一、EXCEL的应用——解一元线性回归问题（论文文献综述）
黄润华[1]（2021）在《“一元线性回归模型”教学设计》文中认为本节课是统计思想方法在实际生活中的典型应用案例.结合两个变量之间线性相关的具体实例,经历统计活动,理解最小二乘原理,利用计算器和Excel软件进行数据处理,建立一元线性回归模型,从而进行实际预测,解决实际问题.了解利用回归直线刻画两个变量之间相关关系的代表性,理解回归直线必过样本点的中心,并能对统计活动结果进行反思.
黄仲逸[2]（2021）在《熔断器测试管理系统的设计与实现》文中研究表明熔断器是电路中最常用电子元器件,大到核电站小到手机充电器都会使用熔断器作为保护器件。因此我们需要对其进行严格的测试,而针对传统熔断设备短接电流不等于带载电流也就是实际测试电流值的问题提出了以数据分析的方法进行研究建立模型保证测试电流的准确性。模型作为系统的功能之一,实现系统的基本功能是为了保证熔断器测试的数据能够解决其他的存在的问题,同时也是本文中模型应用于实际的基础。结合当前发展背景,以管理熔断器测试为目标,研究并撰写论文。以下是本文的研究内容:1.建立一种用于熔断器测试的一元线性回归模型。以测试电流值为自变量,设定值为因变量的194组数据使用MATLAB进行回归分析建模,通过对数据进行分段建模可以得出100A-700A这段可以近似使用25A来进行修正减少误差,但其他段的误差难以控制,其最大误差为400A最小误差为-300A。2.建立一种用于熔断器测试的BP神经网络模型。设定值为因变量,测试电流值、熔断器的电阻值、测试线缆为自变量的194组数据使用MATLAB进行BP神经网络建模,其误差在-30A～30A范围内。经过两种模型拟合值对比发现,BP神经网络拟合值最接近实际值。3.设计实现一个C/S结构的测试管理系统。选用My SQL为数据库和Microsoft Visual Studio 2010作为应用软件开发工具及C#为开发语言。测试申请、审核、安排测试及测试结果的记录,形成公司规定格式的报告,实现数据的增删改查。综上所述,模型预测是本论文中管理系统的一种需求,在使用MATLAB训练了两种用于熔断器测试的模型之后系统调用其中预测结果较好的BP神经网络模型的接口预测测试设备设定值,辅助测试。测试管理系统则是模型预测的基础。数据的数字化存储,为后面更多的模型及智能化提供数据支持。
杨雄,曾智[3]（2021）在《Excel在一元线性回归分析中的应用》文中指出回归分析有预测和因子分析的作用,但在实际运算中计算量大,随着软件的发展,许多运算过程可以用软件来替代;通过分析一元回归的建立过程,以成本预测为案例,应用Excel对案例进行回归方程的求解,并且对Excel的运行结果中的各参数进行具体解释,以至于能够理解各参数的实际意义,进而可以熟悉应用Excel进行回归分析,并能展开实际预测。
李怡莹[4]（2020）在《基于BLS的多影响因素下港口吞吐量预测研究》文中进行了进一步梳理在当今世界,国与国之间的经济相互联系,商品运输活动愈发增多。而海运因其运量大、运费低等优点,是各国优先选择的货运方式。在此背景下,港口的地位日益上升。但从可持续发展的角度看,港口发展的规模不应过多的超出市场需求,否则将会浪费建设成本;同时,建设的规模也不能少于港口的发展需求,否则港口的运转能力将会受限。因此,港口吞吐量是港口规划的重要内容之一,需要经科学的考察和评价后才能确定,越来越多的研究焦点聚集在港口吞吐量的预测问题上。港口的吞吐量在随着时间变化的同时,也受着港口所在腹地的经济数量的影响。一些预测认为所有的因素对其产生的影响都可以反映在随时间产生的变化上,另一些预测认为需要对因素进行具体的量化来考虑。吞吐量预测方法的选取也将直接影响预测结果。本文提炼出港口吞吐量的影响因素,从现实角度出发,提出在考虑多个影响因素的情况下,应用宽度学习系统进行港口吞吐量预测研究,改进了吞吐量的预测,贴合港口吞吐量预测的实际情况。首先,本文介绍了港口吞吐量的研究背景和国内外研究现状,并且详细的介绍了常见的港口吞吐量的预测方法的预测原理。接下来,本文引入了宽度学习系统来进行多影响因素下的吞吐量的预测。具体地,本文以中国江苏省连云港港口为例,以其2005年第一季度至2016年第四季度的港口吞吐量数据为依据,在不考虑影响因素的情况下,以时间序列法和宽度学习系统对该港口 2017,2018年各季度的港口吞吐量进行预测。进一步的,考虑到港口所在省份的第二产业、第三产业投资对吞吐量的影响,应用宽度学习系统对该港口 2017,2018年各季度的集装箱吞吐量进行预测,并用一元线性回归法、多元线性回归法、BP神经网络法对同一时间段吞吐量进行预测,将预测结果与实际吞吐量进行对比。宽度学习系统中引入的激活函数的概念使线性问题可以在非线性空间上得到更好的解决,使得在考虑影响因素进行吞吐量预测时,能够准确的训练网络。实验结果证明,在以上几种预测方法中,宽度学习系统在同时考虑两种影响因素的前提下,取得了最精准的预测结果,更加适用于港口吞吐量的预测。
