处理及相关性分析;分别建立了PM2. 5浓度预测的多元线性回归模型、时间序列模型和ARMAX模型;最后通过RMSE、MAE和Theil不相等系数3个评价指标,将3个模型预测精度进行比较;结果表明:ARMAX模型的预测精度显著高于单一的时间序列模型或多元线性回归模型。     

灰多元线性回归及其在搜索引擎中的应用

经典多元线性回归分析模型不能实时跟踪响应变量的动态变化和在大量样本中因出现病态数据而影响拟合效果的问题,基于灰色系统时间序列的特性,提出了将灰系统思想与经典多元线性回归分析模型结合,形成一种全新的模型——灰多元线性回归分析模型。实验结果表明,该模型不仅能更加准确地给出响应变量的变化趋势,而且能过滤掉少量病态数据,从而避免了对拟合效果的影响。将新模型应用到网站的搜索引擎中,通过对网站访问流量及各个关键字搜索频率,预测该网站下一阶段的网站的访问流量,预测结果可为网站的管理者提供决策支持的理论依据。     

基于MLR模型研究我国财政支出结构对城乡居民收入差距的影响

基于SPSS应用统计软件中Stepwise方法对我国城乡居民收入及收入差分别构建MLR模型,找出其相关性支出及相应贡献系数,并对比分析各相关支出的差异,进而对我国城乡居民收入差距的影响程度进行了探讨,并在此基础上提供相关政策及建议.     

多元Fuzzy线性回归

在处理某些系统模型中,有些输出或输入量的值是通过人的心理测量给出的。这时我们可认为此系统具有Fuzzy结构。这种Fuzzy结构一般可用带有Fuzzy参数的Fuzzy线性函数表示,而Fuzzy线性函数可由Zadeh的扩展原理得到。这样用Fuzzy线性函数来描述系统的Fuzzy结构便形成了Fuzzy线性回归分析。当输出输入量均是多个时便是多元Fuzzy线性回归。在经典的多元回归中,观测向量值与估计向量值之间的差异一般认为是测量误差,本文处理的多元Fuzzy回归中,我们认为其差异是由于系统的Fuzzy性造成的而反映在回归方程的Fuzzy参数上,这种Fuzzy参数一般表示一种可能性分布。文章讨论了多元Fuzzy回归模型的拟合问题,给出了其Fuzzy向量参数的估计方法,并将其计算方法归结为求解某线性规划问题。本文使用的Fuzzy向量限制在三角族内,而对其它形式的常用Fuzzy向量也没有实质困难。     

基于机器学习在空气质量指数中的应用

利用机器学习和多元线性回归模型对西安市近一年的空气质量指数进行了研究,首先利用随机森林思想对数据进行了补齐,然后运用交叉验证对神经网络模型选取最优的隐层节点数和训练周期数,最后,通过比较两种模型的拟合效果发现,神经网络模型在对空气质量指数的预测效果明显好于多元线性回归模型。     

低沸点烷烃Kovats指数的拓扑结构研究

本文应用拓扑指数法研究烷烃化合物的色谱保留指数，并通过多元回归分析得到了烷烃的拓扑结构与色谱保留指数的良好的相关性，当测得某一有机物的保留指数时便可估计其结构特征，从而为烷烃化合物的色谱定性分析提供了可靠的信息。     

多元回归系数线性估计的Minimax可容许性

在矩阵损失下给出了带约束的多元回归系数线性估计在线性估计类中是Minimax可容许估计的充分条件。     

镧系元素键参数与物性的多元回归分析

通过对镧系元素的键参数与物理化学性质的多元线性回归（MLR）分析，得到了良好的线性相关性。     

地下水水质预测的多元线性回归分析模型研究

运用回归分析理论和方法,建立了一个基于多元线性回归分析法的地下水水质动态预测模型,并将该模型用于遵义市海龙坝地下水水质的动态预测.结果表明预测精度较高,建立的模型较符合本研究区的实际情况.