薄壁结构吸能预测的多元非线性回归分析

为了研究试验参数对薄壁金属结构吸能特性的影响规律,预测和分析这一类型的薄壁结构吸能特性,针对轴向冲击载荷作用下薄壁结构动态响应的非线性特性,以数值模拟为基础,建立了结构吸能特性参数与试验参数之间的多元二次非线性回归模型,编制了Gauss-Newton迭代算法程序对该非线性回归模型参数进行求解.以方形薄壁结构为例,得到了比吸能E_s,有效撞击力AE和有效撞击行程SE分别与试验参数之间的非线性拟合数学方程,最后使用该二次非线性回归模型对这一类型的方形薄壁结构在轴向冲击载荷作用下的吸能特性进行预测.结果表明:方形薄壁结构各项吸能特性参数的回归值与试验值的相对误差控制在±6.0%以内,比吸能E_s、有效撞击力AE和有效撞击行程SE的相对预测误差平均值分别为0.683%、4.604%和3.392%,说明该模型预测精度比较理想.     

高速公路小修保养工程量的预测模型

为了科学合理地预测高速公路小修保养工程数量,分析了影响高速公路小修保养工程量的主要因素,提出了基于Matlab的BP神经网络高速公路小修保养工程量预测方法;以沥青路面年小修保养工程量历史统计数据为样本,将路面质量等级评分值、路面使用性能指数、年均日交通量、年均日重车量、计算使用年限、年均降雨量、年平均温差、路面厚度、路面宽度确定为影响沥青路面小修保养工程量的量化指标,建立了预测沥青路面小修保养工程量的多元非线性模型;以调研路段沥青路面实际破损维修数量为样本,分别用BP神经网络模型和多元线性回归模型进行预测分析。研究结果表明：将预测结果与实际维修量数据进行比较,BP神经网络模型预测误差为5%,多元线性回归模型预测误差为14%,说明BP神经网络模型是预测高速公路沥青路面小修保养工程量的一种较为合理可行的方法。     

试油层非线性产量预测模型研究

准确的产量预测是油田勘探开发的重要研究任务,而常规的预测方法无法应用于开发初期。同一勘探区块, 试油层产量与各影响因素存在一定的相关性。首先建立了产量与各静、动态参数的一元非线性回归模型,然后将其作 为新的自变量,进行多元线性回归,最后获得了预测试油层产量的非线性回归模型。现场实际应用表明,建立的多元 非线性模型比线性模型预测精度更高,适用性更好。为该勘探区块试油层措施改造决策提供了科学的指导,提高了试 油经济效益。     

柴油机性能及排放预测高效试验设计应用研究

为柴油机性能预测及优化提供更为高效合理的试验方法,通过对比分析不同试验设计方法回归模型的精度及效率,研究了正交设计及均匀设计在建立柴油机性能及排放多元非线性回归预测模型中的应用。回归模型的建立采用了逐步回归分析方法,能够根据试验数据提取对预测参数影响最为显著的因素,建立最为精确且简单的预测模型。回归模型的建立除了包含各个因素的主效应外,还考虑了各个因素的交互作用及非线性作用,使回归模型更为精确。最后对2种试验设计方法的回归模型预测精度及效率进行对比分析,结果显示均匀设计在柴油机性能及排放预测试验研究中更为高效。     

隧道围岩变形的非线性自回归时间序列预测方法研究

针对传统时间序列预测模型的单一线性和忽略施工过程影响的静态局限性,提出非线性自回归(包括NARNN与NARXNN)时间序列预测模型.该模型通过引入动态施工影响因子作为附加的外部输入,同时结合模型本身的反馈结构和延迟单元,在结构和动态特性上更加符合实际系统,可以非线性动态地考虑隧道施工全过程.运用该模型对史家山2号隧道施工过程中的围岩水平收敛和地表变形进行预测.结果表明:1)非线性自回归预测模型比传统的ARMA预测模型的预测精度高、适应性好;2)通过多次预测并对结果取平均值,可以保证非线性自回归预测模型预测结果的预测精度和稳健性;3)通过优化动态施工影响因子的取值方法,可以进一步提高NARXNN时间序列预测模型的预测精度.     

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。     

脑血分配系数的定量构效关系研究

以分子量,脂水分配系数（logP）、水溶解度（logS）以及氢键供体数（HD）4个结构描述符为基础,通过多元线性回归和支持向量机回归对53个化合物建立了定量构效关系模型。全部化合物被随机分为包含41个化合物训练集和包含12个化合物的测试集。在分别得到多元线性回归和支持向量机回归模型后,进行了相关系数r、标准偏差s、平均绝对误差和均方差的统计分析。分析的结果说明两个模型都对脑血分配系数的对数值（logBB）有较好的预测能力,支持向量机回归作为非线性分析方法对于logBB的预测有一定的优势。     

影响分析发展综述

影响分析是近二十年来发展的一个新分支,它主要有二个方面的问题;一是模型扰动的方式;二是度量扰动对统计推断影响大小的标准。本文主要综述线性回归模型、非线性回归模型、Logist回归模型及多元线性回归模型中影响分析的发展情况。     