田芳[5]（2020）在《铁路物流基地选址及快捷货物列车开行方案研究》文中研究表明我国社会经济和电子商务的快速发展,给人民生活水平的提高带来了极大的便利,白货需求量的与日俱增,给货物运输带来了挑战和机遇,快递业随之迅速崛起。我国铁路、公路、航空和水路等多种运输方式和综合物流业均取得了巨大的发展,但就当前发展现状来看铁路运输的优势并未得到充分挖掘。考虑当前国家发展战略和铁路运输特色,铁路物流基地的建设及在基地间开行快捷货物列车的研究具备理论和实际意义。在此背景下,论文首先对国内外关于铁路物流基地选址和快捷货运列车开行方案相关文献做了综述,主要从铁路货运集中化研究现状、铁路物流基地选址研究现状、铁路战略装车点选址研究现状、多目标规划的研究现状等方面阐述。其次,分析了国内外快捷货物列车的发展现状,对铁路物流基地的相关概念进行界定,总结了铁路物流基地的特点,对铁路物流基地与货运站的区别进行分析,考虑了铁路物流基地选址的影响因素及选址原则;此外详细介绍了多目标规划理论的一般模型形式和求解的基本方法,为后续论文的研究奠定理论基础。再次,研究了铁路物流基地选址问题,选址分为初步备选和二次筛选。根据区域经济发展情况进行铁路物流服务区域划分,选出各物流区经济发达的省会城市作为备选地,采用DEA模型对铁路物流基地进行指标体系评价,运用MATLAB求解模型,得到有效的备选铁路物流基地的城市。然后,进行我国快递行业现状分析及快递业务量预测。使用一元线性回归预测法分别预测已选七个城市的快递业务量,在此定义货源吸引强度主要由送达城市的地区生产总值全国占比、零售消费品总额全国占比所决定,构建OD预测模型,进行七大城市间快递OD量的预测。最后,建立以铁路运营效益最大和货物运输时间最少的多目标规划模型。采用线性加权法将其转换为单目标函数后,分析设计遗传算法对模型进行求解。根据求解结果编制快捷货物列车的开行方案。
李坤玲[6]（2020）在《福州市绿地优势树种单木特征及对城市照明的响应》文中认为城市绿地对改善城市生态环境质量有着至关重要的作用。城市优势树木作为城市绿地的主要组成部分,其冠层结构、单木特征及与城市照明的关系研究可为设计城市绿地乔木种植模式、量化搭配种植密度以及设计管理等提供理论依据,此类研究对改善城市环境,提高绿地效应有着重要意义。为进一步量化城市树种单木研究,选取福州市区10个公园乔木树种的树高、胸径、冠幅为研究指标,采用典型样地调查法和前人研究基础确定城市绿地优势树种为研究对象,研究内容主要包括:1)不同优势树种冠层回归模型;2)优势树单木特征及生长空间需求估计;3)优势木叶片性状之间的差异及其影响因素;4)城市照明灯对城市优势树种生长的影响。研究结果表明:（1）城市优势树种冠层结构胸径-冠幅、胸径-树高之间存在线性关系。芒果（Mangifera indica）、樟树（Cinnamomum camphora）、美丽异木棉（Ceiba speciosa）、羊蹄甲（Bauhinia purpurea）、榄仁树（Terminalia catappa）、龙眼（Dimocarpus longan）、垂叶榕（Ficus benjamina）、糖胶树（Alstonia scholaris）8个树种的胸径-冠幅尺度回归模型都具有较高的拟合度R2,相关性也较高,相关系数均在0.5以上,95%的可能性认为它们的胸径和冠幅存在线性关系;除樟树外,其余9个优势树种的胸径-树高回归模型的拟合度R2均小于0.5。樟树、美丽异木棉、龙眼、榄仁、杜英（Elaeocarpus decipiens）超过95%的可能性认为它们的胸径和树高之间存在线性关系。（2）通过树种的生长模型预估林木生长所需要的生存空间,胸径为20 cm时,福州城市绿地树木的生长空间需求期望为347.93 m3。当胸径相同时,随着冠幅的增大,生长空间也变大,两者正相关关系。而随着树高的增加,后者没有明显的规律性。（3）10个树种的叶长（leaf length,LL）、叶宽（leaf width,LW）、叶面积（leaf area,LA）、叶脉厚度（vein thickness,VT）、叶片厚度（leaf thickness,LT）、叶绿素含量（chlorophyll contents,CHLC）平均值分别为33.27 cm2、4.30 cm、0.67 mm、11.35 cm、0.24 mm、49.31spad,相似生境各叶片性状种间变异幅度大,变异系数依次是83.72%（LA）>56.68%（LW）>42.44%（VT）>37.40%（LL）>22.94%（LT）>18.74%（CHLC）;叶片性状的方位效应明显。