导读:本文包含了拟合方程论文开题报告文献综述及选题提纲参考文献，主要关键词:复合材料,金属塑料,摩擦系数,方程拟合
拟合方程论文文献综述
王前锋[1]（2019）在《弹性金属塑料复合材料摩擦系数的方程拟合及其应用》一文中研究指出基于弹性金属塑料复合材料,对其摩擦系数的方程拟合及其应用进行了研究。结果表明,摩擦系数随摩擦时间的延长逐步趋于稳定,此时开始进入摩擦磨损的稳定阶段。如果将石墨添加到塑料工作层当中,将会构建层状结构,并与PPS、TPI、TLCP热塑性材料发生协同效应,从而促进金属表面均匀致密的自润滑转移膜的形成。增大复合材料的载荷和转速,此时能够确保以更短的时间进入到摩擦稳定阶段,也就是说增加转速和载荷以后,可以实现形成转移膜时间的前移。磨损体积和摩擦系数随塑料工作层材料配比的不同具有显着的变化,磨损量也有所不同。随着石墨和热塑性聚酰亚胺(TPI)的增加,在载荷增加时,复合材料摩擦系数变化量比其他配比要小。采用软件MATLAB7.0,根据复合材料的摩擦系数、结合强度和塑料工作层对数据进行拟合,从而获得塑料工作层配比和摩擦系数、结合强度间的拟合函数。(本文来源于《塑料科技》期刊2019年08期）
严豪,宋彦辉,陈子玉,师述橙,戎娟[2]（2019）在《基于多元拟合方程的结构面粗糙度系数JRC估算》一文中研究指出本文以BARTON的标准粗糙度剖面为研究对象,假定剪切方向为从左向右,量取剖面曲线长L以及"爬坡"时的倾角i_i和与倾角相对应高差h_i、面积S,把不同的因素组合在一起,用MATLAB对测得的数据进行拟合,得到用来估算结构面粗糙度系数且不依赖于结构面长度的解析方程。结果表明:剖面长度比和面积比组合得到的拟合方程较差,剖面长度比、面积比和爬坡高组合得到的方程较好;剖面长度比、倾角i_i和高差h_i叁个指标的组合拟合方程最好,可很好地反映结构面粗糙度,拟合优度达97. 1%。(本文来源于《中国地质灾害与防治学报》期刊2019年02期）
王浩飞,王双生,常铁诺,郭华[3]（2019）在《煤灰的流动温度拟合方程研究》一文中研究指出为准确预测某地区煤种的灰熔融性温度,对该地区142组煤样的灰成分及灰熔融性温度等进行了研究。利用煤灰组分,同时引入SiO2与Al2O3含量的比值、碱性氧化物总量与酸性氧化物总量的比值,对煤灰流动温度进行数学建模,并通过3种方法推导出拟合方程。通过利用同一地区的煤灰样品对拟合公式进行校核,得出最优的预测当地煤种的煤灰熔融性温度数学建模过程及拟合方程。(本文来源于《煤化工》期刊2019年01期）
成高飞,郭媛[4]（2019）在《基于多项式曲线拟合方程法的矿用风机风压特性曲线的对比研究》一文中研究指出由于矿井通风的复杂性,难免会出现风压风量过剩的情况,因此节约电能,保证矿井通风机经济安全运行是当前的研究方向。从矿井轴流式通风机性能曲线切入,通过曲线多项式拟合方程法确定主要通风机风压风量方程,并通过与风机性能实测数据的对比,得出多项式拟合风机特性曲线是能够适用于矿井实际风压风量的计算需要。(本文来源于《陕西煤炭》期刊2019年01期）
胡桥茜,徐文科[5]（2019）在《Bertalanffy生长方程对峦大杉生长的拟合》一文中研究指出在阐述Bertalanffy生长方程基本性质基础上,运用单向差分最小二乘法、双向差分最小二乘法、中心差分最小二乘法对其模型参数进行估计;应用Bertalanffy生长方程对峦大杉(Cunninghamia konishii Hayata)生长进行拟合,验证参数估计有效性及适用性。结果表明:单向差分最小二乘法、双向差分最小二乘法、中心差分最小二乘法对Bertalanffy生长方程参数估计,有效、适用;应用Bertalanffy生长方程对峦大杉生长拟合优度,验证了Bertalanffy生长方程不仅适用于海洋生物,同样适用于拟合峦大杉的生长规律;由3种参数估计法对应的统计量(R2)表明,中心差分最小二乘法得到的回归模型拟合度,优于单向差分最小二乘法、双向差分最小二乘法。(本文来源于《东北林业大学学报》期刊2019年02期）
