基于随机森林算法的某型飞机燃油消耗情况研究

为确定某型飞机燃油消耗量同其它因素之间的相关关系,首先将预处理后的某场站近三年燃料油消耗的实际数据随机地分成10份;然后,分别借助决策树和随机森林算法,对数据建立回归模型,并采用10折交叉验证法,判断上述结果的可靠性;最后,使用平均的标准化均方误差来评价模型,得出结论.     

消耗系数方阵逆向优化调整的一步法

本文分别按照"绝对改变量"最小与"相对改变量"最小的要求,统筹考虑最大正特征值以及各消耗系数的逆向优化调整问题,得到了一种普适而又简便的所谓"绝对一步法"与"相对一步法"."一步法"较之"两步法"具有明显的优点,不仅计算更简单,而最主要的是结果更符号实际情况.     

数理统计方法研究大气污染与癌病的关系

用数理统计方法以某市近 6年期间发现的 2 2 90个肿瘤病例为依据 ,定量地解决了 SO2 、香烟销售量、COD、T· S· P对肺癌等 7种癌病的影响大小 ,从而解决了不同污染区 ,不同癌病有目标地重点解决大气污染治理投资问题     

基于EBT模型的一种新的变量选择方法及应用

EBT(Energy Bagging Tree)模型是基于能量距离的多元bagging,模型中的不纯度函数采用广义基尼均值差,分裂函数是样本落入分裂的两个子节点的概率和能量距离的乘积.新的变量选择方法基于EBT模型中分裂变量的频率,通过变量重要性的计算,为变量选择提供了依据.模拟分析显示,新方法和已有的多元随机森林算法在变量重要性排序的比较中具有优势.在建筑行业的混凝土实际数据上的表现进一步评估了新方法的性能.     

Logistic回归模型的统计诊断

统计诊断的主要任务就是通过诊断统计量检测已知观测数据在用既定模型拟合时的合理性,主要是找出数据当中的异常点或强影响点。本文主要研究Logostic回归模型的诊断统计量和诊断统计图。用牛顿迭代法给出Logistic回归模型的极大似然估计值,根据扰动模型得到传统的诊断统计量,结合残差、杠杆值和系数变化三者构造新的诊断统计量,绘制新的诊断统计图,通过模拟研究说明新的诊断统计量的有效性,最后用一个实际案例说明新的诊断方法的应用并进一步验证其优越性。     

基于条件分布函数的高维回归模型的变量选择方法

高维回归分析的变量选择问题是目前统计学研究的一个热点和难点问题.提出了一个基于条件分布函数的相关性度量准则,并在此基础上提出三种变量选择方法.与现有的方法相比,提出的方法不依赖于统计模型,可以适用于线性模型和非参数可加模型.数值模拟结果表明,即使协变量之间存在一定的相关性,方法也有较为满意的表现.     

复杂数据统计过程的若干研究

统计过程控制(statistical process contor, SPC) 是应用统计方法对过程中的各个阶段进行监控,从而达到改进和保证质量的目的. 本文在一些重要的前沿问题上展开研究, 其中包括profile 数据过程的监控和诊断、监测drift 飘移的控制图、多元过程控制和多阶段过程的检测和诊断. 本文引入并开发各种新的统计技术, 紧密结合计算算法, 解决这些当前质量控制领域研究的难点问题.     

高维混料模型的LASSO变量选择

变量选择是统计建模中重要的问题。当试验数据维数很高时,传统变量选择方法的应用受到了很多制约。本文以高维混料试验为基础,比较了AIC准则和LASSO在变量选择问题上的优良性。通过实例验证,LASSO可以快速且准确地对高维混料模型中的变量进行筛选,从而得出最优模型,达到降低成本、提高利益的目的。     

高维部分线性模型的变量选择和估计

考虑高维部分线性模型,提出了同时进行变量选择和估计兴趣参数的变量选择方法.将Dantzig变量选择应用到线性部分及非参数部分的各阶导数,从而获得参数和非参数部分的估计,且参数部分的估计具有稀疏性,证明了估计的非渐近理论界.最后,模拟研究了有限样本的性质.     

基于径向基函数模型的工程工料消耗的估算方法

将径向基函数网络方法应用于工程工料消耗估算 ,讨论了网络结构的设计、学习算法等问题 ;建立了基于径向基函数网络的工程工料消耗估算模型 ,计算实例表明 ,借助该模型可实现工程工料消耗的快速估算 .     

