◼ 2.1 数学模型的定义和分类 ◼ 2.2 数学模型的建立 ◼ 2.2.1 建立数学模型的过程 ◼ 2.2.2 对模型的基本要求 ◼ 2.2.3 数学模型的验证和误差分析 ◼ 2.3 Excel 在建立数学模型的应用 ◼ 2.3.1 污水处理的线性回归分析 ◼ 2.3.2 结构分析和曲线拟合 ◼ 2.3.3 用Excel进行参数估计

从实际生产数据入手,研究了温度模型设定精度的现状及设定精度与各影响因素之间的关系,同时还消化了原来的温度模型程序并将其移植到微机上.经大量的离线统计回归分析,提出了一个行之有效的温度模型改进方案.该改进方案的思路同样适合其他热轧生产线

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用

采用凸轮式高速形变试验机,压缩端面上带凹槽并在凹槽里充满不同软化温度的玻璃粉作润滑剂的圆柱形试件的方法,其变形温度为850—1150℃,变形速度为5—80S-1,变形程度为Ln(h0/h1)=0—0.6931。对40MnB等四个合金结构钢进行高温高速下塑性变形阻力实验研究。本文不仅提供了40MnB变形阻力计算图表,而且对目前常用变形温度对变形阻力的影响项具有两种不同结构型式的拟合曲线采用非线性回归进行分析比较,提出了拟合精度较高的变形阻力数学模型

本文利用密栅云纹法结合三次样条函数求导法,通过压剪实验,测量计算出压剪区内应变速率场及应力场。结果表明,水平应变速率及应力沿试件厚向分布不均;上下表面摩擦力大小不等;压剪区内存在着横贯变形区的大剪应力场。利用实验数据回归出异步条件下接触弧的摩擦系数表达式,并结合Nadai斜面压缩金属楔解建立了新的异步轧制压力模型。新模型与实际吻合较好

一、问题的引出:非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

8.1 随机解释变量（一般性了解） 8.2 工具变量 8.3 滞后变量（一般性了解） 8.4 虚拟变量（重点）（其中分段线性回归不讲） 8.5 时间变量