北京市生活用水年预报模型

采用偏最小二乘回归方法建立了用水量与影响因子之间的回归方程,利用AR模型对各影响因子进行外延预测,将预测的因子值分别代入3个回归模型,通过比较分析挑选出了预报精度最高的回归模型,并利用此回归模型对2003~2010年的北京市年生活用水量进行了预测.结果表明:北京市年生活用水量和前3 a的各项影响因子所组成的回归方程,能够很好地预报出预留年份的年生活用水量;2003~2010年北京市年生活用水量呈明显增长趋势.     

长汀河田风化花岗岩坡面水土流失规律和预测方程

风化花岗岩区是南方水土流失区的重要组成部分,长汀河田的花岗岩地区水土流失问题比较突出.本文通过对降雨因子和水土流失量之间的相关分析,建立了利用降雨量和降雨强度对水土流失量进行预测预报的回归方程,为花岗岩水土流失区的治理和综合利用提供了科学依据和定量方法.     

南海夏季风建立日期的预报研究

利用1958-2001年ECMWF和1948-2006年NCEP的全球再分析气象资料,研究南海夏季风爆发迟早与前期气象要素场之间的关系。结果表明,南海夏季风建立日期与当年2月份全球风场(u、v、ω分量)、位势高度场、气温场等气象要素场之间都存在显著相关区。把各要素场中的显著高相关区视为影响季风建立日期的关键区,并定义关键区内的要素平均值为建立日期的预报因子,从中选取10个与建立日期关系最为紧密的预报因子建立预报方程,对季风建立日期进行预测。分析发现,有10个预报因子与季风建立日期有密切联系,对季风爆发迟早有一定的指示能力和预测作用。最后,经过SAS系统的分析和试验选择最好的回归预测方案,利用10个预测因子建立南海夏季风建立日期回归预报方程(简称回归预报方程)。对回归预测方程进行回报实验发现,拟合得到的南海夏季风建立日期与许多学者确定的建立日期之间的相关系数都达到95%以上的置信度,拟合误差基本控制在2候以内,有一定的预报能力。可以说,该方法是作为预报南海夏季风爆发迟早的一种新的尝试。     

基于递阶偏最小二乘回归的数据分析

针对最小二乘法难以克服因子多重共线性对回归模型精度影响的不足和大坝观测数据分析中因变量较多的特征,引进递阶偏最小二乘法,对大坝安全监测变量及其影响因子进行递阶偏最小二乘回归分析,将建模预测分析方法通过递阶分层处理,可同时实现回归建模和数据结构简化,所建立的大坝安全监控模型精度可通过交叉有效性检验来控制.工程应用实例和模型对比分析研究表明,递阶偏最小二乘回归模型能有效克服由于各类因子变量问的多重共线性和因子变量数目较多而对模型拟合精度及其预测能力的影响,相对于传统回归模型有更好的解释能力,因而具有一定的实用价值.     

基于因子-主成分回归分析的股价技术分析研究

介绍了回归分析中多元线性回归的理论及应用方法,并以股价技术指标为研究对象,利用spss统计分析软件,建立了短期股价变动的多元线性回归模型。同时讨论了被选为自变量的参数之间存在的多重共线性问题,并分析该问题对线性回归分析结果造成的影响。因子-主成分分析的核心是用较少的相互独立的因子反映原有变量的绝大部分信息。主成分分析的主要思想是:从自变量中提取出新的变量,这些变量是原变量的适当线性组合,并且互不相关,因此应用SPSS软件进行数据缩减、提取主成分,并以主成分因子为新的自变量建立主成分回归方程,消除了多重共线性对回归模型的影响。最后对不同模型的测试结果进行了比较、分析,验证了因子-主成分分析在解决实际经济问题中的有效性。     

诸变量对篮球专项运动员心境状态预测效能的回归分析

运用回归分析统计方法,对216名（有效人数）篮球运动员进行相关问卷调查,以探测除自信心之外,与心境状态有显著统计学意义的预测变量.研究结果表明：①只有特质自信心和训练年限两个变量可以有效预测消极心境,只有特质自信心能有效预测积极心境;状态自信心、年龄、参加大赛的次数对积极心境和消极心境均无预测作用.②回归分析建立了回归方程模型、对消极心境的回归方程模型以及对积极心境的回归方程模型     

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     

基于AQI的九江市空气质量统计预报方法

利用九江市2014—2017年气象观测站常规观测的气象资料和九江市环境监测站污染物日平均浓度资料、AQI日均值和首要污染物等观测要素,通过统计学方法对不同季节内地面气象要素和AQI做相关性分析,并选取相关性好的因子分别做回归分析并建立预报方程,结果表明:1)相对于全年回归预报方程,不同季节的气象要素与AQI的相关程度不同,不同季节的回归方程对AQI指数的预报准确率高; 2)由于污染物的累积特征,前一天的AQI与当天AQI相关系数高达0.66,在回归的过程中,前一天的AQI值做为最重要的一项参数; 3)春季、夏季由于降水比较明显,且由O_3造成的污染日数相对较多,而高温和日照对O_3有显著的相关,所以AQI的预报能力较强;秋冬季由于外来输送污染严重和PM_(2.5)首污的日数增加,气象要素的相关性较低,预报能力也随之降低。     

用主成分回归分析解决回归模型中复共线性问题

主成分回归分析是将回归模型中有严重复共线性的变量进行因子提取,得到正交的因子变量,然后对因子变量进行回归模型的建立.通过具体实例介绍复共线性的判别方法以及如何利用主成分回归分析方法建立较理想的回归模型,从而解决了由于复共线性而造成病态回归方程的问题.     

