线性模型论文_赵文芝,夏志明

导读:本文包含了线性模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:线性,模型,牦牛,误差,布朗,体重,抗压强度。

线性模型论文文献综述

赵文芝,夏志明[1](2019)在《线性模型中基于加权残差的渐进变点检测》一文中研究指出本文研究线性模型中渐变变点的检验问题.首先,提出了基于加权残差部分和Weighted-CUSUM的检验统计量.其次,证明了原假设下检验统计量依分布收敛于标准布朗桥,备择假设下检验统计量依分布收敛于带有漂移项的布朗桥,并给出检验相合性的条件.最后,模拟结果表明所提方法是可行的.(本文来源于《工程数学学报》期刊2019年06期)

苏兆路,潘春阳[2](2019)在《基于灰关联分析法和多元线性回归模型的有轨电车能耗预测》一文中研究指出针对传统的有轨电车能耗预测模型缺少对能耗影响因素进行显着性量化分析的问题,提出灰关联分析法和多元线性回归模型相结合的有轨电车能耗预测方法。首先通过有轨电车动力学模型分析有轨电车能耗影响因素,然后利用灰关联分析法计算这些影响因素的关联度,最后选取关联度较大的因素作为模型输入变量,根据多元线性回归模型建立有轨电车能耗预测模型。经实验验证,新建模型的平均预测误差为2. 29%,相比已有文献中提出的回归模型其预测误差更小。因此,该能耗预测模型能够更好地反映有轨电车能耗变化趋势。(本文来源于《信息技术与网络安全》期刊2019年12期)

卢婵婵,李姣[3](2019)在《基于部分线性模型研究空气臭氧含量与气象因素的关系》一文中研究指出针对空气中臭氧含量增加对人体健康和生态环境均产生较大影响,而低空大气中臭氧污染日益恶化这一问题,就空气中臭氧含量提出部分线性模型。研究其与相关气象影响因素之间的关系,包括每日最高温度、太阳辐射和风速,并结合核方法和自助法得到臭氧含量均值估计和重要分位数估计,为空气质量监测和预测提供部分理论依据;结果表明空气中臭氧含量与每日最高温度和风速线性相关,与太阳辐射非线性相关,且回归估计函数随太阳辐射整体呈"S"型增长,臭氧含量均值为70. 58 ppb,它的10%、25%、50%、75%和90%分位数分别为42. 98 ppb、58. 64 ppb、71. 84 ppb、85. 49 ppb和96. 30 ppb。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年06期)

巴桑旺堆,平措占堆,朱彦宾,达娃央拉,俄广鑫[4](2019)在《线性模型与机器学习模型对牦牛体重预测的比较》一文中研究指出本研究测定革吉那布地区102头2岁龄的牦牛相关体尺性状(体高、体长和胸围)与体重,按不同比例划分训练集和测试集,利用传统的一般线性模型方法和机器学习方法(高斯过程回归、支持向量机)分别构建体尺性状与体重之间的回归预测模型,比较线性回归模型与机器学习模型在利用体尺性状预测体重时的准确性。结果表明,随着训练集数据的增加,线性回归模型的预测结果较稳定在0.71~0.80之间,而机器学习方法的预测准确性最高可达0.91。在训练集数据充足的情况下,相比于一般线性模型的方法,利用机器学习方法进行预测具有更高的准确性。(本文来源于《现代农业科技》期刊2019年23期)

陈若萍,李荣,叶义琴[5](2019)在《带AR(1)误差线性回归模型中杠杆点的度量与影响分析》一文中研究指出杠杆点的度量与影响分析是回归诊断中的一个重要问题.本文通过构建投影矩阵和拟投影矩阵,对带AR(1)误差且存在复共线性的线性回归模型中广义最小二乘估计、主成分估计、r-k类估计、r-d类估计杠杆点的度量和影响进行了模拟分析与实证分析,并对各估计杠杆点的度量值做了比较研究.(本文来源于《湖北民族学院学报(自然科学版)》期刊2019年04期)

张彦栋,许才军,汪建军[6](2019)在《一种基于F-J线性-非线性模型解的迭代最小二乘方法》一文中研究指出基于贝叶斯理论的线性与非线性模型反演方法(Fukuda-Johnson, F-J)已广泛应用于地球物理模型的线性-非线性参数反演。但F-J方法的反演结果可能受马尔可夫链蒙特卡洛采样(Markov chain Monte Carlo,MCMC)经验参数选择的影响,而反复调试合适的经验参数需耗费大量计算时间。对线性与非线性模型进行线性化后,也可以利用迭代最小二乘方法反演,但该方法难以选择合适的初始值。为提高参数反演计算效率和避免参数初值选择影响,提出了一种以F-J方法模型解为初始值的迭代最小二乘方法。该方法只需计算一次F-J方法模型解和有限次最小二乘迭代,既提高了F-J方法的反演效率,又能获得迭代最小二乘全局最优解。针对模拟数据实验和实际数据算例,分别采用F-J方法、随机生成初始值的迭代最小二乘方法和以F-J方法结果为初值的迭代最小二乘方法进行参数反演。结果表明,直接使用F-J方法时,MCMC采样参数会影响反演结果;直接进行迭代最小二乘反演时,初始值选取不当会导致迭代无法收敛到正确的结果;以F-J方法的结果作为迭代最小二乘方法的初始值进行反演,可以充分发挥F-J方法的全局最优性和迭代最小二乘方法计算量小、稳定性好的优势。(本文来源于《武汉大学学报(信息科学版)》期刊2019年12期)