阚洪弟[6]（2018）在《全国非泵送混凝土回弹值的统一测强回归方程拟合及检验》一文中研究指出按行标JGJ/T 23—2011回弹法检测混凝土抗压强度技术规程中建议的公式,对其附录A中数据进行了拟合。统计检验结果表明,拟合式是正确的,其所产生的误差确实服从正态分布。还给出了给定置信水平下的回归系数的置信区间,例示了如何由一个实测点/一组实测点,得到给定置信系数下的预测区间/预测区域。(本文来源于《山西建筑》期刊2018年25期）
王凯,陈方尧,谭铭,陈平雁[7]（2018）在《一种新的评价结构方程模型拟合效果的校正拟合指数》一文中研究指出目的建立一种新的用于评价结构方程模型(SEM)拟合效果的方法—校正拟合指数(CGFI)。方法在已有拟合指数(GFI)方法的基础上,通过增加1/(N-1)项校正样本量导致的低估效应,通过自由度与变量个数的比值项对模型的复杂程度进行惩罚,构建了CGFI,表达为:CGFI=1-[df_(test)/k(k+1)][1-GFI-1/(N-1)]。基于预设的SEM,采用Monte Carlo技术模拟产生数据,考虑样本量、参数估计方法、模型误设类型及误设程度四种因素,将所提出的CGFI与其他3种拟合指数(GFI,AGFI,PGFI)进行比较。评价标准基于稳健性和对模型误设的敏感性。结果 CGFI较GFI有一定改善效果,受样本量的影响更小,对模型误设更为敏感;GFI和AGFI受样本量的影响较大,在样本量较小时存在一定低估。PGFI对模型误设不敏感,且存在较为严重低估。GLS参数估计方法在模型严重误设时容易得到反常的结果。结论CGFI较GFI有较好的表现,临界值为0.95,可用于模型拟合效果的评价。(本文来源于《中国卫生统计》期刊2018年03期）
鲍泽峰[8]（2018）在《求解刚性常微分方程的两类函数拟合Rosenbrock方法》一文中研究指出随着对刚性常微分方程初值问题的不断深入研究,国内外学者给出了许多较为有效的特殊Runge-Kutta方法,主要包括对角隐式Runge-Kutta方法和Rosenbrock方法。函数拟合方法是一类在局部区间上用一个有理函数来近似地表示刚性常微分方程的解的方法,考虑在其解区间上构造指数拟合的函数,来使得其近似逼近原方程的解曲线,其中比较有效和精确的算法是将Runge-Kutta方法与指数拟合相结合来处理刚性问题。同时,对于一类解可由集合{eiωx,e-iωx}或由集合{cos(ωx),sin(ωx)}(ω>0)线性组合的一阶常微分方程初值问题,可将叁角拟合思想应用于Runge-Kutta方法上,来得到一类相比传统方法来说更具优势的新方法。学者们将对角隐式Runge-Kutta方法结合指数拟合和叁角拟合的研究已经做了较多的工作,而未见采用指数拟合和叁角拟合Rosenbrock方法,且Rosenbrock方法相对于对角隐式Runge-Kutta方法来说,具有更小的计算量,故本文将针对常微分方程初值问题这一模型,利用Rosenbrock方法结合指数拟合和叁角拟合思想来得到一类在误差和精度上具有更好的表现的方法。在第一章,介绍了关于刚性常微分方程初值问题的研究背景和国内外现状,且给出了早期学者们对Rosenbrock方法的发展与改进。在第二章和第叁章,构造了一类二级2阶指数拟合和叁角拟合Rosenbrock方法,得到了定系数的二级2阶指数拟合和叁角拟合Rosenbrock方法的具体格式,并证明了不存在此类叁级3阶指数拟合和叁角拟合Rosenbrock方法。最后验证了定系数的二级2阶指数拟合和叁角拟合Rosenbrock方法是A-稳定的。在第四章,利用数值实验验证了指数拟合Rosenbrock方法的有效性,主要应用了几组不同的数值实验来比较方法的收敛性和计算时间,通过实验结果得到与理论基本一致的结论。在最后一章,主要是对本文做一个总结,并针对本文未涉及到的其它模型和方法给出了笔者后期的一些想法与计划。(本文来源于《华中科技大学》期刊2018-05-01）
