导读:本文包含了逐步回归模型论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传-逐步回归,时空模型,变形,监控指标
逐步回归模型论文文献综述
李姝昱,崔潇涵,李延卓,颜小飞[1]（2019）在《基于遗传-逐步回归时空模型的大坝变形监控指标拟定》一文中研究指出为掌握大坝整体的变形规律,采用遗传-逐步回归法建立了大坝空间变形场的时空分布模型,并利用置信区间法动态控制的特点,拟定了变形的区间监控指标,根据每一时刻的环境量,对大坝变形安全状态实时监控。(本文来源于《国际碾压混凝土坝技术新进展与水库大坝高质量建设管理——中国大坝工程学会2019学术年会论文集》期刊2019-11-11）
李慧敏,王小胜,刘欣欣,安笑洁[2]（2019）在《基于理想边界和多元逐步回归模型的城市生活需水量预测》一文中研究指出精准的生活需水量预测可为水资源管理部门调控供需提供数据支撑。由于测量过程中受诸多不确定因素的影响,观测值的测量结果不以单一的数值存在,利用区间数值可以很好描述这一不确定性的范围。现有预测区间的算法需要繁琐的参数搜索过程,本文算法可简化该过程。首先,利用一种初始区间设定办法得到区间宽度,作为本文初始绝对宽度构造区间上下界。其次,对上界集和下界集分别建立多元逐步回归模型预测城市生活需水量的区间上下界,以预测区间覆盖率、预测区间宽度、预测区间对称性和均方根误差作精度评估指标与已有模型结果对比,截取较优的绝对宽度,建立模型。与此同时,以邯郸市生活需水量为例,与已有模型对比,预测精度优于已有模型。(本文来源于《南方农机》期刊2019年17期）
罗智锋[3]（2019）在《多因子逐步回归与自回归组合径流预测模型的建立及应用》一文中研究指出选取1951-2007年大气环流指数及长江大通站1952-2012年平均径流资料,利用多因子逐步回归与自回归组合预测方法建立长江大通站年径流预报模型。结果表明:该模型拟合和试预报合格率分别为94.6%和80%,试预报平均相对误差为16%,相对多因子逐步回归周期分析模型预报效果更佳。影响显着的因子与冷暖空气关系密切,即长江大通站年平均径流受冷暖空气影响较大,且北半球11月极涡强度指数和9月印缅槽存在显着趋势,其他因子未发现显着趋势。优势因子存在5～13个不等的试验周期且普遍存在19 a、28 a周期,周期历时最短4 a,最长28 a。(本文来源于《甘肃水利水电技术》期刊2019年09期）
王自成,朱家明,陈华友[4]（2019）在《基于逐步回归筛选的回归组合预测模型》一文中研究指出组合预测方法能有效集成各个单项预测方法的信息,因而在预测实践中有广泛的应用。组合预测模型中单项预测方法的筛选是一个重要的研究问题。文章从统计的观点出发,提出了基于逐步回归筛选的回归组合预测模型。该方法利用回归系数对应的p值来逐步筛选单项预测方法,直至建立回归组合预测模型。利用人口数据进行了实例分析,结果表明:与现有的组合预测方法进行对比,筛选后的回归组合预测方法有更高的预测精度。(本文来源于《统计与决策》期刊2019年17期）
史中兴,费良军,薛才,赵新宇[5]（2019）在《基于多元逐步回归的大型灌区年退水量预测模型研究》一文中研究指出对于水资源短缺的西北地区,研究大型引黄灌区退水规律及退水量预测对灌区水资源高效利用和灌区水资源管理具有十分重要的意义。本文利用宁夏青铜峡灌区的实测资料,通过灰色关联分析法研究了宁夏引黄灌区年退水量的影响因素和预测模型,得出影响灌区退水量的主要因素依次为灌溉引水量、地下水位、降水量和蒸发量;建立了灌区退水量的多元逐步回归预测模型,并对青铜峡灌区退水量进行了预测研究,结果表明,该模型具有较高的预测精度,研究成果为灌区水资源高效利用奠定了科学基础。(本文来源于《地下水》期刊2019年03期）
裴敬垚[6]（2019）在《大坝变形监测逐步回归统计模型的建立与应用》一文中研究指出文章介绍了逐步回归统计模型的建立步骤,对模型建立过程中的算法进行了优化,采用VB 6.0编程完成了大坝变形监测逐步回归统计模型建立的程序,并将该程序应用于丹江口大坝1975～1981年间变形监测资料的数据处理,建立了逐步回归统计模型,验证了程序的正确性,从而可以应用于大坝变形监测的预警系统。(本文来源于《内蒙古水利》期刊2019年03期）
张双妮[7]（2019）在《基于逐步回归模型拟合房价预测模型》一文中研究指出本文基于逐步回归模型来拟合房价预测模型,对全国的综合房价、以北京市为代表的发达省份、以海南省为代表的半发达省份和以江西省为代表的发展中省份均进行拟合和预测,再进行比较,得出结论:长期来看房价普遍会上涨,而从短期来看全国的综合房价和以江西省为代表的发展中省份的房价将会下跌,以北京市为代表的发达省份和以海南省为代表的半发达省份的房价将会继续上涨。(本文来源于《现代农业研究》期刊2019年02期）
