心血管疾病危险因素的分析与预测

针对心血管疾病危险因素分析与预测问题,使用了灰色预测、Cox比例风险回归分析等方法,分别建立了灰色预测模型、ICVD发病风险预测模型等,综合运用MATLAB、SPSS软件编程分别预测出我国不同年龄段预测男性、女性心血管疾病的变化趋势,建立了适合我国人群的缺血性心血管疾病发病危险预测模型[1]。     

基于多元回归法的武汉市二手房价格影响因素研究

二手房价格受到区域因素、房屋自身因素、市场因素等多种因素综合影响,传统估价方法过多关注于房地产自身属性的差异及修正,有较强的主观性。本文以特征价格模型为基础,采用多元线性回归模型和多元对数回归模型,建立二手房价格与区位因素、房屋自身因素等影响因子之间的函数关系,并采用武汉市二手房挂牌数据、看房价网(www.kanfangjia.cn)数据和百度热点数据,对武汉市二手房各个特征变量进行筛选、量化和整合,并对比分析不同区域各个特征变量对二手房价格的影响程度,实验结果与实际情况符合度较好。     

规划设计学中的调查分析法14—数量化Ⅰ类(Quantification Theory Type Ⅰ)

回归及重回归分析和预测,被广泛地应用于各个行业中。但是,有些相当于回归分析中的说明变数,不是数量数据,而是非数量数据,例如:影响入园人数的因素有星期(平日、休日)、天气状况(晴天、阴天、雨雪天等)、季节(春、夏、秋、冬)等。这些因素因为不是“量”的数据,所以不能用回归或重回归等方法进行分析和预测,但这种情况在规划设计的调查中经常出现,所以数量化Ⅰ类,可以帮助人们进行与回归分析和预测相同的分析,这是十分有效的一种分析方法。     

规划设计学中的调查分析法14-数量化Ⅰ类

回归及重回归分析和预测,被广泛地应用于各个行业中.但是,有些相当于回归分析中的说明变数,不是数量数据,而是非数量数据,例如影响八园人数的因素有星期(平日、休日)、天气状况(晴天、阴天、雨雪天等)、季节(春、夏、秋、冬)等.这些因素因为不是"量"的数据,所以不能用回归或重回归等方法进行分析和预测,但这种情况在规划设计的调查中经常出现,所以数量化Ⅰ类,可以帮助人们进行与回归分析和预测相同的分析,这是十分有效的一种分析方法.     

惠州市基层警务人员心血管疾病及危险因素研究

目的:探讨惠州市基层警务人员心血管疾病的发生率及危险因素。方法:临床纳入于本院进行体检的惠州市基层警务人员300例,对所有受检者的临床资料进行回顾性研究,对可能导致心血管疾病发生的临床因素进行单因素分析,对于单因素分析有统计学差异的因素进行多元Logistic回归分析,观察导致受检者心血管疾病发生的高危因素。结果:300例受检者中,共检出心血管疾病者51例,发生率为17.00%;单因素分析显示,患者的性别、年龄、糖尿病史、高血脂病史、高尿酸血症病史、吸烟史等均为导致心血管疾病发生危险因素(P<0.05);多元Logistic回归分析,年龄≥45岁、既往有糖尿病史、高血脂病史、高尿酸血症病史、吸烟史等均为导致心血管疾病发生的独立高危因素(P<0.05)。结论:目前惠州市基层警务人员心血管疾病的发病率较高,其发生主要与患者的年龄、既往病史(糖尿病史、高血脂病史以及高尿酸血症病史)等存在密切的联系。因此,对于存在上述危险因素的受检者,应及时接受治疗干预,以降低心血管疾病发生的风险。     

规划设计学中的调查分析法14—数量化I类

回归及重回归分析和预测，被广泛地应用于各个行业中。但是，有些相当于回归分析中的说明变数，不是数量数据，而是非数量数据，例如影响入园人数的因素有星期(平日、休日)、天气状况(晴天、阴天、雨雪天等)、季节{春、夏、秋、冬)等。这些因素因为不是“量”的数据，所以不能用回归或重回归等方法进行分析和预测，但这种情况在规划设计的调查中经常出现，所以数量化1类，可以帮助人们进行与回归分析和预测相同的分析，这是十分有效的一种分析方法。     

运用渐进回归正交法建立再生水管道腐蚀速率模型

以Cl~-、SO_4~(2-)、p H值和总硬度为典型水质因素,通过正交试验分析模拟再生水动态管网中上述水质因素对腐蚀速率的影响。通过正交极差分析发现,各水质因素对腐蚀速率的影响程度由大到小为:p H值总硬度SO_4~(2-)Cl~-。利用渐进优化多元线性回归法对得到的数据进行分析,建立了拟合度为0.998的再生水管道腐蚀速率水质因素影响数学统计模型。同时,采用再生水厂原水进行验证试验,并将获取的数据代入模型,结果表明该模型误差较低,模拟效果较好。     

基于CPTU数据融合技术的黏性土应力历史与强度特性评价研究

超固结比(OCR)和不排水抗剪强度(S_u)是土的基本力学参数,对土体沉降变形分析和稳定性计算具有重要影响。采用数据融合技术,结合孔压静力触探(CPTU)测试数据,提出了江苏典型黏性土超固结比和不排水抗剪强度的预测模型。利用特征级数据融合技术(回归树、模型树)与决策级数据融合技术(自举聚合、堆叠泛化)对预测模型的可行性进行分析。将土的超固结比和不排水抗剪强度的预测值、室内试验所得到的参考值以及CPTU传统方法所得到的估计值进行对比分析。结果表明,模型树预测结果比回归树要好,决策级融合算法可以提高回归树的预测结果,但对模型树的预测结果影响较小;叠加回归树和模型树的预测结果会使其预测的不排水抗剪强度比回归树预测的结果要好,但比模型树预测的结果要差;对于几种数据融合模型,OCR预测值大致相当,回归树模型在预测OCR方面稍优于其他数据融合模型,数据融合技术能更好地预测土的超固结比和不排水抗剪强度。     

Logit回归模型在医学中的应用

Logit回归模型在生活中有很多应用,利用Logit回归模型探讨冠心病的危险因素,找出对冠心病有影响的危险因素,建立回归模型,提出一套判别法则来判别某人是否患上了冠心病。经过实验数据的检验,此办法可行。     

均值GM（1,1）模型在变形预测中的应用

以变形监测实测20期高程数据为依据,选择前15期建立均值GM(1,1)模型,对后5期数据进行预测,并对建模拟合结果和预测结果进行分析,认为以均值GM(1,1)模型进行拟合预测精度满足要求。并且与以荷载和时间为影响因素建立的多元线性回归预测结果进行比较,相较于多元线性回归预测精度高。该研究对建筑物变形预测有一定的实际应用价值和参考意义。