發(fā)布時間：2018-01-13 02:06

  本文關鍵詞：更為廣義的線性回歸模型及其氣象應用　出處：《解放軍理工大學學報(自然科學版)》2017年02期 　論文類型：期刊論文

  更多相關文章： 全回歸 要素場 統(tǒng)計 矩陣

【摘要】：為了解決傳統(tǒng)的線性回歸模型不具備全域分析能力以及表達能力受到模型維數(shù)限制的問題,基于要素場和矩陣的概念,提出了基于場的更為廣義的線性回歸模型——全回歸模型。利用大規(guī)模要素場分布資料構建全回歸模型,模型基本方程采用矩陣形式,方程的基本元素為要素場,相較于傳統(tǒng)回歸模型,該模型涵蓋要素場整體信息。與傳統(tǒng)回歸方案進行對比分析,結果表明:該模型具有全局表達能力,在擬合過程中采用最小二乘方案可以得到全局最優(yōu)結果;不同于傳統(tǒng)回歸模型的單調性特征,該模型自變量局部擾動對因變量的影響有利于分析相關過程;對于傳統(tǒng)統(tǒng)計預報而言,基于矩陣分析理論及該模型全局表達能力,可以將該模型延伸應用至單站回歸預報。
[Abstract]:In order to solve the problem that the traditional linear regression model does not have the global analysis ability and the expression ability is limited by the dimension of the model, the concept of element field and matrix is based on. A more generalized linear regression model-full regression model based on field is proposed. The full regression model is constructed by using the distribution data of large-scale factor field. The basic equation of the model is matrix form. The basic element of the equation is the element field. Compared with the traditional regression model, the model covers the whole information of the element field, and compared with the traditional regression scheme, the results show that the model has the global expression ability. In the process of fitting, the global optimal results can be obtained by using the least square method. Different from the monotonicity of the traditional regression model, the influence of the local disturbance of the independent variable on the dependent variable is beneficial to the analysis of the correlation process. For the traditional statistical forecasting, based on the matrix analysis theory and the global expression ability of the model, the model can be extended to the single-station regression prediction.
【作者單位】： 解放軍理工大學氣象海洋學院;海軍大連艦艇學院;解放軍31110部隊;解放軍75839部隊;
【基金】：中國科學院可再生能源重點實驗室開放基金資助項目(Y707k31001) 中國科協(xié)高端科技創(chuàng)新智庫青年項目(DXB-ZKQN-2016-019) 山東省自然科學基金資助項目(ZR2016DL09)
【分類號】：P731;P456
【正文快照】： 3.解放軍31110部隊,江蘇南京,210016;4.解放軍75839部隊,廣東廣州,510510)氣象海洋學的研究與預測方案主要依據動力學方法,相對于該方法,統(tǒng)計方法在大規(guī)模要素場的分析、預測中應用相對較少。對于廣大基層氣象海洋從業(yè)技術人員而言,統(tǒng)計方法在計算效率和應用層面上較數(shù)值模式

【相似文獻】

相關期刊論文 前10條

1 陳波;線性回歸與回歸常數(shù)間顯著性判別程序[J];溫州醫(yī)學院學報;1998年04期

2 王峰;一類線性回歸及其性質[J];淮海工學院學報(自然科學版);2001年04期

3 任曉全;線性回歸模型中的加權處理及其應用[J];陜西廣播電視大學學報;2002年03期

4 張尚立,劉國忠;一般線性回歸模型最佳線性無偏估計的影響分析[J];北京交通大學學報;2004年06期

5 曾文藝;李洪興;施煜;;模糊線性回歸模型(Ⅰ)[J];北京師范大學學報(自然科學版);2006年02期

6 曾文藝;李洪興;施煜;;模糊線性回歸模型(Ⅱ)[J];北京師范大學學報(自然科學版);2006年04期

7 陸元鴻;;水塔水流量問題的廣義線性回歸解法[J];大學數(shù)學;2008年06期

8 侯麗敏;馬國峰;;基于灰色線性回歸組合模型鐵路客運量預測[J];計算機仿真;2011年07期

9 熊耀邦;;建立在線性回歸基礎上建模方法的研究[J];讀與寫(教育教學刊);2012年11期

10 胡國成;;線性回歸分析特例[J];計量技術;1983年03期

相關會議論文 前10條

1 劉春鳳;;多元模糊線性回歸參數(shù)的模糊幅度與置信水平[A];中國現(xiàn)場統(tǒng)計研究會第九屆學術年會論文集[C];1999年

2 強雁;羌維立;;基于線性回歸的建模方法——最小量化法[A];江蘇省現(xiàn)場統(tǒng)計研究會第八次學術年會論文集[C];2003年

3 萬玉成;;輸出數(shù)據為未確知數(shù)的線性回歸預測模型[A];第四屆中國不確定系統(tǒng)年會論文集[C];2006年

4 連華娟;李曉奇;;模糊線性回歸分析[A];中國數(shù)學力學物理學高新技術交叉研究學會第十二屆學術年會論文集[C];2008年

5 哈明虎;王熙照;;Fuzzy線性回歸分析及參數(shù)估計[A];模糊數(shù)學和系統(tǒng)成果會論文集[C];1991年

6 高偉;陳川;;海底參數(shù)反演的鄰域加權線性回歸算法[A];中國聲學學會2009年青年學術會議[CYCA’09]論文集[C];2009年

7 蔡季新;沈永偉;麻良彬;余遠東;黃雪輝;;基于線性回歸的樣本篩選方法及其在短期預報中的應用[A];第八屆全國優(yōu)秀青年氣象科技工作者學術研討會論文匯編[C];2014年

8 王建國;;帶有連續(xù)和離散數(shù)據的局部線性回歸:一致收斂性及收斂速度[A];21世紀數(shù)量經濟學（第11卷）[C];2010年

9 賴茂柏;蓋國勝;楊玉芬;劉偉;;粉煤灰的表面改性及線性回歸優(yōu)化改性工藝[A];第十一屆全國粉體工程學術會暨相關設備、產品交流會論文集[C];2005年

10 左智力;江建平;謝鋒;;大鯢形態(tài)量度分析[A];中國動物學會兩棲爬行動物學分會2005年學術研討會暨會員代表大會論文集[C];2005年

相關碩士學位論文 前10條

1 陳源;基于正態(tài)模糊數(shù)的模糊線性回歸研究與應用[D];中國地質大學(北京);2015年

2 李琳君;集群數(shù)據的二次光滑局部線性回歸分析[D];華中師范大學;2015年

3 劉文;手持教育技術在“線性回歸分析”中的應用及案例研究[D];華中師范大學;2015年

4 張宇;AANA誤差下線性回歸模型M估計的漸近性質[D];湖北師范大學;2016年

5 黃芬芬;部分線性回歸模型參數(shù)的差分k-d估計[D];湖北師范大學;2016年

6 胡章剛;線性回歸診斷若干問題研究[D];武漢科技大學;2010年

7 高菲菲;二次光滑局部線性回歸的核密度函數(shù)選擇分析[D];華中師范大學;2013年

8 肖劍;連續(xù)時間局部線性回歸的邊界效應[D];復旦大學;2012年

9 孟會芳;二次光滑局部線性回歸中的寬帶選擇[D];華中師范大學;2013年

10 張哲;高維數(shù)據線性回歸建模方法分析[D];天津大學;2013年

，

本文編號：1416966