除杜英的VT、樟树的LT于各方位的差异不显着外,各树种叶片性状在不同方位间差异显着:各叶片性状间存在显着相关性,LL、LW、LA呈极显着正相关,VT与LT呈极显着负相关,CHLC与LA呈极显着正相关,与LT呈极显着负相关;叶片性状指标的聚类分析显示可以将10种优势树种分成3大类。（4）路灯灯光对植物的叶面积、叶片厚度、叶绿素含量有不同程度影响。不同的灯光光照强度对相同植物不同生长指标影响不同。相同灯光光照强度对不同树种植物影响程度不同,有些抑制生长,有些促进生长。研究结果为深入认识城市乔木冠层结构、胸径与树高和冠幅的关系及城市树木生长空间的估计提供一定理论依据;也为城市建设中城市优势树种的选择与搭配、经营与管理、以及城市照明设施的设置提供一定的参考依据,以便更好地发挥城市绿地的生态效益与环境保护的作用。
刘柯汝[7]（2019）在《基于博弈论的轨道交通投标报价模型研究》文中提出自20世纪70年代城市轨道交通在北京修建完成后,迅速在我国其他人口密集的城市蔓延,至2018年10月,我国已有36个城市开通了轨道交通。如今,粤港澳大湾区建设上升为国家战略,规划了近100条地铁线路。由此可见,我国城市轨道交通建设一直在如火如荼地进行。招标投标作为常用的竞标方式,投标价是项目中标的关键因素,因此研究轨道交通项目的投标报价具有重要意义。在现有投标报价博弈模型中大多数是采用“经评审合理低价中标法”,主要原因是“综合评标办法”使用常规博弈模型计算非常复杂。为探索“综合评标办法”的博弈模型,给投标者的投标决策提供理论依据,减少企业盲目投资的时间成本和经济成本。以G省轨道交通土建施工项目作为研究对象,构建基于“综合评标法”的投标报价博弈模型。首先,选用文献分析的方法深入了解轨道交通项目招标、投标以及评标的特点和流程,明确课题的研究意义和背景。其次,采用现场调研法和数据搜集法确保课题研究中数据的真实性和有效性。采用数理统计法对数据进行分析和处理。然后,基于上述的准备工作,在传统报价的基础上引入一元线性回归预测模型,针对G省1-12号线轨道交通土建施工项目中标价和控制价之间存在的线性关系展开研究,确定中标价和控制价之间的经验公式进而预测中标价。最后,在预测中标价的基础上使用博弈理论中的矩阵博弈和最佳对策思想,站在投标者的角度,建立“综合评标办法”的投标报价模型,进而辅助投标者做出更加合理的决策。以G省轨道交通13号线作为工程实例验证投标报价博弈模型的科学性和合理性,结果显示:所建投标报价博弈模型可以预测中标价,预测偏差率的范围为0.17%-0.23%并且在预测中标价方面比一元线性回归模型更加准确,准确率增加0.04%-0.10%,其次,在指导投标者决策方面,所建博弈模型得出的报价对策在实践中被证明是可行的。通过对G省“综合评标办法”的轨道交通投标报价进行研究,为类似工程的投标报价提供了一定的参考,论文的主要研究结论有:（1）通过一元线性回归预测模型得出G省轨道交通土建施工项目中标价和控制价的经验公式为（10）（28）xy 8784.04764520。（2）使用基于博弈论的轨道交通投标报价模型预测中标价比使用一元线性回归预测模型更加准确。（3）基于博弈论的轨道交通项目投标报价模型可以辅助投标者进行前期决策,减少投标者盲目投标的时间成本和经济成本,在追求更大概率中标的同时确保投标者收益最大。
牟娟[8]（2019）在《线性回归分析在指数模型中的应用》文中研究指明通过线性回归方法对指数模型进行分析,并用Excel软件首先对参数进行逐步计算,再用R软件直接对参数进行估计,使学生更能理解一元线性回归模型中参数估计方法和应用。最后,再引入变量-社会消费品零售总额,分析其对股票价格的影响,结果显示2005年2月-2018年12月期间沪深300指数和社会消费品零售总额对平安银行收益率有显着影响。