王凯[9]（2018）在《一种新的评价结构方程模型拟合效果的校正拟合指数》一文中研究指出背景:结构方程模型(Structural Equation Modeling,SEM)的拟合效果评价一直是结构方程模型应用研究的热点问题。拟合效果评价的常用指标之一是拟合指数GFI(Goodness-of-Fit Index),但该指数受模型误设和样本量的影响较大。基于GFI 指数提出的调整 GFI 指数(Adjusted-Goodness-of-FitIndex,AGFI)和无偏GFI 指数(Parsimony unbiased Goodness-of-Fit Index,PGFI),或存在偏倚严重,或统计性能不佳等问题。目的:鉴于GFI 一类指数的不足,本研究将在GFI指数的基础上提出一种新的校正 GFI 指数(Corrected Goodness-of-Fit Index,CGFI),以期显着改善目前 GFI一类指数的统计性能。方法:本研究所提出的CGFI指数表达为:(?)。它是在GFI指数的基础上,通过增加1/N项来弥补由于小样本量带来的向下偏倚问题,以(?)作为惩罚参数来体现模型复杂程度的影响。采用Monte Carlo模拟研究来考察CGFI、GFI和AGFI叁种指数的稳健性和敏感性,最后通过实例分析来进一步验证CGFI指数的表现。模拟数据基于多变量正态分布产生,模拟次数设置为1000次,迭代次数设置为1,000,000次,具体参数设置如下:(1)模拟研究一本模拟将比较叁种指数在不同参数估计方法、模型复杂程度及样本量下的稳健性。参数设置如下:参数估计方法:最大似然估计法(ML),广义最小二乘法(GLS);模型复杂程度:复杂程度主要受潜变量数及观测变量数的影响,设定潜变量数为2至4个,每个潜变量下观测变量数为3至5个,考虑平衡设计;样本量:为合理考察小样本量时叁种指数的偏倚问题,样本量设定为30,40,50,60,80,100,120,150,200,300,500,1000,1500,2000,5000,详细见正文表 3;因子载荷:所有观察变量的因子载荷均设定为0.80;相关系数:所有潜变量间的相关系数均设定为0.50。(2)模拟研究二本模拟将比较叁种指数在不同样本量、因子载荷大小、模型误设类型及程度下的敏感性。理论模型为4个潜变量,每个潜变量下5个观测变量的结构方程模型,参数设置如下:样本量:150,200,300,400,500,600,800,1000,1500,2000,5000;因子载荷:所有观察变量的因子载荷均相同,取值为0.30到0.90,间隔0.10;误设类型:测量模型误设、结构模型误设;误设程度:轻度误设、重度误设,详细见正文表4;参数估计方法:最大似然估计法(ML);相关系数:所有潜变量间的相关系数均设定为0.50。将从不合理结果(improper solutions)、方差贡献率以及指数随样本量或因子载荷的变化趋势四个方面,来评价上述指数的统计性能。结果:(1)模拟研究一不合理结果:相对GLS参数估计方法来说,ML有相对较少的不合理结果;同时,不合理结果主要在样本量相对较小时(<100)出现。方差贡献率(η2):叁种指数不受参数估计方法的影响(η2<0.001),对模型复杂程度有轻微的惩罚(0.056≤η2≤0.202);GFI和AGFI指数受样本量的影响较为严重(η2s=0.750和0.841),而CGFI指数相对样本量来说较为稳健(η2=0.211)。随样本量变化趋势:GFI和AGFI指数受样本量的影响较为明显,尤其当样本量≤150时,存在较大程度的向下偏倚。除当样本量≤150时存在轻微偏倚(<5%)外,CGFI指数基本不受样本量的影响。随着模型复杂程度的增加,叁种指数结果均有所降低,表现出一定的惩罚效应。(2)模拟研究二不合理结果:不合理结果主要在因子载荷较小时出现(≤0.50),且测量模型误设导致相对较高比例的不合理结果。