基于多元回归分析的PM2.5预测研究

PM2.5对人体健康和大气环境质量的影响众所周知,分析、预测PM2.5浓度对污染天气防治与干预有着非常重要的作用。利用灰色关联度、多元回归分析等方法对全国各大城市空气质量进行了研究,分析了影响PM2.5浓度的主要因素并进行了影响程度排序,构建了PM2.5预测模型并进行了预测实践,为我国环境空气质量预报和污染天气防治干预提供了有效的决策信息。     

黄河水量调度径流预报方法研究

介绍了服务于黄河水量调度的中长期径流预报技术方法、主要模型、预报系统及应用情况,并对未来黄河流域径流预报发展方向进行展望。黄河中长期径流预报模型从每个控制站点水文序列的影响因子和自身演变规律出发,根据各站点不同时期、不同影响因素,选择适当的统计方法分别建立。非汛期径流预报模型主要以前期径流、降水为预报因子,采用多元回归分析、门限回归分析和时间序列分析等方法建立;汛期径流受降雨影响强烈,流域降水主要受大气环流等因子影响,因此从前期环流因子中挑选预报因子,建立了汛期径流预报模型;天然径流量预报模型主要采用实测径流还原、时间序列分析及大气海洋物理因子相关等方法建立。黄河中长期径流预报模型及预报系统的建立,提高了黄河流域径流预报技术水平和能力,在1999—2018年20 a的水量调度中,提供了准确的年度水量预报和旬月径流预报,其中每年10月中下旬发布的花园口站年度天然径流总量预报平均误差为3.7%,最小预报误差为0.6%。     

不同温度条件下混凝土导热系数影响因素研究

为了研究混凝土在不同温度条件下的导热系数变化规律,利用单因素试验方法,以骨料体积分数、砂率、水胶比、饱和度粉煤灰掺量、矿渣掺量为因素,采用QTM-500导热仪测试混凝土在不同温度条件下(-30～20 ℃)的导热系数,并分析各影响因素对混凝土导热系数在不同温度条件下的变化规律,最终得出混凝土导热系数与各因素之间的预测方程。结果表明:混凝土导热系数与温度呈负相关性;混凝土导热系数随着骨料体积分数的增大而增大,随着砂率的增大而减小;干燥状态下,混凝土导热系数随着水胶比的增大而减小;饱和状态下,混凝土导热系数大于干燥状态下混凝土导热系数,随着温度的降低,尤其在0～-10 ℃时,混凝土导热系数骤增;混凝土导热系数随着粉煤灰、矿渣掺量的增加而减小;通过对试验结果进行多元回归,得到了混凝土导热系数与各因素之间的计算模型,该模型预测精度较高。研究结果可为混凝土结构内部温度场的精确计算、保温隔热性能以及表面裂缝的控制提供理论依据。     

单根辐射管集水模型的研究

本文通过对影响单根辐射管集水因素的分析，探讨了集取河床渗透水的单根辐射管集水模型．并用模拟试验确定了模型参数．结果表明：模拟试验值、工程实例实测值与集水模型计算值具有一致性．     

多元回归分析在地球化学和地球物理常规测井资料的研究

在测井测得一系列的数据以后,我们需要的并不是全部的数据,而是需要提取一种岩石的几种物性或者是提取几种岩石的一种物性对比,以了解各种岩石的岩性特征,或是通过岩性来判断岩石的种类,利用这些岩性参数,建立它们之间的回归关系式,利用回归关系式反推或预测地层中一定深度元素和矿物的含量,通过一系列的研究我们可以清楚看到地下一段深度的地质体的地质特征,进而达到我们研究的目的。     

我国青少年犯罪的影响因素及预测分析

青少年犯罪的影响因素涉及到了家庭、学校和社会各个方面。本文统计了2003-2017年青少年犯罪的相关数据,利用多元线性回归分析,探究离婚率、被收养人、入学率、教育业固定资产投资额、人均收入等各项因素对青少年犯罪的影响,并利用灰色预测模型预测2018-2020年青少年犯罪的各项数据。     

基于多重多元回归的高空冰晶冰水含量估计方法

高空冰晶是影响航空运行安全的危害性天气现象之一，机载气象雷达是飞机探测危险气象保障飞机安全运行的重要监视设备，但其尚不具备冰晶危险等级划分及区域告警功能。依据高空冰晶的冰水含量分布对其进行检测及危险评估具有重要的现实意义，冰晶冰水含量估计是整个检测流程的基础。该文提出了一种基于多重多元回归的高空冰晶冰水含量估计方法，分析验证了将回归算法引入高空冰晶冰水含量估计的可行性。该方法将冰晶冰水含量单一的目标值估计问题转化为多重多元回归的冰水含量标记向量预测问题，利用训练好的回归模型最终实现高空冰晶的冰水含量估计。针对典型深对流区域仿真数据进行实验分析表明，该方法可有效地估计高空冰晶的冰水含量，相比于仅利用雷达反射率因子的经验公式方法，结果更为准确。     

基于多元回归模型的电力诉求影响因素

本文基于电网运营管理中的数据,建立了影响电力诉求的数据指标体系,并运用聚类分析方法,对电力诉求的影响因素进行细分。通过关联各电力指标数据,建立多元回归模型,探索诱发电力诉求核心的原因,为当前电力部门的智能服务体系提供参考依据。     

支持向量机在裂缝预测及含气性评价应用中的优越性

为了对比多元回归分析（MRA）、人工神经网络（ANN）和支持向量机（SVM）三种算法的应用效果，分别将其应用于两个实例：对南襄盆地泌阳凹陷安棚油田安1井和安2井7种测井资料的34个样本进行裂缝预测；对鄂尔多斯盆地塔巴庙地区致密砂岩储集层孔隙度、渗透率和含气饱和度的40个样本进行含气性评价。两个实例分析表明：①非线性算法（SVM和ANN）远比线性算法（MRA）优越；②SVM表现绝对的优越性（计算误差均为零、计算速度快），是迄今最佳的机器学习方法；③在实例1中ANN与SVM相比几乎是同等优越，但在实例2中ANN的精度比SVM低得多；④MRA计算速度快、具有ANN和SVM所不具备的能表达研究目标与相关地质因素之间亲疏关系的优点。因此，当描述一个研究目标与多个相关地质因素的复杂关系时，应提倡采用SVM，而MRA可作为辅助应用。图4表3参27     

基于机械原点偏移原理的数控机床热误差补偿技术应用

本文采用数控系统原点偏移原理实现数控机床热误差补偿。具体的,本文所用方法首先对系统测量温度敏感点的温度与热误差,然后采用逐步回归分析进行温度敏感点关键点的筛选,采用多元回归分析建立热误差补偿模型,从而进行热误差补偿技术的研究。在选择机床温度敏感点时首先对各温度变量进行聚类,去相关性处理后采用逐步回归分析法进行温度敏感点的选择,然后对温度关键点进行排列组合计算判定系数,最终确定最佳温度敏感点。利用所选择的最佳温度敏感点建立多元回归模型,然后在多个模型中进行热误差补偿分析。结果表明,利用数控系统原点偏移功能,可以实现数控机床热误差补偿功能。