导读:本文包含了回归方程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:方程,叶面积,线性,靶心,读数,心率,高效。
回归方程论文文献综述
王国军,刘亚,刘石军[1]（2019）在《高中男生“阳光长跑”个体无氧阈心率回归方程的建立》一文中研究指出旨在通过实验研究建立高中生"阳光长跑"个体无氧阈心率回归方程,使每个学生可以获得个体适宜负荷强度,并以此控制跑速。第1阶段通过文献初选,再通过专家问卷法对初选指标做进一步筛选,然后对确定的指标进行实验测试,以无氧阈心率为因变量,筛选出的指标为自变量进行回归建立个体无氧阈回归方程;第2阶段用回归方程计算的无氧阈心率与实测无氧阈心率进行配对样本t检验,进行回代检验;第3阶段以回归方程计算出的无氧阈心率作为负荷强度进行为期12周训练,以检验实践应用效果。结果显示:(1)实验对象推测值与实际观察值经配对t检验,结果显示无显着性差异(P>0.05)。将推测值与实际观察值进行相关分析再次应证其一致性较高(r=0.889,P<0.001)。(2)12周训练后,实验组前后VO2max比较有显着提升(P<0.01),对照组VO2max前后无显着性差异(P>0.05),实验组与对照组VO2max比较,实验组显着高于对照组(P<0.01)。结果表明:高中男生"阳光长跑"活动推荐使用个体无氧阈心率作为负荷强度监控指标,个体无氧阈心率回归方程为:Y=111.537+6.076x1-0.2821x2-0.569x3+9.944x4(其中,x1为年龄,x2为身高、x3为基础心率,x4为体表面积)。(本文来源于《体育学刊》期刊2019年06期）
王江荣[2]（2019）在《二次回归方程表述颜色读数与物质浓度间的数量关系》一文中研究指出化合物浓度与表征其浓度颜色(数字化)之间存在线性和非性关系,为了克服传统比色法测定物质浓度时受人为因素影响而出现偏差的不足,建立了以颜色读数为自变量,物质浓度为因变量的二次回归方程,该方程较好地揭示了试纸颜色与物质浓度间的数量关系,只需将颜色指标代入模型便可快速计算出物质浓度,而且有很高的精确度。(本文来源于《中国建材科技》期刊2019年05期）
戚龙[3]（2019）在《用最小二乘法求解线性回归方程的算法研究》一文中研究指出如果给出的样本数据基本分布在一条直线附近,我们可以根据样本数据求出这条直线,求出的这条直线就叫做线性回归方程,而线性回归方程通常用于预测数据使用。但是很多人在使用线性回归方程进行数据预测时,并不知道线性回归方程的参数是如何得出的以及并不理解它的原理,从而经常计算出错误的方程参数导致失败的预测结果。本文在此基础上对如何使用最小二乘法得出线性回归方程的原理进行了分析并应用线性回归方程进行数据预测算法研究。(本文来源于《计算机产品与流通》期刊2019年09期）
邬洪明,马臣,田嫣然,陈佳[4]（2019）在《胎儿体质量回归方程对巨大儿产前预测的研究》一文中研究指出目的探讨分娩前预测巨大儿的敏感指标,构建新的预测胎儿体质量公式。方法将2016年7月至2017年12月该院861例单胎妊娠孕妇纳入研究。研究分为两个阶段:第1阶段(2016年7月至2017年7月)筛选445例单胎妊娠孕妇,按分娩后出生体质量分为巨大儿组(A组)和正常组(B组),对两组分娩前指标进行比较,建立预测胎儿体质量的ROC曲线图,筛选出灵敏度较高的指标,构建新的预测胎儿体质量的方程式。第2阶段(2017年8-12月):根据纳入排除标准筛选416例单胎妊娠孕妇,应用第1阶段得出的预测公式进行胎儿体质量预测,并评价该公式的临床价值:围分娩期管理、指导分娩方式的选择、巨大儿妊娠结局。结果构建回归方程M=100×宫高(cm)+120×双顶径(cm)+100×股骨长(cm)+95×胎儿腹围(cm)+105×产次(1或2)-3.5×羊水指数(cm)-5 000,诊断率为66.300%,高于其他方法。临产前预测巨大儿后,第1阶段产妇新生儿窒息率、产后出血率、肩难产发生率均高于第2阶段,两个阶段肩难产发生率比较,差异有统计学意义(P<0.05)。结论该回归方程能够于临产前较准确地预测胎儿体质量,对分娩方式的选择有较高的参考价值。(本文来源于《重庆医学》期刊2019年14期）
程郁昕,于敏[5]（2019）在《教师评价最优多元回归方程的建立及分析》一文中研究指出笔者以安徽科技学院动科院教师为研究对象,选择2018年-2019学年度第2学期43位任课教师的学生评价(x_1)、同行评价(x_2)、领导评价(x_3)、教学管理部门评价(x_4)、教研教改加分(x_5)5项指标,建立了教师评价(y)的最优多元回归方程y=9.2+0.6x1+0.1x_2+0.15x_3+x_5,为量化、科学、合理的教师评价提供了思路。(本文来源于《当代畜牧》期刊2019年09期）