李霞[9]（2019）在《高中生数据分析素养的测量与评价研究》文中研究表明随着大数据时代的到来,统计与概率核心素养已经成为未来公民必备的思维品质与关键能力之一。数学学科核心素养则成为当前数学教育研究领域持续关注的焦点。《普通高中课程标准（2017年版）》提出了数学学科的六大核心素养,充分体现了数学学科核心素养在高中数学教育中的重要地位。数据分析素养是大数据时代背景下最具时代特征的数学核心素养之一。当前,适合我国数学课程改革现状的学科核心素养测评体系亟待建立和完善。基于数学课程标准关于学科核心素养内涵的质量描述与水平划分理论、PISA测评理论以及SOLO分类理论,本文对高中生数据分析素养的水平及有效达成展开实证研究。本研究的思路与方法:首先对数学核心素养和数据分析素养的研究现状进行比较与分析;结合课程标准和PISA测评理论确定了将内容、过程、情境和情感态度价值观作为数据分析素养测评的四个维度,并基于SOLO分类理论制定了内容维度水平划分标准,建立起了高中生数据分析素养测评体系。在此基础上编制了高中生数据分析素养测试卷与调查问卷,选取了JX省GZ市GX区某重点中学高三年级不同层次的三个班级的149名学生作为样本进行测评,借助Excel2016和SPSS21.0对测评得到的数据进行了整体分析、相关性分析、差异性分析和各测评维度的分析。测评与研究结果表明:（1）高中生数据分析素养测评的整体得分平均处于及格水平,以内容、过程、情境为基础的测试卷得分低于及格水平。（2）高中生在数据分析有关的内容、情境、过程中的表现与情感态度价值观之间具有显着相关性;不同性别的学生的数据分析素养并无显着性差异,不同班级类型、日常数学成绩所处分数段的学生的数据分析素养具有显着差异。（3）内容维度,大部分学生在获取数据的基本途径与概念、统计图表、用样本估计总体、成对数据的统计相关性四个单元的表现达到了多点结构水平,对抽样内容的掌握停留在单点结构水平,约为三分之一的学生在一元线性回归模型单元的表现达到了多点结构水平,绝大部分学生在2×2列联表单元的表现达到了多点结构水平。（4）学生在形成数学过程的表现较好,在应用数学和解释数学过程的表现相对较差;在社会的和科学的情境中表现较好,在个人的和职业的情境中表现相对较差。（5）大部分学生都具有良好的数据分析素养情感、态度和价值观水平,非常肯定数据分析在实际生活、科学、技术、医疗和工程等方面的价值。基于以上测评与研究结果,我们建议:（1）教材编写上以培养学生的数据分析素养作为教材编写的核心目标,与时俱进的增加一些大数据分析案例引起学生兴趣;（2）考试命题以学生的数据分析素养水平作为统计模块考查的目标,命制一定量的开放性试题;（3）教师自身加强对课程标准中数据分析素养理论的学习,加强对大数据分析等统计专业知识的掌握;（4）教师教学过程中以培养高中生数据分析素养作为统计内容教学的核心目标,加强学生对数据分析有关概念和方法的理解,以实际情境为背景展开数据分析有关内容的教学,通过开展统计活动让学生亲历数据分析的全过程,结合信息技术提高学生数据分析素养。
刘松晖[10]（2019）在《Excel在化工计算中的若干应用》文中指出在化工问题研究和化工教学中,经常涉及两方面的复杂计算问题:一是把实验数据整理为方程式,以定量描述过程自变量与因变量之间的关系,即回归分析问题,其中主要包括一元线性回归、多元线性回归;二是非线性方程求解问题,包括一元非线性方程和多元非线性方程的求解。本文以几个典型的化工计算问题为例介绍如何采用Excel 2010的回归分析、单变量求解和规划求解功能解决上述计算问题,从中可以看出相对采用Matlab、Fortran等语言编程计算方法,Excel具有快捷、高效的特点。
二、EXCEL的应用——解一元线性回归问题（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、EXCEL的应用——解一元线性回归问题（论文提纲范文）
（1）“一元线性回归模型”教学设计（论文提纲范文）
| 一、内容和内容解析 |
| 1. 内容 |
| 2. 内容解析 |
| 二、目标和目标解析 |
| 1. 目标 |
| 2. 目标解析 |
| 三、教学问题诊断 |
| 四、教学媒体设计 |
| 1. 导入使用真实案例 |
| 2. 设计了画散点图的课堂活页 |
| 3. Excel表格一表多用，无缝衔接 |
| 4. 自主录制微课，传授技能 |
| 5. 课件简洁优美 |
| 6. 板书简洁有条理 |
| 五、教学过程设计 |
| 1. 创设情境，提出问题 |
| 2. 统计分析，探究交流 |
| 3. 建立模型，理解原理 |
| 4. 运行程序，计算预测 |
| 5. 分析反思，实际预测 |
| 6. 课堂总结，布置作业 |
（2）熔断器测试管理系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 项目的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 熔断器及测试国内外研究历史及现状 |
| 1.2.2 管理系统国内外研究历史和现状 |
| 1.2.3 数据分析国内外研究历史和现状 |