房产需求量中的若干数学模型和研究

本文是继2006年研究项目“上海市基础房价走势”后的又一后续课题．其宗旨是研究、预测2007年上海市住宅需求量．基于易居（中国）房地产研究院所提供的数据，本文在数据相关性分析基础上，建立了二个预测模型，每个模型分别用2种方法得出结果，以便验证并消除系统误差．模型一：回归模型．分别利用主成分分析基础上的回归以及逐步回归法．模型二：核密度函数模型．通过核估计以及核回归，进行预测．本文模型具有一定的可操作性，使用简便．所得结果得到有关专家的论证和确认．     

基于反馈回归法的用电量预测模型研究

多元线性回归法是用电量预测中常用的一种方法,带反馈的多元线性回归法是一种改进的回归方法,具有更高的精度.本文在此基础上进行了多次反馈,即利用带多次反馈的多元线性回归法,结合SPSS软件进行统计分析,并以陕西省用电量为例探究分析多次反馈的多元线性回归法在用电量预测中的应用,从而得到更精准的用电量预测模型.最后以四川省的用电量数据对模型进行了验证,体现出了该模型的优越之处.     

基于油耗的带有车容限制弧路径问题的模型及优化

提出了一种基于油耗的带有车容限制的弧路径问题(Capacitated Arc RoutingProblem,CARP),建立了以降低油耗为目标的问题模型,构造了相应的遗传算法.基于标准测试问题,同传统以距离为优化目标的遗传算法求得的油耗进行比较,实验结果表明,此算法可以快速、有效的求得以油耗为优化目标的CARP问题的优化解,为实际中降低车辆运输服务成本提供了较好方案.     

长沙市居民娱乐消费与收入关系的数学模型及分析

运用调查统计、回归建模和数学分析等方法,研究了长沙居民收入与娱乐消费之间的定量关系,其中包括1区别于统计局发布的对长沙市居民消费分类,通过社会采访调查的方法分性别、年龄、收入差异等3个维度更准确地测算长沙市城镇居民娱乐消费的消费额.2基于调查数据,分别构建了不同年龄段、不同性别的居民娱乐消费与其收入之间的回归模型.3通过分析回归模型的性质,揭示了长沙市城镇居民娱乐消费的规律性.研究结果对政府部门的决策优化具有重要的启示作用.     

线性回归模型中自变无选择的逐步回归方法及其相合性研究

线性回归模型的建立,一个很重要的过程就是自变元的选择,它直接决定着模型的优劣。本文给出了“宜取回归方程”的逐步回归方法,在一组适当的条件下,证明了这种方法的强相合性。     

基于灰关联分析的GA-BP神经网络在汽车油耗估算中的应用

从设计参数特征入手分析影响汽车油耗的因素,利用灰关联分析方法,解析了各设计参数对汽车油耗的影响程度,选择其中灰关联度较大的设计参数作为输入数据,综合工况油耗作为输出数据,构建6-5-1层结构的BP神经网络预测模型,并利用遗传算法获得优化后的BP神经网络的权值和阈值,然后训练BP神经网络得到最优值,最后以国内市场340款汽车作为研究样本,进行有效性验证.研究结果表明,模型利用灰关联分析获得影响汽车油耗的主要因素,简化了网络结构;与优化前的BP神经网络相比,具有更高的预测精度和可靠性.     

指数回归-ARMA模型在我国人均生活电力消费量预测中的应用

随着我国经济快速增长、居民收入水平的显著提高,生活电力消费量快速增长。本文以1983-2006年我国人均生活电力消费量的历史数据为基础,根据趋势图拟合出与之相似的指数回归曲线,然后对其残差序列进行分析和识别,找出适合我国人均生活电力消费量的指数回归-ARMA模型,并根据此模型进行预测分析。     

中国城镇居民消费支出的多元非线性回归模型研究

以1993-2007年数据为根据,采用逐步回归方法,建立中国城镇居民消费支出的多元非线性回归模型.结果表明:影响居民消费支出的主要因素有收入、消费意愿、居住面积、商品零售价格.消费支出随着收入、消费意愿、商品零售价格的提高而提高,随着人均居住面积的增加而先增后减.而且多元非线性回归模型比线性回归模型更能准确描述客观实际结果.     

基于消费函数模型的居民消费能力与趋势的实证分析

对浙江省城乡居民消费能力的重要指标应用计量经济学,建立城乡居民的消费函数模型,并用定性分析与定量研究相结合的方法,就城乡居民消费能力与趋势进行计量经济的实证分析.进而探讨城乡居民消费水平的差距,寻求持续稳定提高城乡居民消费水平的主要途径.研究表明所建消费函数模型具有较高的拟合精度,且很好的反映了城乡居民消费能力的发展现状和趋势.对促进城乡居民消费能力的协调发展,缩小城乡居民消费水平差距等具有一定的现实意义.     

奥运临时超市选址的优化模型

首先依据问卷调查的数据,分析了年龄结构、购物需求、出行、用餐方式之间的关系,然后进一步用逐步回归方法找出了对顾客消费额影响较大的因素为年龄结构、性别结构.以此为依据测算出20个商区的人流量的百分比分布,其中人流量最大的节点依次为:A6,B6,C4.对于各商区的人流量先折换成实际购物的标准人,然后以此作为超市规模的确定标准建模求解,建立以商业营利最大为目标,超市分布均衡及满足购物需求为约束的整数规划的选址模型,确定了在不同超市规模下,A、B、C三区应拥有的超市个数及各超市的具体所在.