基于多元线性回归的螺纹钢价格分析及预测模型

通过分析期货黑色系品种螺纹钢产业链上下游的关系,提出了一种基于多元线性回归分析的螺纹钢价格分析及预测模型。首先,收集 影响螺纹钢价格的主要因素数据,包括焦炭期货结算价、焦煤期货结算价、铁矿石期货结算价、热卷期货结算价与人民币兑美元汇率中间价;然后,通过散点图与趋势线对这些影响因素进行分析以确定影响因素,借助SPSS与NCSS软件利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过岭回归分析消除自变量间的共线性,得到修正后的模型;最后,运用此模型对未来一个月交易日的螺纹钢价格进行较为精准的预测。实验表明,该模型拟合度较高,具有一定的实用性。     

基于多元线性回归预测模型的sensor态势研究

由于系统漏洞层出不穷,网络管理员也不容易获得用户主机的安全态势,如何在攻击者利用漏洞之前,对网络中用户主机的漏洞、脆弱性进行自动发现成为保障计算机网络安全、平稳运行的关键问题。文中针对多元线性回归预测模型算法,首先利用最小二乘法实现对多元线性回归方程的求解,然后利用＂t-检验＂检验回归系数的显著性,实现对sensor安全的精确预测,使网络管理员能直观了解到sensor的全状况,以寻求最低的事故率、最少的损失和最优的安全投资效益。     

基于多元线性回归模型的昆明市用水量分析及预测

水是生物生存不可或缺的资源,更是城市发展的重要基础。因此,选取昆明市2012—2021年的用水量为因变量,基于多元线性回归模型对影响昆明市用水量的若干因素进行分析与预测。为了解决自变量间存在的多重共线性问题,本文使用逐步回归法筛选变量,利用R软件计算出模型的系数,并基于模型预测昆明市年度用水量,发现计算出的各年相对误差与平均误差较小,说明模型适合对昆明市年度用水量进行预测。     

基于MATLAB的一元线性回归分析

本文主要论述了一元线性回归分析的基本理论,借助Matlab对北京等8个省市2016年年末常住人口总数和该地区国内生产总值GDP的关系进行了分析,分析得出的结论为:各省市年末常住人口总人数与国内生产总值的相关性非常密切。     

基于LabVIEW的多元线性回归数据处理系统

多元线性回归分析是一种重要的数据处理方法,借助图形化的虚拟仪器开发平台LabVIEW可开发出集数据剔错、模型构建、统计检验、区间估计与预测等功能为一体的多元线性回归的可视化数据处理系统。系统构建方法新颖和稳健,通用性和适应性强,可方便地与数据采集整合使用,又可单独应用,具有广泛应用价值。文章对系统的构建与设计作了阐述,给出了主要的实现程序。     

基于MapReduce的多元线性回归预测模型

针对传统的多元线性回归预测方法处理时间长且受内存限制的特点,对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduce过程组成,分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量,用来预测未来参数的特征值和特征向量矩阵和未来时刻回归参数的估计量。设计并实现了实验来验证提出的并行多元线性回归预测模型的有效性。实验结果表明,基于MapReduce的多元线性回归预测模型具有较好的加速比和可扩展性,适合于大规模时序数据的分析和预测。     

基于多元线性回归的环境监测数据分析与研究

目前的环境实时监测数据精度和适用范围都有一定限制,为此提出并改进一种新的环境预测模型,用于预测大气环境质量,收集6个空气污染物指标和5个相应的气象指标并进行检测.研究发现通过逐步线性回归优化多元线性方程,可以准确预测短期大气环境质量,改进后的模型可以相对准确地预测未来大气污染物的质量浓度.     