| 1.3 本论文的主要贡献 |
| 1.4 本论文的结构安排 |
| 第二章 系统需求分析 |
| 2.1 系统架构对比分析及选型 |
| 2.1.1 C/S模式原理分析 |
| 2.1.2 B/S模式原理分析 |
| 2.1.3 管理系统架构选型 |
| 2.1.4 数据库技术 |
| 2.2 系统模型需求分析 |
| 2.2.1 熔断器测试及数据获取 |
| 2.2.2 线性回归原理分析 |
| 2.2.3 BP神经网络原理分析 |
| 2.3 系统的详细分析 |
| 2.3.1 功能需求分析 |
| 2.3.2 性能需求分析 |
| 2.3.3 数据流图分析 |
| 2.3.4 系统的用例图 |
| 2.4 本章小结 |
| 第三章 系统设计 |
| 3.1 系统设计目标 |
| 3.2 系统的详细设计 |
| 3.2.1 系统结构设计 |
| 3.2.2 系统功能设计 |
| 3.2.3 系统的流程图设计 |
| 3.3 数据库的设计 |
| 3.3.1 数据库设计规范 |
| 3.3.2 数据库详细设计 |
| 3.4 系统模型设计 |
| 3.4.1 散点图与相关性分析 |
| 3.4.2 一种用于熔断器测试的一元线性回归模型的设计 |
| 3.4.3 一种用于熔断器测试的BP神经网络模型的设计 |
| 3.5 本章小结 |
| 第四章 系统实现 |
| 4.1 系统开发环境 |
| 4.2 数据库实现 |
| 4.3 数据模型的建立及仿真 |
| 4.3.1 一种用于熔断器测试的一元线性回归模型 |
| 4.3.2 一种用于熔断器测试的BP神经网络模型 |
| 4.4 系统的主要界面 |
| 4.5 本章小结 |
| 第五章 系统测试 |
| 5.1 测试目的 |
| 5.2 测试环境及策略 |
| 5.3 测试用例模板及通过的标准 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（3）Excel在一元线性回归分析中的应用（论文提纲范文）
| 1 一元线性回归模型建立过程及定义 |
| 1.1 回归分析的建立过程 |
| 1.2 一元线性回归模型的定义 |
| 1.3 a,b值的具体求解过程 |
| 2 模型的提出及判定是否存在线性相关性 |
| 2.1 回归分析成本预测模型的提出 |
| 2.2 相关系数的定义及其判断变量之间线性关系程度 |
| 2.3 判断产量与成本是否存在线性关系 |
| 3 运用Excel进行一元回归分析实例操作 |
| 3.1 应用Excel中的函数计算回归方程 |
| 3.2 在Excel中应用数据分析工具求解回归方程及其输出数据的解释 |
| 3.3 在Excel中应用所求回归方程进行预测 |
| 4 多元线性回归分析 |
| 5 总结 |
（4）基于BLS的多影响因素下港口吞吐量预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 预测模型的研究现状 |
| 1.2.2 预测模型在港口吞吐量的应用现状 |
| 1.2.3 港口吞吐量预测中影响因素的研究现状 |
| 1.3 研究课题的提出 |
| 1.4 论文的主要研究内容 |
| 1.5 论文的组织结构 |
| 2 港口吞吐量的预测方法 |
| 2.1 定性分析法 |
| 2.2 定量分析法 |
| 2.2.1 基于自回归线性分析的预测方法 |
| 2.2.2 基于多元回归分析的预测方法 |
| 2.2.3 基于机器学习的预测方法 |
| 3 基于宽度学习系统的港口吞吐量预测建模 |
| 3.1 宽度学习系统 |
| 3.2 基于宽度学习的自回归的港口吞吐量预测 |
| 3.2.1 使用宽度学习预测港口吞吐量的演化流程 |
| 3.2.2 基于宽度学习系统的预测模型构建 |
| 3.3 基于宽度学习的多影响因素下的港口吞吐量预测 |
| 3.3.1 影响因素的选取 |
| 3.3.2 基于宽度学习的多影响因素下的港口吞吐量预测模型构建 |
| 4 港口吞吐量的预测实例 |
| 4.1 不考虑影响因素的港口吞吐量的预测 |
| 4.1.1 基于自回归分析的ARIMA模型的港口吞吐量预测 |
| 4.1.2 基于宽度学习模型的港口吞吐量预测 |
| 4.2 考虑影响因素的港口吞吐量的预测 |
| 4.2.1 实验数据 |
| 4.2.2 基于一元回归分析的预测建模 |
| 4.2.3 基于二元回归分析的港口吞吐量预测建模 |
| 4.2.4 基于BP神经网络的港口吞吐量预测建模 |
| 4.2.5 基于宽度学习的影响因素下的港口吞吐量预测 |