樊小丽,刘一贞,梁日高,殷秀芳,覃浩[6]（2019）在《杂交相思叶面积回归方程的建立》一文中研究指出以6年生的杂交相思(Acacia mangium×A.auriculiformis)成熟叶片为材料,将其叶长、叶宽、叶宽/叶长、叶长×叶宽、叶长×叶长、叶宽×叶宽与实测叶面积进行Pearson相关分析,结果表明各叶形指标与叶面积均显着相关。从中选择3个相关指数较高的叶形指标(叶长×叶宽、叶宽×叶宽、叶宽)进行多形式回归方程的建立,最佳拟合方程均为二次曲线方程。经检验和比较,叶宽×叶宽与叶面积的二次曲线方程(Y2=0.002X~2+1.506X+18.695)的理论值与实测值误差率最小,<±7.00%,能较准确地估算杂交相思的叶面积。(本文来源于《林业科技通讯》期刊2019年07期）
陈玉荣[7]（2019）在《“大数据”下的线性回归方程》一文中研究指出高考全国卷的数学试题,以"双核四层四翼"为设计思想,落实以德树人,加强数学核心素养考查,试题体现了数学学科的基础性、综合性、应用性、创新性等特点.通过面对高考试题的这些新调整,以线性回归为例,通过理论与实践相结合,对高叁的数学课堂如何更高效地开展作深入地分析和研究.(本文来源于《中学理科园地》期刊2019年03期）
潘介春,黄幸,邓英毅,丁峰,徐炯志[8]（2019）在《回归方程法测定两个龙眼品种叶面积研究》一文中研究指出以‘储良’和‘石硖’2个龙眼品种的成熟叶为材料,对叶片的周长、长、宽、长/宽、宽×宽、长×长、长×宽等指标与叶面积的相关性进行分析,建立9种模拟回归方程。结果表明,‘储良’和‘石硖’的叶面积均可用叶片的周长、长、宽、长/宽、宽×宽、长×长、长×宽等指标进行估算,基于叶长×叶宽建立的9种叶面积回归方程R2均最高,拟合效果最好,且相关性最大,因此叶片长×宽可作为龙眼叶面积估测的首选指标。基于叶长×宽建立的9个回归方程中,一元线性方程、二次方程、叁次方程、幂函数能较好拟合,其中以幂函数估算的精度最高,较适合用来估测龙眼的叶面积。‘储良’和‘石硖’叶面积对应的较为精准的叶面积幂函数方程分别为:y=0.751x~(1.006)和y=0.986x~(0.973)。最适合两个龙眼品种的总叶面积幂函数方程为y=0.869x~(0.988)。(本文来源于《亚热带植物科学》期刊2019年02期）
李红艳[9]（2019）在《走进回归分析,让回归方程不再是你高考的绊脚石》一文中研究指出回归方程是利用数理统计中的回归分析,来确定两种或两种以上变数间相互依赖的定量关系的一种统计方法,是近几年高考统计模块考查热点,2014年至2018年的全国考卷中统计与概率的解答题都有涉及,并且考题命制愈趋灵活多变。下面我们将针对近年考题变化与趋势就回归方程的求法作归(本文来源于《中学生数理化(高二数学)》期刊2019年06期）
金鹏,孙仓平[10]（2019）在《基于Excel的矿石小块体重线性回归方程在小柳沟钨矿床储量计算中的应用》一文中研究指出通过小柳沟钨矿床4号矿体小块体重样品原始测定数据研究,运用数学地质中的回归分析,建立了4号矿体小块体重的线性回归方程,为矿床储量计算提供了科学合理的参数。本文详细阐述了基于Excel的矿石小体重线性回归方程建立步骤和验证,并进行了系统分析。(本文来源于《世界有色金属》期刊2019年04期）
回归方程论文开题报告
（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：
化合物浓度与表征其浓度颜色(数字化)之间存在线性和非性关系,为了克服传统比色法测定物质浓度时受人为因素影响而出现偏差的不足,建立了以颜色读数为自变量,物质浓度为因变量的二次回归方程,该方程较好地揭示了试纸颜色与物质浓度间的数量关系,只需将颜色指标代入模型便可快速计算出物质浓度,而且有很高的精确度。
（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。
回归方程论文参考文献
[1].王国军,刘亚,刘石军.高中男生“阳光长跑”个体无氧阈心率回归方程的建立[J].体育学刊.2019
[2].王江荣.二次回归方程表述颜色读数与物质浓度间的数量关系[J].中国建材科技.2019
[3].戚龙.用最小二乘法求解线性回归方程的算法研究[J].计算机产品与流通.2019
[4].邬洪明,马臣,田嫣然,陈佳.胎儿体质量回归方程对巨大儿产前预测的研究[J].重庆医学.2019
[5].程郁昕,于敏.教师评价最优多元回归方程的建立及分析[J].当代畜牧.2019
[6].樊小丽,刘一贞,梁日高,殷秀芳,覃浩.杂交相思叶面积回归方程的建立[J].林业科技通讯.2019
[7].陈玉荣.“大数据”下的线性回归方程[J].中学理科园地.2019
[8].潘介春,黄幸,邓英毅,丁峰,徐炯志.回归方程法测定两个龙眼品种叶面积研究[J].亚热带植物科学.2019
[9].李红艳.走进回归分析,让回归方程不再是你高考的绊脚石[J].中学生数理化(高二数学).2019
[10].金鹏,孙仓平.基于Excel的矿石小块体重线性回归方程在小柳沟钨矿床储量计算中的应用[J].世界有色金属.2019
论文知识图
