基建工程多元回归预测法

一、概述一基建工程任务受社会上多种因素的制约,一般常用的一元回归预测法,即以一种主要的经济因素,作为自变量推测,是不够全面的,往往得不到准确的结果.例如:目前的商品房销售额,只用居民人均年收人一项来预测,出现大量积压,因为。

完整桩极限承载力的偏最小二乘回归预测法

关于完整桩轴向极限载力Qu与桩长L、桩径d、桩的阻尼自振基频f1、桩的应力波波速c以及桩的单位动刚度Kd等参数,已知Qu的大小与上述5个参数存在一定的关系,现采用偏最小二乘回归方法对其进行描述。偏最小二乘回归方法是近年来产生和发展的一个具有广泛适用性的多元统计分析方法。其特有的选择因子方式与传统方法迥然不同,而其计算量比传统方法都小。它意义明确,计算简单,建模效果好,解释性强,日益成为工程技术人员和经济管理工作者能够熟练掌握的实用工具。

多项式回归预测法——论正交设计原理在时序预测中的应用

运用时间序列进行非线性趋势外推预测时,面临的主要问题是选择预测模型的曲线类型和确定模型中的待定参数,拟合模型曲线。目前,常用的选择曲线类型的方法主要是直观描点法,但是对于很多预测问题,确定模型曲线类型用直观描点的方法并不是都能办得到的,这就给预测工作带来了实际困难。

回归预测法

回归这个名词是由英国生物学家高尔登最初提出来的。他在研究父母和子女个子高矮之间的关系时候，统计了大量资料，发现父母的个子高，子女的个子一般也高。他还发现，子女的身高有低于高个子父母的趋势，而矮个子父母的子女却往往有高于父母的趋势。从整个来看人的身高有回归于人的平均身高的趋势。

回归预测法在课堂教学质量分析中的应用

本课题运用了OFFICE办公软件中的EXCEL表格进行自动运算,运用回归预测法作为数学分析模型,针对课堂教学质量分析的现存问题,进行了回归预测法在课堂教学质量分析中的应用的探讨。

桑黄叶虫成虫发生盛期的回归预测法

桑黄叶虫成虫发生盛期的回归预测法诸暨市丝绸公司蚕桑站周林巨黄叶虫是我国蚕区的主要害虫，尤其是丘陵山区桑园为害更重。该虫在桑园以外的土下越冬，越冬场所难以查找，给发生期的预测带来困难，年度间发生期差异较大，而且往往是突然性的暴发。由于其虫体大，含量多，...

基于粒子群优化算法支持向量回归预测法的大电网电压稳定在线评估方法

提出基于粒子群优化算法支持向量回归预测法(particle swarm optimization support vector regression,PSO-SVR)的大电网电压稳定在线评估方法,将传统基于深度神经网络(deep neural networks,DNN)模型的电压稳定评估方法改进为PSO优化过的SVR模型,对阻抗模裕度指标进行预测。该方法利用了SVR模型具有学习能力强、泛化错误率低的优点,在小样本的情况下也可以很好地学习到样本中的特征。同时克服SVR模型对于参数调节和函数选择非常敏感的问题,利用PSO算法对SVR模型的超参数进行优化选择,可以让SVR模型更好地学习到电网运行数据和阻抗模裕度值之间的非线性关系。最后,该方法在IEEE 118节点系统进行验证,并与基于DNN模型的评估方法进行比较,验证了其精度水平高于基于DNN模型的方法。

自身回归预测法探讨

在商业经济现象中,如工农业生产水平与商品供应量之间,消费品需求量与居民收入水平之间,合理储运与流通费用之间,加速资金周转与利润之间,均有因果关系存在。在商情预测中的因果预测,就是根据事物变化的原因,来预测事物变化的结果。回归预测是因果预测的一种重要方法,它是根据某一个或几个自变量(x)的变动,来推测另一个因变量(y)变动的方向和程度。回归预测除了用一个或几个自变量与一个因变量计算单元或多元回归进行预测外,还可以用同一时间数列的因变量数列与向过去推移若干时期的一个或几个自变量数列进行自身回归预测。自身回归预测是进行商情预测的有效方法之一。

应用移动回归预测法实现制苯抽提系统工艺优化

改造后的制苯装置通过采用移动回归预测技术实现了抽提系统的工艺优化，提高了苯回收率，保证了抽提系统的平稳运行。

棉铃虫发生期的回归预测法

根据气象因子对棉铃虫进行预测,许多地方都做了不同程度的研究和探讨.但是,由于地域的差别及调查资料的规范化较差,一些地方建立的预测式在我区生产上很难适用.本文根据当地测报站积累的十四年的系统调查资料进行回归分析,对棉铃虫各代的卵盛期(或成虫盛期)进行预测.