| 4.3 港口吞吐量预测结果分析 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（5）铁路物流基地选址及快捷货物列车开行方案研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 相关领域的国内外研究现状 |
| 1.2.1 现有研究情况统计分析 |
| 1.2.2 铁路货运集中化的研究现状 |
| 1.2.3 铁路物流基地选址模型的研究现状 |
| 1.2.4 铁路战略装车点选址方面的研究现状 |
| 1.2.5 多目标规划研究现状 |
| 1.3 研究目的及意义 |
| 1.4 主要研究内容、方法及研究框架 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究方法及研究框架 |
| 2 相关概念界定及理论基础 |
| 2.1 快捷货物列车及国内外发展现状 |
| 2.1.1 国外快捷货物列车发展现状 |
| 2.1.2 国内快捷货物列车发展现状 |
| 2.2 铁路物流基地选址问题描述 |
| 2.2.1 铁路物流基地的概念界定及功能 |
| 2.2.2 铁路物流基地的特点 |
| 2.2.3 铁路物流基地与货运站的区别 |
| 2.2.4 铁路物流基地选址的原则和影响因素 |
| 2.3 多目标规划相关理论 |
| 2.3.1 多目标规划的基本形式 |
| 2.3.2 求解多目标规划的常用方法 |
| 2.3.3 多目标规划在实际应用中的优势 |
| 2.4 常用选址方法比较 |
| 3 铁路物流基地选址 |
| 3.1 初步确立备选地 |
| 3.1.1 物流区域的划分 |
| 3.1.2 物流区域的模糊选择 |
| 3.2 选址综合评价 |
| 3.2.1 指标体系图 |
| 3.2.2 DEA模型 |
| 3.2.3 DEA指标的确定及选址 |
| 4 快递业务量预测及开行方案优化模型建立 |
| 4.1 我国快递行业现状分析及需求预测 |
| 4.1.1 快递业务量及快递业务收入情况 |
| 4.1.2 快递业务地域分布情况 |
| 4.2 快递业务量预测 |
| 4.2.1 数据分析 |
| 4.2.2 一元线性回归预测法 |
| 4.2.3 七大城市快递业务量的预测 |
| 4.3 七大城市间快递OD量的预测 |
| 4.4 铁路快捷货物列车开行方案问题概述 |
| 4.4.1 开行方案编制的流程 |
| 4.4.2 问题描述 |
| 4.5 铁路快捷货物列车开行方案优化模型建立 |
| 4.5.1 模型涉及符号参数 |
| 4.5.2 目标函数及模型建立 |
| 5 快捷货物列车开行方案的设计 |
| 5.1 开行方案编制基础 |
| 5.2 模型求解 |
| 5.3 算法设计 |
| 5.3.1 算法选取 |
| 5.3.2 遗传算法设计原理 |
| 5.4 快捷货物列车开行方案模型求解及方案编制 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录1 数据指标 |
（6）福州市绿地优势树种单木特征及对城市照明的响应（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.2 研究进展 |
| 1.2.1 优势树种冠层模型与生存空间研究进展 |
| 1.2.2 优势树种冠层结构与单木特征研究进展 |
| 1.2.3 优势树种叶片性状研究进展 |
| 1.2.4 优势树种对城市照明响应研究进展 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 2 材料与方法 |
| 2.1 区域研究概况 |
| 2.1.1 地理位置 |
| 2.1.2 地貌特征 |
| 2.1.3 气候环境 |
| 2.1.4 水文资源 |
| 2.1.5 土壤条件 |
| 2.1.6 城市绿地现状 |
| 2.1.7 城市绿地植被概况 |
| 2.2 样地调查 |
| 2.2.1 样木采集与测定 |
| 2.2.2 数据处理 |
| 3 结果与分析 |
| 3.1 福州城市优势树种的冠层模型与生长空间需求估计 |
| 3.1.1 胸径-冠幅模型结果分析 |
| 3.1.2 树高-胸径模型结果分析 |
| 3.1.3 福州城市绿地主要优势树种的生长空间差异 |
| 3.2 优势树种单木特征分析与对比 |
| 3.2.1 优势树种单木树高结构特征差异分析 |
| 3.2.2 优势树种单木胸径结构特征差异分析 |
| 3.2.3 优势树种单木冠幅结构特征差异分析 |
