导读:本文包含了广义回归论文开题报告文献综述及选题提纲参考文献，主要关键词:黄前水库,径流预测,GRNN神经网络,网络循环训练方法
广义回归论文文献综述
徐珊,李斌,岳超[1]（2019）在《基于广义回归神经网络GRNN的黄前水库径流预测分析》一文中研究指出利用1964年至2011年黄前水库以上年降雨量、蒸发量和径流量作为网络的训练样本,2012年的数据作为网络的外推测试样本,监测数值训练中采用交叉验证方法训练GRNN神经网络,对黄前水库径流量进行预测分析,采用网络循环训练方法,达到最佳预测效果。(本文来源于《科技风》期刊2019年32期）
张碧怡,肖宇谷,曾宇哲[2]（2019）在《车险定价中风险因子重要性测度的比较研究——基于集成学习方法和广义线性回归模型》一文中研究指出车险业务中影响车险损失的风险因子很多,如从人因子、从车因子、从属地因子和保单属性因子等,保险公司通常利用这些风险因子对个体风险进行分类,一方面作为车险定价的依据,另一方面也为部门沟通、业务选择和市场细分提供支持。因此,识别风险因子的重要性对提升整个车险业务质量有非常重要的意义。近年来机器学习算法在车险损失预测中的应用越来越多,但目前的研究主要考虑了损失预测的精度,对风险因子的重要性测度缺少系统深入的研究。为此,本文对8个车险数据集,利用两种集成学习方法(随机森林和XGBoost),比较了它们与广义线性回归模型在索赔频率风险因子重要性测度上的一致性。研究结果表明,这两种集成学习方法不仅能提高预测精度,还能提供较一致的风险因子重要性测度。(本文来源于《保险研究》期刊2019年10期）
彭周宁,林培杰,赖云锋,程树英,陈志聪[3]（2019）在《基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测》一文中研究指出随着大规模的光伏发电接入电网,其输出的随机性和波动性给电网调度管理带来巨大的挑战。基于此,本文提出了一种同时考虑统计(历史光伏输出功率)和物理(历史和未来的气象信息)变量的混合灰色关联分析-广义回归神经网络预测模型。首先,计算多元气象因子与光伏发电功率的皮尔逊相关系数,将相关系数较高的气象因子确定为建立预测模型的气象输入因子;然后,采用灰色关联分析算法计算历史日与待预测日的关联度确定最佳相似日,选取最佳相似日的光伏输出功率和气象输入因子以及待预测日的相关气象参数作为广义回归神经网络模型的输入参数,得到待预测日各个时刻输出功率的预测值;最后,利用澳大利亚DKA太阳能中心网站所提供的光伏电站历史气象数据和功率数据对所设计的模型进行训练和测试,验证模型在不同季节下的预测效果。结果表明,与所选择的对比模型相比,本文所建模型具有较好的预测性能。(本文来源于《电气技术》期刊2019年10期）
李泽光,孙楚[4]（2019）在《广义自回归条件异方差模型(GARCH)在我国股票市场中的实证研究》一文中研究指出国家政策的推出对于股市的波动造成何种影响,是在研究我国股市波动性时需要关注的一个重要问题。本文结合我国股票市场的实际发展,选取"融资融券"业务这一重要政策,并提取政策提出前后股票市场中的有关数据,对数据进行GARCH类模型拟合,结合所得模型分析该政策提出前后股市的波动性变化。(本文来源于《市场周刊》期刊2019年10期）
陶云,王育梅,吴晶[5]（2019）在《基于广义线性回归分析的急性冠脉综合征患者医疗资源使用与医疗费用研究》一文中研究指出目的研究急性冠脉综合征患者的医疗资源使用与医疗费用情况,为制定合理医疗政策,减轻社会及患者负担提供证据支持。方法选取2012—2013年天津市城镇职工基本医疗保险参保人30%随机抽样数据库中至少1次以急性冠脉综合征为主要诊断的住院记录,年龄≥18周岁,基线期(12个月)和随访期(12个月)内均持续参保的患者为研究对象。统计基线期患者基本特征、随访期患者疾病特异的医疗资源使用及医疗费用构成,并通过广义线性回归分析患者医疗费用的影响因素。结果 14 358名患者纳入本研究中,患者平均年龄为(64.69±10.72)岁,54.6%为男性,80.6%处于退休状态。患者察尔森合并症指数为(1.72±1.63)。19.0%的患者因急性冠脉综合征有过住院经历,年均住院次数为(1.32±0.72)次,次均住院天数为(10.47±7.76)d。88.5%的患者因急性冠脉综合征有过门诊治疗经历,年人均门诊次数为(13.05±10.18)次。患者年均医疗总费用为(7 435±16 039)元,其中所占比例最高的分别是药品费用(53.3%)、医疗耗材费用(26.7%)和检查费用(10.2%)。回归结果显示年龄、性别、基线合并症及治疗方式是影响患者总医疗费用的主要因素。结论急性冠脉综合征患者医疗费用较高,应采取有效措施降低急性冠脉综合征发生,制定合理医疗政策,从而减轻患者的经济负担。(本文来源于《药物评价研究》期刊2019年09期）
