使用与自组织神经网聚类相结合的支持向量回归机预测模型对矿体体素品位进行插值,并与多边形法、距离幂次反比法、克里格法进行对比验证.结果表明,该预测模型进行品位插值具备很好的可行性和可靠性

时间序列的自相关 一阶自回归 高阶自回归 自回归分布滞后模型 误差修正模型 移动平均与ARMA模型 脉冲响应函数 向量自回归过程 VAR的脉冲响应函数 格兰杰因果检验 VAR的Stata命令及实例 时间趋势项 季节调整 日期数据的导入

一、时间序列自回归模型 二、时间序列向量自回归模型 三、格兰杰因果关系检验 四、格兰杰因果在脑电中的应用 五、补充知识

建模方法是时间序列分析的核心问题之一。本文给出了两种基于最小二乘法的自回归模型（AR模型）的建模方法。采取预留少量数据递补进入计算的办法,使矩阵XTX可以用分块矩阵求逆公式递推求逆,或者用矩阵的Crout分解法递推求解。同时引入了Winograd向量内积快速算法,充分利用各向量和各矩阵之间的关系来减少计算工作量。使计算量比一般最小二乘建模方法大幅度减少,达到与Marple算法和Burg的最大熵谱法可比的程度

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

回归分析的原理及应用 在分析化学,特别是仪器分析中,常常需要做工作曲线(也叫标准曲线,或 校正曲线,或检量线)。例如,原子吸收法中作吸光度和浓度的工作曲线,极谱法 中作波高和浓度的工作曲线等等。在分析化学中所使用的工作曲线,通常都是直 线。一般是把实验点描在坐标纸上,横坐标X表示被测物质的浓度,叫自变量。 大都是把可以精确测量或严格控制的变量(如标准溶液的浓度)作为自变量;纵 坐标y表示某种特征性质(如吸光度、波高等)的量,称因变量,一般设因变量 是一组相互独立、其误差服从同一正态分布N(O,2)的随机变量。然后根据 坐标纸上的这些散点(实验点)的走向,用直尺描出一条直线。这就是分析工作 者习惯的制作工作曲线的方法

以德兴铜矿矿石为实验物料,采用均匀设计法确定散体渗流实验方案,在自制多功能浸出实验台架上进行水平和垂直渗流实验,实验结果采用SPSS统计软件进行回归分析.结果表明:垂直向下的渗流系数最大,其次为水平方式,垂直向上的渗流系数最小;均质体各向异性系数变化范围为1.38~6.73,平均值为4;粗粒含量P5在35%~60%之间以及含泥量在1%~5%之间,散体的渗流系数变化呈先升后降现象;渗流系数与孔隙率呈幂函数关系,随孔隙率增大而上升;孔隙率随0.1~0.2 mm的物料含量增加而下降,随10~8 mm和8~4 mm含量之积增大而上升;渗流指数m与雷诺数Re之间存在幂函数关系,对于判定渗流状态两者是一致的;西源排土场水平渗流系数为3.68×10-2m·s-1,垂直渗流系数为1.51×10-2m·s-1

在分析化学,特别是仪器分析中,常常需要做工 作曲线(也叫标准曲线,或校正曲线,或检量线)。 例如,原子吸收法中作吸光度和浓度的工作曲线,极谱 法中作波高和浓度的工作曲线等等。在分析化学中所 使用的工作曲线,通常都是直线。一般是把实验点描 在坐标纸上,横坐标X表示被测物质的浓度,叫自变量 。大都是把可以精确测量或严格控制的变量(如标准 溶液的浓度)作为自变量;纵坐标y表示某种特征性质 (如吸光度、波高等)的量,称因变量,一般设因变 量是一组相互独立、其误差服从同一正态分布N(O, o2)的随机变量。然后根据坐标纸上的这些散点(实 验点)的走向,用直尺描出一条直线。这就是分析工 作者习惯的制作工作曲线的方法