李传奇,崔佳伟,孙策,段明印,马梦蝶[8]（2019）在《基于偏秩相关-逐步回归法的SWMM模型全局敏感性分析》一文中研究指出为了识别影响暴雨洪水管理模型(SWMM)的敏感性因素,给后续的模型率定和不确定性分析提供指导和参考,基于拉丁超立方抽样技术对各个参数进行抽样,分别以逐步回归法和偏秩相关法对SWMM模型进行全局敏感性分析,并以山东大学千佛山校区为例。结果表明:不透水区曼宁系数是对峰值时间和峰值流量最敏感的参数,并且随着不透水区曼宁系数的增大,峰值时间增大、峰值流量变小;汇水区面积比例因子是对总产流最敏感的参数,并且随着汇水区面积比例因子的增大,总产流量增大。逐步回归法和偏秩相关法都是线性分析方法,两种方法的对比使用,能够更加精确的识别SWMM模型的敏感性参数,对于精确建模和高效率定具有一定的借鉴意义。(本文来源于《中国农村水利水电》期刊2019年01期）
白羽祥,蔺忠龙,邓小鹏,徐照丽,杨成翠[9]（2018）在《基于逐步回归模型的连作植烟土壤化学性状和酶活性关系分析》一文中研究指出【目的】探讨不同连作年限植烟土壤化学性状和酶活性的变化规律及其相互关系,为探明烤烟连作障碍机理及制定调控措施提供理论依据。【方法】以同一植烟区域不同连作年限(4、6、8、14和16年)的土壤为研究对象,在相关性分析的基础上,利用逐步回归模型对植烟土壤的化学性状和酶活性进行测定分析。【结果】随连作年限增加,土壤pH、有机质和全钾含量逐渐降低,全磷、全钾、水解性氮和有效磷含量呈先升高后降低的变化趋势,而有效钾含量呈增加趋势;过氧化氢酶、脲酶、酸性磷酸酶和蔗糖酶活性均表现为先升高后降低的变化趋势,过氧化氢酶和酸性磷酸酶活性峰值出现在连作8年处理,脲酶和蔗糖酶活性峰值出现在连作6年处理。逐步回归分析结果表明,全磷、全钾和速效钾含量分别受酸性磷酸酶、蔗糖酶和过氧化氢酶活性的抑制,过氧化氢酶和蔗糖酶活性均受全钾含量的抑制,酸性磷酸酶活性受速效钾含量的抑制。【结论】随连作年限的增加,植烟土壤环境恶化,养分失衡,酶活性呈先升高后降低趋势;部分化学性状指标与酶活性间存在密切的相互影响关系。(本文来源于《南方农业学报》期刊2018年12期）
罗志雄,简鸿福,徐旺敏[10]（2018）在《基于逐步回归法的水闸沉降统计模型研究》一文中研究指出由于不均匀沉降导致水闸结构倾斜、错缝甚至溃闸现象时有发生,找出水闸沉降产生的主要原因并采取针对性措施处理非常必要。运用逐步回归分析法,建立时效位移、水压和温度共同作用的沉降统计模型,结合某水闸工程位移观测资料实例,分析和梳理出影响水闸沉降的主要因素。结果表明:该水闸水压分量是影响水闸沉降最主要的因素,在水位波动较大时期应加强沉降观测。(本文来源于《陕西水利》期刊2018年06期）
逐步回归模型论文开题报告
（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：
精准的生活需水量预测可为水资源管理部门调控供需提供数据支撑。由于测量过程中受诸多不确定因素的影响,观测值的测量结果不以单一的数值存在,利用区间数值可以很好描述这一不确定性的范围。现有预测区间的算法需要繁琐的参数搜索过程,本文算法可简化该过程。首先,利用一种初始区间设定办法得到区间宽度,作为本文初始绝对宽度构造区间上下界。其次,对上界集和下界集分别建立多元逐步回归模型预测城市生活需水量的区间上下界,以预测区间覆盖率、预测区间宽度、预测区间对称性和均方根误差作精度评估指标与已有模型结果对比,截取较优的绝对宽度,建立模型。与此同时,以邯郸市生活需水量为例,与已有模型对比,预测精度优于已有模型。
（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。
逐步回归模型论文参考文献
[1].李姝昱,崔潇涵,李延卓,颜小飞.基于遗传-逐步回归时空模型的大坝变形监控指标拟定[C].国际碾压混凝土坝技术新进展与水库大坝高质量建设管理——中国大坝工程学会2019学术年会论文集.2019
[2].李慧敏,王小胜,刘欣欣,安笑洁.基于理想边界和多元逐步回归模型的城市生活需水量预测[J].南方农机.2019
[3].罗智锋.多因子逐步回归与自回归组合径流预测模型的建立及应用[J].甘肃水利水电技术.2019
[4].王自成,朱家明,陈华友.基于逐步回归筛选的回归组合预测模型[J].统计与决策.2019
[5].史中兴,费良军,薛才,赵新宇.基于多元逐步回归的大型灌区年退水量预测模型研究[J].地下水.2019
[6].裴敬垚.大坝变形监测逐步回归统计模型的建立与应用[J].内蒙古水利.2019
[7].张双妮.基于逐步回归模型拟合房价预测模型[J].现代农业研究.2019
[8].李传奇,崔佳伟,孙策,段明印,马梦蝶.基于偏秩相关-逐步回归法的SWMM模型全局敏感性分析[J].中国农村水利水电.2019
[9].白羽祥,蔺忠龙,邓小鹏,徐照丽,杨成翠.基于逐步回归模型的连作植烟土壤化学性状和酶活性关系分析[J].南方农业学报.2018
[10].罗志雄,简鸿福,徐旺敏.基于逐步回归法的水闸沉降统计模型研究[J].陕西水利.2018