杨元祺,魏猛[6]（2019）在《广义回归神经网络在车险定价模型中的应用》一文中研究指出近年来广义线性模型在车险费率的厘定中得到了广泛的应用,然而广义线性模型本身存在一个明显的缺点,在建立广义线性模型的过程中所使用的数据需要满足较强的分布假设,这就大大限制了广义线性模型在现实中的应用。所以为了提高预测精度我们有必要打破这些分布假设。近年来,随着大数据的不断发展和计算机技术的成熟,新生的机器学习算法为打破这种限制提供了一种可能的有效解决途径。在这种背景下,本文将采用保险公司实际运作中使用的数据,用广义线性模型和神经网络模型分别建模,并将两组模型建模结果相对比,以此来验证上述观点是否正确。我们将采用神经网络模型中的广义回归神经网络分别对索赔概率和累计索赔额进行建模,并使用一种较为实际、有效的调参方法以降低了神经网络模型在实际应用中的难度。本文还采用深度学习的研究方法来考察神经网络模型对新鲜样本的适应能力以及对模型的泛化能力。在经过严谨的验证后我们得出结论:广义回归神经网络在实际应用中能够表现出更好的预测能力。(本文来源于《2019中国保险与风险管理国际年会论文集》期刊2019-07-17）
孙舒曼[7]（2019）在《广义时空变系数自回归模型的参数估计及应用研究》一文中研究指出随着大数据时代的来临,数据量成倍骤增,为更加便捷的管理和使用这些数据,常常将它们分类保存.若按时间或空间划分,可将收集的数据划分为空间数据和时间数据,统称时空数据.通过对时空数据的研究和分析,能够更好的度量不同时空位置对某一定点的影响程度,此外,时空数据还具有时空相关性和时空异质性等特点.近年来,非参数模型方法日益完善,变系数模型受到了更多学者的关注,为解决时空数据问题,时空变系数回归模型孕育而生,然而该时空模型多用于解决连续时空数据问题,对离散时空数据问题研究甚少.本文针对时空离散数据问题,提出新的时空变系数模型,并应用到时空艾滋病数据的研究之中.首先,本文构建了广义时空变系数回归模型和广义时空变系数自回归模型.然后,通过局部线性GWR估计和迭代加权最小二乘估计的方法对广义时空变系数回归模型中的参数进行求解,并由模拟实验得到系数函数模拟曲面,通过对比,发现广义时空变系数回归模型比广义空间变系数回归模型更适合处理时空离散数据问题.接着,使用GWR估计、N-R迭代和Fisher标分法的方法对广义时空变系数自回归模型中的参数进行求解,同样经过模拟实验得到系数函数模拟曲面,对比发现:在相同的参数估计方法下,广义时空变系数自回归模型比广义时空变系数回归模型更适合处理时空离散数据问题.本文使用广义时空变系数回归模型分析中国31个省份、直辖市和自治区在2011-2016年滋病发病率的时空变化情况,并讨论客运量、人均GDP、人口密度和每千人医疗机构床位数这四个宏观因素对艾滋病发病率的影响以及该影响的时空变化特性.同时,使用广义时空变系数自回归模型分析在2011-2016年非洲南部10个大陆国家的艾滋病时空变化情况,以及人均GDP和人口密度对艾滋病发病率影响的时空变化特性.研究发现:1)艾滋病高度发病区存在明显的变化趋势和时空聚集性;2)不同区域不同时间,各个宏观因素对艾滋病发病率影响的强度不同;3)艾滋病发病率的时空分布特征与宏观因素的变化特征密切相关.(本文来源于《新疆大学》期刊2019-06-30）
陈颖,陈大鹏[8]（2019）在《大型火电机组主蒸汽流量的广义回归模型》一文中研究指出首先利用逐步回归法有效地减少模型变量,优化模型结构,再在分层抽样后,利用广义回归神经网络建立主蒸汽流量的预测模型。实例计算表明,该模型能够很好地解决多元非线性函数的逼近问题,并且模型运算速度快、模型精度高,可有效地用于主蒸汽流量的软测量工作。(本文来源于《重庆电力高等专科学校学报》期刊2019年03期）
