关于逐步回归算法的一个修正

将逐步回归算法用于符号回归任务时,会产生计算溢出现象,其原因是在检验因子的显著性时,由于数据精度很高,可能会发生最大偏回归平方和Ｖｍａｘ与残差平方和ｒｙｙ相等或非常接近的情况,从而造成检验式分母的绝对值过小而溢出,对此,提出了两种修正方法,修正后的算法消除了隐患,可用于符号回归等高精度数据拟合任务。     

随机生成候选因子集的逐步回归原型匹配算法

为实现符号回归，将逐步回归技术引入了一种基于逐步回归技术的符号回归算法，通过恰当组织基函数库，可以发现为数众多的符号函数，该算法效率较高，且可用于样本数据中含有较大随机噪声的场合。根据该算法开发的符号回归程序，可用于符号微积分，函数方程求解和科学定律的实验发现等智能发现任务。     

符号回归的枚举原型算法及其匹配算法研究

通过建立一个包括大量原 原型库，实现了符号回归的枚举原型算法。该算法使用的原型可分为线性原型和非线笥原型，前蜊与样本数据的匹配可转换为多元线性回归问题，效率高，但其表现力较差。后者表现力强，但非线笥回归技术效率低，且存在收敛哉问题，对可用于原型匹配的各种拟合算法进行了比较研究，确定了为各种原型选择匹配算法的一般方法。     

基于逐步回归分析算法教师教学质量评估模型的研究

教师教学质量评估是保证高校教学质量的重要的举措。在评估教师教学质量的六项具体内容中,不一定每项都对教师教学质量评价有显著影响,并且各项内容之间也可能存在很强的相关性。为了使高校教学质量评估更加民主、更加科学合理,排除人为主观因素的干扰,运用逐步回归分析的方法来建立教学评估的合理模型[1]。通过这个模型的计算,分析影响教学质量的关键因素,找到提高教学质量的有效途径。     

关于极值的修正动态随机逼近算法

提出求回归函数列极值的修正动态随机逼近算法,并证明它在Cesaro意义下的(a.s.)收敛性。     

索引表与逐步回归算法的改进与应用

对索引表算法进行了改进。主要是对原始数据文本按列循环读入一维数组之中，先对一维数组利用冒泡法进行排序，再利用索引表和最小二乘法对原始数据进行R估计，然后对拟合方程的自变量进行了高阶构造，利用主成分分析方法寻求主要影响因素，并结合最小二乘法，从而实现对逐步回归方法的替代。而后，根据以上计算原理建立了搜索最优方程的计算流程，采用这一计算流程可以查找异常值，然后利用EM算法对异常值进行了调整。     

运用逐步回归分析法对河北省国民经济的分析与研究

本文应用SPSS应用统计软件采用逐步回归分析法对河北省的GDP及其包括第一产业在内的诸多预报变量进行建模、分析。得出结论:响应变量GDP与预报变量第一产业、工业、交通运输邮电仓储三者之间存在很强的线性关系;零售业、建筑业并没有作为独立的预报变量纳入回归模型。但它们与GDP之间存在非线性关系,并用SPS拟合出很好的多元线性回归方程。并于最后对模型进行了分析和讨论。     

振筒气压仪校准方程的逐步回归算法

介绍了振筒气压仪温度误差的来源，讨论了逐步回归算法在振筒气压仪温度补偿和校准中的应用，并以一只振筒的校准算法为例，给出了校准方程，分析了结果，阐述了此项工作对提高和保持振筒气压仪测量精度的意义。     

关于分布自由的逐步回归集成预报法

继文本文提出在不同信度下,建立多个以秩和为因子的逐步回归方程,尔后应用集成最优法求出最优集成预报方程,它比文中的方法更充分地利用了大量因子的信息,从而提高了预报的精度和可靠性,其回报准确率和试报效果,均比普通逐步回归集成最优方程及文中以秩和为因子的单个逐步回归方程更为优越.     