| 3.3 城市绿地主要优势树种叶片性状多样性研究 |
| 3.3.1 各树种叶片性状变异分析 |
| 3.3.2 各树种不同方位叶片性状的差异比较 |
| 3.3.3 叶片性状间的相关性和聚类分析 |
| 3.4 优势树种对城市照明响应研究 |
| 3.4.1 城市光照优势树种调查统计结果 |
| 3.4.2 各优势树种生长指标的差异性分析 |
| 4 讨论 |
| 4.1 福州城市绿地优势树种冠层模型与生存空间 |
| 4.1.1 优势树种胸径-冠幅、胸径-树高线性回归模型 |
| 4.1.2 优势树种胸径-冠幅、胸径-树高模型适用性差异原因 |
| 4.1.3 优势树种冠层结构模型与树种生存空间需求 |
| 4.1.4 优势树种冠层结构模型与树种生存空间需求分析 |
| 4.2 城市绿地优势树种单木特征的差异 |
| 4.2.1 优势树种单木胸径结构特征 |
| 4.2.2 优势树种单木树高结构特征差异分析 |
| 4.2.3 优势树种单木冠幅结构特征差异分析 |
| 4.2.4 优势树种单木结构特征产生差异的原因 |
| 4.3 优势树种叶片性状特征 |
| 4.3.1 方位对叶片性状差异影响显着 |
| 4.3.2 各叶片性状间存在一定的相关性 |
| 4.3.3 影响叶片性状变异的可能原因 |
| 4.4 叶片对灯光照明的响应 |
| 5 结论 |
| 6 研究不足与展望 |
| 参考文献 |
| 致谢 |
（7）基于博弈论的轨道交通投标报价模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 发现存在现象和不足 |
| 1.3 研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 主要研究方法 |
| 1.3.3 技术路线 |
| 1.4 论文创新点 |
| 1.5 本章小结 |
| 2 基础理论研究 |
| 2.1 轨道交通项目招标、投标概述 |
| 2.1.1 轨道交通项目招标、投标的概念 |
| 2.1.2 轨道交通项目招投标市场现状 |
| 2.1.3 轨道交通招投标的特点 |
| 2.1.4 综合评估法概述和投标流程 |
| 2.2 G省轨道交通的评标概述 |
| 2.2.1 轨道交通项目评标概述 |
| 2.2.2 G省轨道交通工程施工评标办法 |
| 2.2.3 G省轨道交通工程施工评标流程 |
| 2.3 轨道交通投标报价 |
| 2.3.1 轨道交通项目投标报价概述 |
| 2.3.2 轨道交通项目投标报价策略 |
| 2.4 一元线性回归理论 |
| 2.4.1 线性回归基本概念 |
| 2.4.2 一元线性回归法的适用范围 |
| 2.4.3 求解线性回归的运算工具 |
| 2.5 博弈论相关理论 |
| 2.5.1 博弈论的基本概念 |
| 2.5.2 不完全信息静态博弈 |
| 2.5.3 完全信息静态博弈 |
| 2.5.4 矩阵博弈 |
| 2.5.5 最佳对策 |
| 2.6 本章小结 |
| 3 轨道交通中标价的回归分析与预测 |
| 3.1 实验目的 |
| 3.2 实验原理 |
| 3.3 实验数据与内容 |
| 3.4 实验操作步骤 |
| 3.5 本章小结 |
| 4 博弈模型的建立 |
| 4.1 博弈模型的基本假设 |
| 4.2 矩阵博弈模型建立 |
| 4.3 博弈分析-最佳对策 |
| 4.4 博弈模型分析 |
| 4.5 本章小结 |
| 5 案例分析 |
| 5.1 工程概况 |
| 5.2 建立博弈模型 |
| 5.2.1 博弈模型的基本假设 |
| 5.2.2 博弈模型的求解 |
| 5.3 投标报价分析 |
| 5.4 投标报价模型验证 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录1:f=1.5时,投标单位扣分值 |
| 附录2:f=1.25时,投标单位扣分值 |
| 附录3:f=1时,投标单位扣分值 |
| 附录4:f=0.75时,投标单位扣分值 |
| 附录5:f=0.5时,投标单位扣分值 |
| 附录6:f=0.25时,投标单位扣分值 |
| 攻读学位期间的研究成果 |
（8）线性回归分析在指数模型中的应用（论文提纲范文）
| 1 模型分析 |
| 2 数据收集与处理 |
| 3 实证分析 |
| 3.1 一元线性回归分析 |
| 3.2 多元线性回归分析 |
| 4 结束语 |
（9）高中生数据分析素养的测量与评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 数学核心素养是现代社会公民应具备的基本素养 |