黄文婷[9]（2019）在《Meta回归模型中基于广义Cochran's Q-statistic的局部影响分析》一文中研究指出Meta分析是对多个有着同一目的且彼此之间互相独立的研究结果进行综合评价与定量分析的一种系统的方法。国内外的众多学者对Meta分析进行了大量的研究,Meta分析现已被广泛地应用于各种各样的领域,例如医学、生态学、经济学、社会科学等。根据已有的文献可知,在Meta回归分析中,关于异质性的估计方法有很多种,并且学者们也对这些方法进行了一定的应用。其中,关于Meta分析中异常值和影响点的识别问题,也有相应的学者对其进行了讨论。Viechtbauer和Cheung(2010)将线性回归分析中的诊断方法应用到了Meta分析模型,识别了Meta分析模型中的异常值和影响点。石磊等(2017)对Meta回归分析模型进行了影响诊断,研究了Meta随机效应模型在数据删除和局部影响分析框架下影响点的诊断理论,但是,文章虽然给出了基于似然的局部影响分析,但对Meta回归模型中的其它常用统计量,比如广义Cochran’s Q-statistic还未涉及到。因此,如何基于广义Cochran’s Q-statistic及其它非似然统计量进行局部影响分析仍然是一个需要探讨的问题。本文基于广义影响函数和广义Cook统计量的局部影响分析的理论框架下,考虑了Meta回归模型中的广义Cochran’s Q-statistic和Paule and Mandel(PM)两种估计方法,分别导出了关于异质性方差估计的诊断统计量,再通过个体加权扰动方案和因变量加权扰动方案等方式进行局部影响分析,并通过实例证明了上述方法的有效性。通过实例分析,本文发现用非似然统计量进行局部影响分析时和基于似然的局部影响分析所得到的结果一致。且不同的统计量识别出来的影响点或异常值是不同的;对于同一统计量而言,不同的扰动方式识别出来的影响点或异常值也是不同的。(本文来源于《云南财经大学》期刊2019-06-16）
尹庆珍,张天策,郄丽娟,韩建会[10]（2019）在《基于广义回归神经网络异质复合墙体日光温室温度场的预测》一文中研究指出为深入分析新型异质复合墙体日光温室的保温特性与应用前景,利用广义回归神经网络算法训练样本数据,通过叁次样条插值法对训练结果拟合,建立冬季温室温度场预测模型。提出确定最优光滑因子的分组数目的留一优化法。选取河北省农科院经作所设计建造的新型异质复合墙体日光温室的2017年数据进行试验验证。结果表明:该模型预测效果良好,分组数目约为样本数目的1/16时训练效果最佳,预测温度与实际温度平均误差0.276 5℃,相关系数大于0.99,具有较好的精度与稳定性。本模型预测温室温度场效果良好,可用于预测冬季温室最低温度确定作物最优定植时间。(本文来源于《中国农业大学学报》期刊2019年06期）
广义回归论文开题报告
（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：
车险业务中影响车险损失的风险因子很多,如从人因子、从车因子、从属地因子和保单属性因子等,保险公司通常利用这些风险因子对个体风险进行分类,一方面作为车险定价的依据,另一方面也为部门沟通、业务选择和市场细分提供支持。因此,识别风险因子的重要性对提升整个车险业务质量有非常重要的意义。近年来机器学习算法在车险损失预测中的应用越来越多,但目前的研究主要考虑了损失预测的精度,对风险因子的重要性测度缺少系统深入的研究。为此,本文对8个车险数据集,利用两种集成学习方法(随机森林和XGBoost),比较了它们与广义线性回归模型在索赔频率风险因子重要性测度上的一致性。研究结果表明,这两种集成学习方法不仅能提高预测精度,还能提供较一致的风险因子重要性测度。
（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。
广义回归论文参考文献
[1].徐珊,李斌,岳超.基于广义回归神经网络GRNN的黄前水库径流预测分析[J].科技风.2019
[2].张碧怡,肖宇谷,曾宇哲.车险定价中风险因子重要性测度的比较研究——基于集成学习方法和广义线性回归模型[J].保险研究.2019
[3].彭周宁,林培杰,赖云锋,程树英,陈志聪.基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测[J].电气技术.2019
[4].李泽光,孙楚.广义自回归条件异方差模型(GARCH)在我国股票市场中的实证研究[J].市场周刊.2019
[5].陶云,王育梅,吴晶.基于广义线性回归分析的急性冠脉综合征患者医疗资源使用与医疗费用研究[J].药物评价研究.2019
[6].杨元祺,魏猛.广义回归神经网络在车险定价模型中的应用[C].2019中国保险与风险管理国际年会论文集.2019
[7].孙舒曼.广义时空变系数自回归模型的参数估计及应用研究[D].新疆大学.2019
[8].陈颖,陈大鹏.大型火电机组主蒸汽流量的广义回归模型[J].重庆电力高等专科学校学报.2019
[9].黄文婷.Meta回归模型中基于广义Cochran'sQ-statistic的局部影响分析[D].云南财经大学.2019
[10].尹庆珍,张天策,郄丽娟,韩建会.基于广义回归神经网络异质复合墙体日光温室温度场的预测[J].中国农业大学学报.2019