回归预测法在文献购置经费预测中的应用

运用数理统计学中的回归预测法,举例说明如何对图书馆文献购置经费进行预测。

近红外光谱结合回归分析预测法判别木材的生物腐朽

利用近红外光谱结合多变量回归分析中常用的主成分回归(PCR)和偏最小二乘法回归(PLSR)分析预测法来判别木材的生物腐朽,并与前期采用的SIMCA和PLS-DA2种判别方法进行对比分析。结果表明:1)应用近红外光谱结合多变量回归分析方法对校正集样本建立的判别模型,其校正及验证结果与标准值的相关性很高,相关系数均大于0.95,SEC和SEP都很低(0.07～0.20),利用模型对未参与建模的样本进行检测,发现2个模型对未腐朽、白腐和褐腐3种类型样本的判别准确率均为100%(偏差都小于0.27);2)对于相同样本集的判别效果,PLSR法比PCR法的判别效果好,且二者都比采用SIMCA法的效果好,并都与PLS-DA法的判别结果相近,说明利用近红外光谱结合回归分析预测法能有效地检测木材的生物腐朽,并对生物腐朽的类型进行准确判别。

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。

基于一元线性回归法预测二氧化碳需求模型分析

目前全球气候变暖,温室气体的减排和温室效应问题已成为世界关注的焦点,而中国当前处于一个高速发展的工业化和城市化的历程中,这决定了其碳排放绝对量在较长的一段时间内将持续增长。因此,CO2资源综合再生利用有着显著的现实意义。为了实现把废弃物转化收益这个目标,首先要对废弃物CO2的市场需求进行摸底。通过对CO2产品的市场容量、供需情况进行调查、分析和预测,锁定广东省及华南地区作为目标市场,通过线性回归模型测算其产出规模。经过研究发现,泛珠三角地区的制造业发展需求及食品保鲜业的发展需求强劲,产业的前景日益广阔,项目前景乐观。

基于时间序列RBF的大连港货物吞吐量预测

引言大连港是我国东北地区主要的海上门户。随着我国振兴东北战略的实施推进,港口货运量也随之增多,对港口建设和运营提出了新标准,因此,为提高港口作业效率和增强竞争力,精准预测港口吞吐量对于港口规划、建设及运营至关重要。目前,用于港口吞吐量的预测方法众多,其中最主要是灰色预测法[1]、回归预测法[2]、时间序列法[3]及神经网络法[4]。灰色预测法,对于数据量少的系统,效果显著。回归预测法对数据量少的样本拟合效果好。神经网络法有较强的非线性映射能力和适应能力,但需要大量的数据训练。时间序列法对于呈线性分布的数据能较好挖掘其规律,但需要较多的样本数据。由于预测模型间各有优劣,因此本文提出时间序列法与神经网络法相结合的时间序列RBF预测模型组合模型[5-6],结合两种模型的优点,同时弥补各自的缺点,有一定的先进性,旨在为港口货物吞吐量预测提供新方法。

从“事后”走向“事前”——回归预测法简介

依据已知的伤亡事故数据,利用数学方法,即回归分析法或灰色预测法,探索未来伤亡事故发生规律,建立事故预测数学模型,可达到有效控制事故的目的,从而使安全管理由"事故管理型"走向"事故预防型".通化市在这方面的实践已收到良好效果.

用自回归预测方法删除电磁测深信号噪音

本文研究了最大熵预测问题在处理电磁信号方面的应用。采用自回归预测（最大熵谱估计）方法注解最佳预测误差差滤波器。考虑到电磁长信号的特性，在算法设计实现上，设计了变频分段法。并且进行了理论模型的验证和实际电磁资料的处理，得到了较好的效果。