| 1.1.2 适合我国现状的数学核心素养测评体系亟待建立和完善 |
| 1.1.3 大数据时代背景下数据分析素养理应得到进一步的重视 |
| 1.2 研究内容 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实践意义 |
| 2 文献综述 |
| 2.1 数学核心素养的研究综述 |
| 2.1.1 数学核心素养内涵的研究 |
| 2.1.2 数学核心素养构成要素的研究 |
| 2.1.3 数学核心素养测量与评价的研究 |
| 2.1.4 数学核心素养培养的研究 |
| 2.2 数据分析素养研究综述 |
| 2.2.1 数据分析素养内涵与构成要素的研究 |
| 2.2.2 数据分析素养测量与评价的研究 |
| 2.2.3 数据分析核心素养培养的研究 |
| 2.3 基本概念界定 |
| 3 高中生数据分析素养测评体系的构建 |
| 3.1 高中生数据分析素养测评指标体系建立的依据 |
| 3.1.1 《课程标准(2017 年版)》评价建议 |
| 3.1.2 国际学生评估项目(PISA) |
| 3.2 高中生数据分析素养测评的各个维度的刻画 |
| 3.2.1 高中生数据分析素养内容维度的刻画 |
| 3.2.2 高中生数据分析素养过程维度的刻画 |
| 3.2.3 高中生数据分析素养情境维度的刻画 |
| 3.2.4 高中生数据分析素养情感态度价值观维度的刻画 |
| 3.3 高中生数据分析素养测评的指标体系 |
| 3.4 高中生数据分析素养水平划分 |
| 4 研究设计与过程 |
| 4.1 研究思路与方法 |
| 4.1.1 研究思路 |
| 4.1.2 研究方法 |
| 4.2 研究工具 |
| 4.2.1 高中生数据分析素养测试卷的编制 |
| 4.2.2 数据分析素养调查问卷的编制 |
| 4.2.3 测试卷的难度与区分度 |
| 4.2.4 测试卷与调查问卷的信度与效度 |
| 4.3 研究对象 |
| 4.4 数据的收集与处理 |
| 5 高中生数据分析素养的测评结果分析 |
| 5.1 高中生数据分析素养整体分析 |
| 5.1.1 测试卷与调查问卷的得分分析 |
| 5.1.2 相关性分析 |
| 5.1.3 差异性分析 |
| 5.2 高中生数据分析素养各测评维度结果分析 |
| 5.2.1 高中生数据分析素养测评内容维度结果分析 |
| 5.2.2 高中生数据分析素养测评过程维度结果分析 |
| 5.2.3 高中生数据分析素养测评情境维度结果分析 |
| 5.2.4 高中生数据分析素养测评情感态度价值观维度结果分析 |
| 6 高中生数据分析素养测评研究结论与建议 |
| 6.1 高中生数据分析素养测评研究结论 |
| 6.2 高中生数据分析素养培养建议 |
| 6.2.1 对教材编写的建议 |
| 6.2.2 对考试命题的建议 |
| 6.2.3 对教师自身的建议 |
| 6.2.4 对教师教学的建议 |
| 7 研究反思与展望 |
| 7.1 研究反思 |
| 7.2 研究展望 |
| 参考文献 |
| 附录一 :SOLO分类理论中的水平特征表 |
| 附录二 :高中必修课程与选择性必修课程统计板块知识点 |
| 附录三 :高中生数据分析素养测试卷 |
| 附录四 :高中生数据分析素养调查问卷 |
| 致谢 |
四、EXCEL的应用——解一元线性回归问题（论文参考文献）
- [1]“一元线性回归模型”教学设计[J]. 黄润华. 中国数学教育, 2021(10)
- [2]熔断器测试管理系统的设计与实现[D]. 黄仲逸. 电子科技大学, 2021(01)
- [3]Excel在一元线性回归分析中的应用[J]. 杨雄,曾智. 保山学院学报, 2021(02)
- [4]基于BLS的多影响因素下港口吞吐量预测研究[D]. 李怡莹. 大连海事大学, 2020(01)
- [5]铁路物流基地选址及快捷货物列车开行方案研究[D]. 田芳. 兰州交通大学, 2020(01)
- [6]福州市绿地优势树种单木特征及对城市照明的响应[D]. 李坤玲. 福建农林大学, 2020(02)
- [7]基于博弈论的轨道交通投标报价模型研究[D]. 刘柯汝. 兰州交通大学, 2019(04)
- [8]线性回归分析在指数模型中的应用[J]. 牟娟. 科技创新与应用, 2019(15)
- [9]高中生数据分析素养的测量与评价研究[D]. 李霞. 江西师范大学, 2019(03)
- [10]Excel在化工计算中的若干应用[J]. 刘松晖. 广东化工, 2019(07)