张晋青,张楠,谢秀梅,李景[7](2019)在《成年青海公牦牛体重与体尺性状线性回归模型的构建》一文中研究指出试验以3.5~4岁成年青海高原牦牛、雪多牦牛、环湖牦牛公牛为研究对象,通过测量牦牛体重以及体高、体斜长、胸围等体尺性状,并对各性状相关性进行了统计分析,探究了与成年公牦牛体重密切相关的体尺性状,建立了体重与体斜长、胸围的最优线性回归模型。结果表明:影响成年青海公牦牛体重的主要体尺性状为胸围和体斜长,并且其体重与体斜长、胸围呈显着线性关系。该结论可用于实际生产中成年青海公牦牛体重的估算。(本文来源于《中国草食动物科学》期刊2019年06期)

郭娟[8](2019)在《基于存在交互项的多元线性回归汽车油耗预测模型》一文中研究指出本文将多元统计分析作为基础和前提,以mtcars数据集的相关汽车数据为例,以每加仑汽油行驶英里数mpg为因变量,马力hp、车重wt、drat以及其交互项为自变量,用R软件分别建立多元线性回归预测模型,并对其进行模型评估和回归诊断。(本文来源于《广西质量监督导报》期刊2019年11期)

梁凯,陈正,朱惠英,杨阳,卢凌寰[9](2019)在《基于正交试验的机制砂混凝土抗压强度线性预测模型》一文中研究指出采用正交设计方法,分析研究了水胶比、粉煤灰掺量、矿渣掺量、机制砂掺量等因素对机制砂混凝土抗压强度的影响。结果表明水胶比是影响机制砂混凝土抗压强度的最显着因素,粉煤灰掺量次之;矿渣掺量和机制砂掺量对机制砂混凝土抗压强度的影响随着龄期的增长主次顺序发生变化。采用多元回归分析的方法,研究建立了机制砂混凝土抗压强度与水胶比、粉煤灰掺量、矿渣掺量、机制砂掺量的预测模型。(本文来源于《混凝土》期刊2019年11期)

黄荣臻,朱宁,邓超海,张茂军[10](2019)在《线性回归模型的一类新约束型LIU估计》一文中研究指出针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年11期)

线性模型论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

针对传统的有轨电车能耗预测模型缺少对能耗影响因素进行显着性量化分析的问题,提出灰关联分析法和多元线性回归模型相结合的有轨电车能耗预测方法。首先通过有轨电车动力学模型分析有轨电车能耗影响因素,然后利用灰关联分析法计算这些影响因素的关联度,最后选取关联度较大的因素作为模型输入变量,根据多元线性回归模型建立有轨电车能耗预测模型。经实验验证,新建模型的平均预测误差为2. 29%,相比已有文献中提出的回归模型其预测误差更小。因此,该能耗预测模型能够更好地反映有轨电车能耗变化趋势。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

线性模型论文参考文献

[1].赵文芝,夏志明.线性模型中基于加权残差的渐进变点检测[J].工程数学学报.2019

[2].苏兆路,潘春阳.基于灰关联分析法和多元线性回归模型的有轨电车能耗预测[J].信息技术与网络安全.2019

[3].卢婵婵,李姣.基于部分线性模型研究空气臭氧含量与气象因素的关系[J].重庆工商大学学报(自然科学版).2019

[4].巴桑旺堆,平措占堆,朱彦宾,达娃央拉,俄广鑫.线性模型与机器学习模型对牦牛体重预测的比较[J].现代农业科技.2019

[5].陈若萍,李荣,叶义琴.带AR(1)误差线性回归模型中杠杆点的度量与影响分析[J].湖北民族学院学报(自然科学版).2019

[6].张彦栋,许才军,汪建军.一种基于F-J线性-非线性模型解的迭代最小二乘方法[J].武汉大学学报(信息科学版).2019

[7].张晋青,张楠,谢秀梅,李景.成年青海公牦牛体重与体尺性状线性回归模型的构建[J].中国草食动物科学.2019

[8].郭娟.基于存在交互项的多元线性回归汽车油耗预测模型[J].广西质量监督导报.2019

[9].梁凯,陈正,朱惠英,杨阳,卢凌寰.基于正交试验的机制砂混凝土抗压强度线性预测模型[J].混凝土.2019

[10].黄荣臻,朱宁,邓超海,张茂军.线性回归模型的一类新约束型LIU估计[J].西南师范大学学报(自然科学版).2019

论文知识图

故障率预测曲线图钢筋和钢材的本构模型非线性模型预测控制流程图地面距离标准误差,(a)SuperDARN标...相同,选取的是2009年数据塑性材料撞击能量与体积变形量关系

标签:;  ;  ;  ;  ;  ;  ;  

线性模型论文_赵文芝,夏志明
下载Doc文档

猜你喜欢