基于灰色多元线性回归融合模型的故障率预测

为预测在设备使用年份期间的制氧系统故障率,提出灰色多元线性回归融合模型的新方法。该方法首先求出制氧系统各设备故障率的GM(1,1)模型;然后计算出制氧系统故障率、制氧系统各设备故障率与设备使用年份相关关系模型,并且将制氧系统各设备故障率的GM(1,1)模型代入该关系模型中;最后利用最小二乘法求出待定参数。通过对制氧系统故障率的预测分析表明,灰色多元线性回归融合模型在故障率预测精度上优于单一的灰色模型和线性回归模型,且不要求提供的历史数据具有典型的分布规律。该模型的预测结果可为制氧系统的维修工作提供决策依据。     

具有模糊控制变量的多元线性回归

多元线性回归被广泛用于预测。回归式反映了响应变量和预测变量间的线性关系。将模糊集理论引入多元线性回归中,通过模糊控制变量,可以得出更符合实际,也更容易为人所理解的回归模型。针对真实数据的实验表明,具有模糊控制变量的线性回归可以解决一类复杂的回归问题。     

结合过渡区的多元线性回归昆虫图像分割方法

针对多元线性回归模型对含阴影的昆虫图像边界分割不准确的问题,提出一种结合过渡区的多元线性回归优化算法。算法首先对多元线性回归模型进行范数优化。即根据图像的RGB三色板信息建立多元线性回归基本模型,再利用余弦范数对模型进行优化。优化后算法对图像的分割效果有所改进,但仍保留了图像阴影部分,因而引入过渡区算法对边界和阴影进行分割,实现图像边界的二次分割优化。与单独应用多元线性回归算法相比,新算法提高了昆虫图像的分割精度,具有较强的鲁棒性。     

基于多重线性回归模型的翻译等价对获取

翻译等价对在词典编纂、机器翻译和跨语言信息检索中有着广泛的应用。文章从双语句对的译文等价树中抽取翻译等价对。使用译文直译率、短语对齐概率和目标语-源语言短语长度差异等特征对自动获取的等价对进行评价。提出了一种基于多重线性回归模型的等价对评价方法,并结合N-Best策略对候选翻译等价对进行过滤。实验结果表明:在开放测试中,基于多重线性回归模型的等价对评价及过滤方法其性能要优于其它方法。     

基于多元线性回归的雾霾预测方法研究

提出了一种在线样本更新的多元线性回归分析的雾霾预测方法。首先搜集了北京市天气状况,包括平均气温、湿度、风级等气象数据以及PM2.5、CO、NO₂、SO₂等大气成分浓度数据,然后通过散点图对这些因素进行主要影响因素分析,筛选出对雾霾影响比较明显的因素作为雾霾预测的依据。通过在线样本更新的多元线性回归建立了PM2.5含量预测模型,并将气象要素作为雾霾的判断标准。最后给出实际例子,利用多元线性回归对北京未来一天、三天及一周的PM2.5含量进行较为精确的预测。     

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。     

基于多元线性回归的GPS-IR积雪深度反演研究

利用全球导航卫星系统反射干涉遥感技术（GPS-Interferometric Reflectometry, GPS-IR）可实现地表环境参数的监测。基于全球导航卫星系统多径反射信号与积雪深度之间的关系,针对目前已有研究较少的考虑多星融合对反演效果的影响,提出一种基于多元线性回归的多星融合积雪深度反演模型。为了验证算法的可靠性,利用美国PBO观测网络中的P101测站连续监测数据进行雪深反演研究。研究和实验表明：反演结果与积雪深度参考值具有显著相关性;多星融合能够有效综合各单颗卫星的反演性能,相关系数均大于0.940,相比单星提高了13.6%;RMSE和MAE均小于0.08和0.165。     

基于线性回归机制的远程带宽测量方法

设计并实现基于线性回归机制的带宽测量方法,以获取某个网段内所有链路的带宽。分析带宽测量的基本思想,讨论获取探测数据和基于这些数据分析带宽的步骤。论述探测结果组织、减少探测量、并行调度机制、回归分析等关键问题。给出实验结果,并探讨探测速度和排队策略给探测准确性带来的影响。     

基于层次结构数据的多元线性回归问题研究

针对传统多元线性回归分析(Multiple linear regression, MLR)在处理大数据时,特别是具有层次结构的数据,提出了基于层次结构数据的偏回归系数计算模型。该模型通过计算下层中每个部分的偏回归系数及上、下层之间的层次结构矩阵,来计算上层的总体偏回归系数。从理论研究和实际数据试验验证了在计算回归系数时新模型与传统MLR模型具有等效性。同时,新模型能有效解决隐私数据的保护问题,实现计算的并行处理,提高了大数据处理能力。