1) Nonlinear stepwise regression
非线性逐步回归
1.
Three new methods for selection of the predictors are advanced as nonlinear stepwise regression,nonlinear stepwise regression with principal component and nonlinear stepwise regression with rotated principal component.
提出了非线性逐步回归、主分量非线性逐步回归和旋转主分量非线性逐步回归 3种因子选择方案 ,为提高褐飞虱长期预测的准确性提供依据。
2) nonlinear stepwise regression with principal component
主分量非线性逐步回归
1.
Three new methods for selection of the predictors are advanced as nonlinear stepwise regression,nonlinear stepwise regression with principal component and nonlinear stepwise regression with rotated principal component.
提出了非线性逐步回归、主分量非线性逐步回归和旋转主分量非线性逐步回归 3种因子选择方案 ,为提高褐飞虱长期预测的准确性提供依据。
3) step-wise linear regression
逐步线性回归
1.
The methods of stationary time series,step-wise linear regression and BP neural network were respectively used for modeling of annual runoff forecasting for Dahuofang Reservoir.
通过分析大伙房水库所属流域的气候特征,找出合适的预报因子;采用平稳时间序列、逐步线性回归、BP神经网络作为几种典型中长期预报方法的代表,分别对大伙房水库进行年径流预报建模;综合比较三种方法的拟合与检验预报结果,可以得出BP神经网络法是最适合该流域的预报方法。
4) nonlinear stepwise regression with rotated principal component
旋转主分量非线性逐步回归
1.
Three new methods for selection of the predictors are advanced as nonlinear stepwise regression,nonlinear stepwise regression with principal component and nonlinear stepwise regression with rotated principal component.
提出了非线性逐步回归、主分量非线性逐步回归和旋转主分量非线性逐步回归 3种因子选择方案 ,为提高褐飞虱长期预测的准确性提供依据。
5) multiple linear regression analysis
多元逐步线性回归分析
1.
We carried out multiple linear regression analysis on the spores and its related meteorological factors during the times of 2000,3 and 2001,2 in NanChang urban area.
并将曲霉菌曝片监测计数资料与同期江西省气象台气象因素资料进行了多元逐步线性回归分析。
6) Stepwise multiple linear regression
逐步多重线性回归
1.
Stepwise multiple linear regression-near infrared spectroscopy is used to create a prediction model of diesel catane number.
将逐步多重线性回归（ＳＭＬＲ）技术与近红外光谱相结合，建立了预测柴油十六烷值的新方法。
2.
Stepwise multiple linear regressionnear infrared spectroscopy is used to determinate ethanol in gasolines.
采用逐步多重线性回归（ＳＭＬＰ）技术解析近红外（ＮＩＲ）光谱数据来测定汽油中乙醇含量。
补充资料：非线性回归
分子式：
CAS号：
性质：对具有非线性关系的因变量与自变量的数据进行的回归分析。处理非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性回归方法处理。假定根据理论或经验，已获得输出变量与输入变量之间的非线性表达式，但表达式的系数是未知的，要根据输入输出的n次观察结果来确定系数的值。按最小二乘法原理来求出系数值，所得到的模型为非线性回归模型(nonlinear regression model)。
CAS号：
性质：对具有非线性关系的因变量与自变量的数据进行的回归分析。处理非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性回归方法处理。假定根据理论或经验，已获得输出变量与输入变量之间的非线性表达式，但表达式的系数是未知的，要根据输入输出的n次观察结果来确定系数的值。按最小二乘法原理来求出系数值，所得到的模型为非线性回归模型(nonlinear regression model)。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条