第13章基本回归模型----概述了 EViews中的普通最小二乘估计(OLS) 基础。 第14章其他回归方法--讨论加权最小二乘估计(WLS),二阶段最小二乘 估计(TSLS),和非线性最小二乘估计(NLS)技术

以BP算法为基础开发了ANN学习预测系统,用于宝钢IF钢大生产产品性能预测.同时,应用在宝钢IF钢大生产数据对该系统进行了测试和分析,并与多元线性回归结果进行预测精度比较.结果表明,ANN学习预测系统,除σ0.2误差较高(9.0%)外,σb,δ,r和n值均<5.0%,且比多线性回归方法精度高

回归推导出渣系中磷酸盐容量对数与炉渣光学碱度和温度的关系表达式,通过回归公式绘制出CaO-SiO2-FeO(10%MgO)渣系的等磷酸盐容量图,分析了转炉终渣、终点成分及温度对钢中磷含量的影响情况.当熔渣磷酸盐容量一定时,随着转炉终点碳含量降低,渣/钢间磷分配比增加;相同终点碳含量时,随着熔渣磷酸盐容量增加,渣/钢间磷分配比增加;转炉终点碳质量分数控制在0.03%~0.04%,炉渣碱度大于3.5,渣中FeO质量分数低于18%,渣中P2O5质量分数低于2%,有利于获得终点磷质量分数在0.008%以内的钢水

布鲁金斯学会主席,美前总统经济顾问委员会主 席奥肯(Arthur Okun)根据美国1947-1960年 的数据,得到如下回归方程,称之为奥肯定律 y

疏螺旋体属(Borrelia) 一、病原体: 二、回归热疏螺旋体:回归热 三、伯氏疏螺旋体:莱姆病

一、适宜资料:多个自变量对一个依变量的影响呈线性回归模型的多变量资料。 二、分析目的:建立多元线性回归方程,分析多个自变量对一个依变量的综合作用及各自变量的绝对作用(b),从而发现规律,以利预测和控制

采用回归分析的方法,建立特征变量与产品质量之间的统计对应关系,把产品质量表达成特征变量的回归函数,进而得到特征空间与产品质量空间在统计意义上的映射关系.在产品质量空间进行聚类,在特征空间进行分类,而后提出了一种基于统计空间映射的在线模式识别方法.利用唐钢烧结厂的实测数据进行了仿真,验证了本方法的正确性.从算法分析和仿真结果看,这一算法可以有效地克服模式交叉现象的影响,并可对复杂生产过程进行在线质量推断

针对目前局部回归神经网络动态BP算法的误差导数计算复杂、收敛速度慢的缺陷,提出了一种新的快速算法.该算法是将信号流图引入动态BP算法,较好地解决了求解误差导数的复杂性,同时采用BFGS算法加快了网络的收敛速度.仿真结果表明了本算法的有效性

一、预测的定义 二、二元回归分析 三、多元回归分析 四、历史数据的序列分析

一、含义:利用多项式(y=b+b1x+b2x2+…+x研究变量间非线性回归关系的统计分析方法。 二、适宜资料:变量间呈非线性(曲线)变化关系,而又无已知曲线类型相配合的资料(如果有已知曲线类型能配合的资料,则可转化为线性分析)