双重检验逐步回归模型在电力负荷预测中的应用

文中针对电力负荷预测的多元线性回归模型,提出了双重检验逐步回归模型。与传统的多元线性回归模型相比较,双重检验逐步回归模型无需建立全部变量的回归方程,而是在全部自变量中按对因变量的作用大小,边进行显著性检验,边入选或剔除变量,并且由于每步都作检验,因而保证了最后所得的方程中所有因子都是显著的。     

逐步回归法的地下水开采中的应用

对一个开采时间较长且多个水源地来说，目前多数用有限元法求解不同时期的抽水量与水位之间的关系，即用拟合方法来求得各种参数，如渗透系数、给水度、储水系数、边界条件等，然后去预测水量或水位，在此过程中，如果对边界条件和入渗补给最难以确定的地区，人为去调节参数，很难准确计算出预测，而运用逐步回归的方法求解水位与水量的关系，建立逐步回归方程，来预测这种关系，不仅简便且实用，本文以大庆西部水源地开采为例，说明该方法的实用性。     

逐步回归分析的拓展

给出一种方法,在逐步回归后,使每一前进（后退）步为一单元步,用Ｆ检验来判别这单元步的去留,使回归式子比逐步回归纳入更多的解析变量,同时能减低向后消元法产生多重共线性的可能性．     

基于逐步回归方法的宁夏物流需求分析

为了推动宁夏当代物流产业发展,对历史物流需求进行分析和对未来物流需求进行科学预测已成为必需.通过运用统计理论选取GDP、消费品零售总额、进出口贸易总额为自变量对以货运量为代表的物流需求进行回归分析,建立物流需求预测模型,预测未来宁夏物流需求,并分析了物流需求的影响因素.结果可为宁夏制定物流产业发展政策及物流基础设施规划、设计提供依据.     

应用逐步回归分析的方法建立教学评估模型

应用逐步回归分析的方法建立了教学评估模型,并依据逐步回归分析原理进行了算法设计和计算机程序的编制,通过运行程序能够尽快得到对教师总体评价有显著影响的项目因素等各种参数。应用表明,此模型的建立快速、简单、有效。     

基于逐步回归法的住房需求模型

房地产需求是房地产市场运行的的基础,也是房地产价格的基本决定因素.房地产需求实际上是反映消费者和投资者的选择行为和决策过程.结合国内外一些住房需求总量的定性计算方法,选取北京市1991-2009年统计数据并利用spss处理数据,采用逐步回归的方法建立了北京市房产需求量的数学模型.     

基于脑梗塞相关因素的逐步回归分析

基于逐步回归分析的理论,对脑梗塞发病人数与民族因素、平均气温、平均气压、相对湿度之间的关系进行探讨,并建立他们之间相关的逐步回归方程。最后,对所得到的回归方程进行显著性检验。     

一个修正的牛顿算法

牛顿算法不仅有着悠久的历史,而且具有独特的优点——二次收敛性。但当目标函数f(x)的Hessian矩阵奇异时牛顿算法就无定义。本文对牛顿算法加以修正后证明,对一般可微凸函数,算法是全局收敛的。若最优点处的Hessian矩陈还是非奇异的,则算法是二次收     

逐步回归法辨识线性系统模型

线性系统的结构辨识主要依据模型残差来人工判断。这不仅引入了判断误差,同时也使该方法难于投入实际应用。针对这一问题,该文提出一种修正的逐步回归法,用于对有色噪声环境下的线性系统建模。该方法将各回归变量按对输出的“贡献”排队,通过判断“贡献”的显著性来决定是否选入回归方程,从而能够同时决定模型的阶次、系统纯时延和模型参数。该方法具有计算量小、适应性强等优点。仿真试验验证上述结论。     

基于逐步回归和神经网络的北京市能见度预报对比

在研究北京市能见度变化特征的基础上,利用北京市环境监测站2015-2017年的空气污染物检测数据及同期美国国家环境预报中心的全球预报系统数值资料,筛选出主要的预报因子,分别用神经网络和多元逐步回归法建立预报模型,并进行试预报检验.结果表明,神经网络预报效果优于多元逐步回归,平均预报准确率达到75%(多元逐步回归为66%).神经网络在0～10 km能见度预报方面能够取得更好的效果,预测数据与观测值更为接近.     

矿井涌水量的逐步回归分析与预报

应用逐步回归分析的思想，在分析、计算大量数据的基础上揭示了矿井涌水量、钻孔涌水量或水位埋深与大气降水量、河流量之间的相关关系，并将这一关系的表示公式化，使以往为查清水体之间关系进行的繁杂分析试验等过程得以简化，且为水量或水位预报提供了简便易行的方法。