有限元可靠度分析中随机场离散方法

用随机场模型描述随机结构参数的空间变异特征 ,讨论了可靠度随机有限元分析中随机场的离散方法。提出了选择随机场离散方案的 4个基本要求 ;利用线性回归理论建立基于优化的随机场离散方法。该文采用的离散方法独立于有限元的单元离散过程 ,并适用于非正态随机场。分析表明 :线性回归理论建立的随机场离散方案比其他方法有更大的灵活性和更高的效率     

计算机回归数学模型在血水草生物碱杀螺研究中的应用

通过用计算机回归数学模型对数据进行逐步回归计算和因素分类区域处理，探讨了影响血水草生物碱杀螺效果的各种因素的变化规律，发现药物浓度对灭螺效用的规律呈抛物线变化，在温度为25℃、浸泡时间为72h时达到最大；温度的效用也呈现同样的规律，在浓度为2．5ng／L、浸泡时间为72h时达到最大；而浸泡时间则不同：对于浓度的变化，它的效用呈抛物线规律，在2．5ng／L时达到最大；而对于温度的变化，则呈单调上升的趋势．根据因素分类区域分析的结果，可以得出实验室药物杀螺的最优条件．     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。     

“非汉字符号”相依序列回归函数加权核估计

讨论ρ相依序列非参数回归函数加权核估计的强相合性     

上市公司财务预警的T逻辑回归模型

针对经典的逻辑回归模型易受到样本类别噪声干扰的问题,采用T逻辑回归算法中的非凸损失函数以弥补这一不足。对T逻辑回归模型及求解算法进行了分析,建立T逻辑回归财务预警模型,并结合沪深上市公司财务数据开展实证分析,结果表明T逻辑回归模型具有较好的分类效果和鲁棒性。     

苏里格气田岩石力学场建模研究

以苏里格气田为例, 运用多元回归分析的方法对常规测井曲线和岩石力学参数之间的函数关系进行分析, 并运用地质统计学的方法建立非均质的岩石力学参数场, 准确认识储层的岩石力学参数。研究结果可以为气田后期水力压裂过程中压裂设计提供依据, 降低压裂设计计算过程中的误差, 有利于得到更为准确的水力压裂裂缝形态, 降低气田开发风险。     

利用线性回归模型对季节指数的估计

利用季节虚拟变量建立回归模型,通过季节虚拟变量的参数估计间接地估计季节指数,并且利用模型进行了一些传统的季节指数方法无法进行的推断统计.这是一种分析季节指数和季节变动的新思路。     

房屋结构检测数据回归分析

以回弹法检测混凝土抗压强度为研究背景,分析分别以河砂和山砂拌制的混凝土对检测结果的影响,利用概率统计方法求出贵州地区以山砂拌制的混凝土的抗压强度,然后用回归分析方法计算推定系数k0值。计算结果表明,计算出的k0明显比JGJ/T23-2001标准规定的k值偏小,如果按照现行的国家标准规定的k值计算贵州地区混凝土强度,最终会对检测结果的判断造成误差,使检测得到的混凝土强度偏离实际混凝土的强度。     

房地产宏观需求预测

本文使用定量预测技术对房地产进行宏观需求预测,通过Matlab,对历史数据进行处理,得到多种曲线拟合的数学模型,并利用主成分分析筛选要素,最后建立主成分回归曲线模型来进行预测。     

Probability parametric imaging with DCE-MRI data to identify prostate cancer in the peripheral zone

To quantitatively analyze prostate dynamic contrast-enhanced magnetic resonance images (DCE-MRI), a retrospective study was carried out to construct a mathematical model to predict whether a lesion is cancerous or not. With known diagnosis of 52 regions-of-interest (10 malignant, 26 benign and 16 normal) in peripheral zone (PZ) of prostate from 18 patients undergoing needle biopsy and 8 normal volunteers, we combined feature parameters (k1, k2 and tp) from the linear-slope model with logistic regression to determine the statistical probability model. Prostate cancerous probability maps were derived using the model on each subject to examine the correlation between the model-based prediction and the known diagnosis. Compared the model prediction results of 52 regions-of-interest with the histopathologic results, the total agreement rate was 90.4%; the agreement rate was 60% for the malignant and 97.6% for the nonmalignant. The diagnostic results only referencing the probability maps by two radiologists showed a high agreement in tissue characteristics and lesion location with the combining results from other diagnostic techniques such as PSA (prostate specific antigen) level and MRS (magnetic resonance spectroscopy).