方差贡献率:在测量模型误设中,叁种指数对因子载荷有一定的敏感性(0.178≤η2≤0.245);GFI和AGFI指数在一定程度上受样本量的影响(η2s=0.279和0.285),而CGFI指数几乎独立于样本量的影响(η2=0.025);同时,CGFI指数较GFI和AGFI指数对模型误设更为敏感(η2依次为0.484、0.365和0.359)。在结构模型误设中,叁种指数基本不受因子载荷的影响(η2≤0.108),CGFI指数明显独立于样本量(η2 =0.043),且对模型误设非常敏感(η2 = 0.684)。随因子载荷变化趋势:在模型误设情况下,叁种指数在一定程度上受因子载荷的影响,并随着误设程度的增大而加强;CGFI指数和样本量之间几乎相互独立,而GFI和AGFI指数受样本量的影响较为明显。(3)实例分析从Google和Web of Science上检索SEM的应用文献,从中抽取9篇涵盖不同样本量及模型拟合程度的文献。结果显示,无论是在小样本还是大样本下,CGFI指数的结果基本与模型整体评价结果一致;而在小样本时,GFI和AGFI指数的结果明显低于CGFI指数,存在一定的向下偏倚,而随着样本量的增大,这一偏倚逐渐趋于0。结论:本研究所构建的CGFI指数与目前常用的GFI和AGFI指数相比,具有较好的稳健性和敏感性,尤其当样本量较小时(≤150),适合用于结构方程模型拟合效果的评价,推荐的界值为0.90。(本文来源于《南方医科大学》期刊2018-03-21）
范勇[10]（2018）在《基于平面方程拟合的古塔倾斜测量》一文中研究指出近年来,随着古建筑保护意识的增强,各地文物保护部门都加大了对现有古建筑的检测鉴定和修缮,而对于检测鉴定古建筑,倾斜量是评价古建筑目前所处状态的直观且客观的定量指标,尤为重要。但古建筑一般为石砌结构,不具备刚体特征,且古建筑一般不是上下同截面,又不具备上下垂直通视条件,这增加了倾斜观测的难度。通过对平面方程拟合出底层的形心点坐标分析,与对应塔尖坐标的偏离量观测数据分析处理,间接计算出古塔的倾斜量。(本文来源于《福建建材》期刊2018年02期）
拟合方程论文开题报告
（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：
本文以BARTON的标准粗糙度剖面为研究对象,假定剪切方向为从左向右,量取剖面曲线长L以及"爬坡"时的倾角i_i和与倾角相对应高差h_i、面积S,把不同的因素组合在一起,用MATLAB对测得的数据进行拟合,得到用来估算结构面粗糙度系数且不依赖于结构面长度的解析方程。结果表明:剖面长度比和面积比组合得到的拟合方程较差,剖面长度比、面积比和爬坡高组合得到的方程较好;剖面长度比、倾角i_i和高差h_i叁个指标的组合拟合方程最好,可很好地反映结构面粗糙度,拟合优度达97. 1%。
（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。
拟合方程论文参考文献
[1].王前锋.弹性金属塑料复合材料摩擦系数的方程拟合及其应用[J].塑料科技.2019
[2].严豪,宋彦辉,陈子玉,师述橙,戎娟.基于多元拟合方程的结构面粗糙度系数JRC估算[J].中国地质灾害与防治学报.2019
[3].王浩飞,王双生,常铁诺,郭华.煤灰的流动温度拟合方程研究[J].煤化工.2019
[4].成高飞,郭媛.基于多项式曲线拟合方程法的矿用风机风压特性曲线的对比研究[J].陕西煤炭.2019
[5].胡桥茜,徐文科.Bertalanffy生长方程对峦大杉生长的拟合[J].东北林业大学学报.2019
[6].阚洪弟.全国非泵送混凝土回弹值的统一测强回归方程拟合及检验[J].山西建筑.2018
[7].王凯,陈方尧,谭铭,陈平雁.一种新的评价结构方程模型拟合效果的校正拟合指数[J].中国卫生统计.2018
[8].鲍泽峰.求解刚性常微分方程的两类函数拟合Rosenbrock方法[D].华中科技大学.2018
[9].王凯.一种新的评价结构方程模型拟合效果的校正拟合指数[D].南方医科大学.2018
[10].范勇.基于平面方程拟合的古塔倾斜测量[J].福建建材.2018