我们前面已经比较系统地讨论了双样本的参数和非参数检验的问题。现在，我们希望利用一般的方法来检验三个以上样本的差异， 检验法和方差分析法就是解决这方面问题的。检验法可以对拟合优度和独立性等进行检验，方差分析法则可以对多个总体均值是否相等进行检验。后者由于通过各组样本资料之间的方差和组内方差的比较来建立服从F分布的检验统计量，所以又称F检验。 第一节：拟合优度检验 第二节：无关联性检验 第三节：方差分析 第四节：回归方程与相关系数的检验

《思想道德修养与法律基础 Thought Morals Tutelage and Legal Foundation》教学资料：第七章 反思错案，回归常识

（1）散点图概述 （2）散点图在回归分析中的应用 （3）散点图在HRV分析中的应用 （4）双信息图概述 （5）双信息图在心泵功能分析中的应用

西安石油大学理学院：《数学模型与数学实验》课程教学资源（习题解答）第十章 统计回归模型

西安石油大学理学院：《数学模型与数学实验》课程教学资源（PPT课件）第十章 统计回归模型

《工程科学学报》：基于支持向量回归与极限学习机的高炉铁水温度预测

针对弱光照条件下交通标志易发生漏检和定位不准的问题，本文提出了增强YOLOv3（You only look once）检测算法，一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法。首先构建了大型复杂光照中国交通标志数据集；然后针对复杂的弱光照图像提出自适应增强算法，通过调整图像亮度和对比度强化交通标志与背景之间的差异；最后采用YOLOv3网络框架检测交通标志。为了降低先验锚点框设置精度以及图像中背景与前景比例严重失衡对检测精度造成的影响，优化了先验锚点框聚类算法和网络的损失函数。对比实验结果表明，在实时性大致相当的情况下，本文提出的增强YOLOv3检测算法较标准YOLOv3算法对交通标志有更高的回归精度和置信度，召回率和准确率分别提高0.96%和0.48%

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

以迄今为止查阅到的中国大陆金属矿区实测地应力数据为基础，经优化处理后最终采用165组数据，基本覆盖了我国大陆主要金属矿山分布地区.采用回归分析法给出了中国大陆金属矿区测量埋深范围内的地应力场特征，并尝试从地应力的角度对中国大陆金属矿区断层的稳定性进行了讨论.结果显示，中国大陆金属矿区垂直主应力、最大与最小水平主应力总体上随埋深呈线性增加；最大与最小水平主应力之差Δσ随埋深的增加有增大的趋势，但规律性不显著；最大水平主应力与垂直主应力之比Kh，max主要集中在1.00~2.50之间，最小水平主应力与垂直主应力之比Kh，min主要集中在0.50~1.50之间，平均水平主应力与垂直主应力之比Kh，av主要集中在1.00~2.00之间，随着埋深的增加，3个侧压系数的变化幅度逐渐减小，Kh，max趋向于1.83，Kh，min趋向于0.80，Kh，av趋向于1.31；最大与最小水平主应力之比与埋深没有显著的关系，主要集中在1.5~2.0之间，近似服从正态分布；断层在埋深小于500 m范围内有滑动的可能，埋深超过500 m时，逆断层有滑动的可能，走滑断层处于相对稳定状态

在前期研究的基础上, 对LiBr-[BMIM]Cl/H2O三元工质对的其他重要热力学数据进行了系统地测定, 包括密度、黏度、比热容和比焓.采用最小二乘法对测定的热力学数据进行回归, 得到了物性方程; 实验值与物性方程计算值的平均绝对相对偏差(average absolute relative deviation, AARD)分别为0.03%、1.10%、0.29%和0.01%.除了结晶温度和腐蚀性, 黏度是影响工质对实际应用的另外一个重要因素, LiBr-[BMIM]Cl/H2O三元工质对的运动黏度小于25 mm2·s-1, 满足实际应用要求, 且很好地改善了离子液体的高黏度问题