基于改进M5′-主成分模型树的高心墙堆石坝沉降变形预测

针对高心墙堆石坝沉降变形过程动态非线性特点,建立基于改进M5'-主成分模型树的高心墙堆石坝沉降变形分析模型,在采用相关性分析甄选沉降变形影响因素和采用主成分分析将高维影响因素空间进行降维的基础上,利用该全局分段非线性模型对高心墙堆石坝沉降过程进行分析。通过与沉降量实测值对比,验证了改进M5'-主成分模型树的有效性。通过绝对差值和均方根误差2个指标对比分析改进M5'-主成分模型树与M5'模型树、多元线性回归模型、主成分回归分析模型的预测结果,表明改进M5'-主成分模型树预测沉降量具有更高的精度。     

基于NGSIM数据的汽车变道越线时间预测

为预测汽车变道越线时间,基于NGSIM数据提取汽车的真实越线时间,选定变道车和其周围汽车的行驶状态参数作为潜在影响因素.随机选取60组训练数据,先利用Spss软件逐步回归法对越线时间与自变量进行多元线性回归拟合,再通过Matlab编程对越线时间进行多元非线性回归拟合,分别建立多元线性和非线性回归越线时间预测模型;对模型...     

基于逐步回归分析的河南粮食产量因素研究

运用逐步回归分析的方法,建立河南省粮食产量的回归模型,并对影响粮食产量的主要因素进行回归分析．引入回归方程的主要影响因素为粮食单产、农业机械总动力、乡村从业人员、化肥施用折纯量、农村用电量等,由此确定影响河南省粮食产量因素的回归方程模型．分析表明,利用逐步回归分析建立的模型具有很好的拟合效果,最大误差仅为12．5％．     

含模糊因素的患病风险预测模型

将数理统计方法和模糊数学方法相结合,建立了适合预测患病风险的含模糊因素的回归预测模型,并将所建立的模型和统计中的线性回归模型进行了比较．结果表明：含模糊因素的患病风险预测模型预测效果优于不含模糊因素的预测模型预测效果．     

基于多元线性回归模型的我国世界冠军人数影响因素分析

运用多元线性回归模型分析了我国当年获得世界冠军人数与我国当年总人口数和当年国内生产总值两个外部环境,以及二级以上运动员人数和各级体育系统职工人数两个内部环境,这4个影响因素之间的关系.首先用灰色关联分析,得到作为子因素数列的4个影响因素和作为母因素数列的当年获得世界冠军人数之间的关联度.为了进一步知道每个因素和当年获得世界冠军人数的具体函数关系,利用多元线性回归分析,构建每年获得世界冠军的人数与4个影响因素之间的多元线性回归模型,且通过F检验证明模型与实际相符合,为我国运动员的训练和国家政策的制定提供理论依据.     

回归模型在贵州地理要素分析中的应用

探讨了一元地理回归模型的建立及其检验.首先建立贵州省88个县域的海拔与积温之间的线性回归模型,阐明贵州地势西高东低及积温东高西低的变化趋势.其次通过非农产业产值与人均GDP的曲线回归模型的建立,及相关系数的计算,揭示贵州县域GDP的增长要依靠提高非农产业产值比例.最后提出地形坡度是影响和制约贵州各地人口疏密分布及各地土地垦殖率高低差异的一个基本因素的论点,并通过相关分析与回归模型予以证实.     

对"佯谬回归系数"问题的探讨

对佯谬回归系数的概念进行了统计意义上的界定,指出了产生佯谬回归系数的6种主要原因,在此基础上,对如何正确理解含有佯谬回归系数的回归预测模型问题提出了以下的观点：应根据产生佯谬回归系数的原因,区别看待含佯谬回归系数的预测模型;含佯谬回归系数的回归模型未必都不科学,在某些特定条件下,有些含佯廖系数的回归预测模型可科学合理地反映研究对象的客观变化规律。     

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.     

The control of moldy risk during rice storage based on multivariate linear regression analysis and random forest algorithm

Clarifying the mechanism of fungi growth is of great significance for maintaining the quality during grain storage. Among the factors that affect the growth of fungi spores, the most important factors are temperature, moisture content and storage time. Therefore, through this study, a multivariate linear regression model among several important factors, such as the spore number and ambient temperature, rice moisture content and storage days, were developed based on the experimental data. In order to build a more accurate model, we introduce a random forest algorithm into the fungal spore prediction during grain storage. The established regression models can be used to predict the spore number under different ambient temperature, rice moisture content and storage days during the storage process. For the random forest model, it could control the predicted value to be of the same order of magnitude as the actual value for 99% of the original data, which have a high accuracy to predict the spore number during the storage process. Furthermore, we plot the prediction surface graph to help practitioners to control the storage environment within the conditions in the low risk region.     

软件产品的可靠性分析与简易预测模型

根据当前软件可靠性中存在的问题，对影响软件产品的可靠性因素及软件失效的原因进行了分析，利用matlab线性参数回归函数，提出了可靠性预测简易模型．对比表明，模型是有效的．     

我国农民消费支出因素分析

运用多元线性回归分析理论,建立了影响农民消费支出的数学模型,对农村居民消费结构主要影响因子进行了分析,得到了影响农民消费支出的具有显著性影响的因子为食品、居住和医疗保健,并进行了模型优化,最后对结果进行了讨论.     

二级模糊因素的负荷预测线性回归法

基于经典的线性预测回归模型，引入了模糊因素对预测结果的影响，构成了二级模糊因素的多元线性回归法。最后对两种方法作出了比较，说明本文所述方法是比较理想的。