圆形隧洞周边位移和地层压力预报的简便公式

应用本文所提出的公式可计算地层的初始应力和由开挖引起的洞周位移。预报公式所需要的计算数据是一组相邻测点之间的量测位移,这可通过隧洞的施工监控量测而得到。在推导这些预报公式时,著者先应用一系列的有限元和无限元等数值计算方法来模拟洞室的开挖,从而得到大量的“观测数据”。然后综合应用自动回归和解析方法,建立了实用的计算公式。这些公式使用简便且具有良好的精度。     

基于Markov转移矩阵预测机场道面使用状态

应用Logistic回归方程建立了连续变量(道面厚度、交通量、道面使用时间)和分类变量(道面养护等级、道面所处的自然区域以及道面结构类型)与Markov转移概率的回归关系.选取我国多个机场实测道面状况指数数据作为基础数据,进行了模型的参数估计及显著性检验,并举例分析模型预测效果.改进了Markov概率预测模型中的参数标定方法,提高了预测精度,并在一定程度上解决了因为机场道面观测数据少,传统预测模型无法获得稳定参数估计的问题,拓展了模型的适用范围.     

径流中长期预报模糊优选神经网络模型应用研究

预报因子选择与模型训练精度确定,是模糊优选神经网络模型应用于径流中长期预报时有待研究解决的两个重要问题.应用预报因子集与预报量间的复合非线性相关分析方法选择预报因子(集),克服了通常单因子线性相关分析选择预报因子的不适用性;通过定义综合效应系数来综合评价模糊优选神经网络模型的拟合能力与外推预报能力,为研究模型的拟合精度高而外推预测精度低的问题提供了一种解决方法.     

中国人口预测的半参数自回归模型

提出建立中国人口预测的半参数自回归模型,基于线性回归选取的显著性变量,利用多项式样条估计得到了半参数自回归方程,并且对中国2004~2009年人口进行了预测比较,结果表明:半参数自回归模型优于一些传统的模型.此外,还对2010~2013年中国总人口数量进行了预报.     

农作物害虫发生量多因子的概率测报法

农作物害虫的发生量是多因子影响的结果.然而多因子的综合常用回归分析法感到麻烦,这里所谈多因子测报法的基本原理, 是对予测量在各种因子作用下出现的概率作出估计,在估计一种因子对予报量所起的作用时,是看它在一定水准上预测量出现某种等级的概率,然后将各种可能的概率综合起来,以便从各因子的不同等级水准的变化,推论预报量等级的概率,这种概率相关分析的优点是计算简单.     

基于偏最小二乘回归与支持向量机耦合的咸潮预报模型

利用偏最小二乘回归对影响咸潮的因素进行分析,提取出对因变量影响强的成分,从而克服了变量之间的多重相关性问题;同时利用支持向量机在解决小样本非线性问题上的优势,采用将偏最小二乘回归与支持向量机耦合的方法,建立了咸潮预报模型(PLS-SVM),并应用该模型对珠海市平岗站盐度的变化进行了模拟和预测,研究结果表明,所提出的PLS-SVM模型模拟和预测精度明显优于常用的BP人工神经网络、多元回归模型,可更好地应用于咸潮预报。     

基于偏最小二乘回归的飞机维修保障费用预测

分析了影响飞机维修保障费用的参数,提出用偏最小二乘回归方法来预测飞机维修保障费用。该方法对变量进行主成分分析、典型相关分析和多元线性回归,在处理存在多重线性相关的小样本多元数据方面效果很好。实例证明,与传统普通多元线性回归方法相比,偏最小二乘回归在飞机维修保障费用预测中精度更高。     

基于空间相关的逻辑回归模型的城市扩展模拟

建立一种基于空间的逻辑回归模型用于分析和预测城市扩展,这种模型利用空间滤波对因子进行空间平滑得出"隐含变量",从而把原始变量变换为没有空间相关的新变量.利用该模型对新堡市的土地利用变化进行了分析和预测.实验结果表明,新方法比普通逻辑回归模型的预测精度有较大提高,曲线下面积从0.74提高到0.84.     

短期气候预测中基于预报因子的误差订正方法研究

依据动力-统计相结合进行短期气候预测的基本思想,为了将统计经验运用于动力预报中,提出了基于预报因子的误差订正新方法(PREC).分析表明,该方法能够有效利用预报因子与模式预报误差之间的显著相关关系,并通过建立统计预报模型对预报误差进行估算和订正.进一步利用国家气候中心CGCM的季节回报数据,并选用表征气候系统年际变率最主要模态ENSO循环的特征量(即Nio3区海温指数)作为物理预报因子,将PREC应用于动力季节预测试验.相比于传统的系统误差订正,利用前期预报因子信息的PREC对夏季平均环流和降水量预报结果均有不同程度改善,从而为利用统计经验改进短期气候预测提供了新途径.     

一元线性回归模型在电力系统负荷预测中的应用与MATLAB实现

基于一元回归模型的电力负荷预测技术是以历史负荷为资料建立数学模型,对未来时间内的负荷进行预测,从数学角度看,就是利用数理统计中的一元回归方法,通过对变量的观测数据进行统计分析,确定变量之间的相关关系,从而实现预测的目的。本文介绍了一元线型回归模型的原理,通过分析历史数据,建立数学模型,以北京地区年负荷为例,证明该模型具有良好的实用性。     

堆载预压法软基处理中沉降观测数据的回归分析

本文运用回归分析方法对堆载预压法软基处理中沉降观测的数据进行分析、处理,有效地推求了回归方程,推求剩余变形量,对未来变形值作出预报,对道路施工提出了指导性意见.