1) periodic overlapping prediction model (POL)
周期叠加预测模型(POL)
2) amplitude-compacted periodic overlapping prediction model (AC-POL)
压缩振幅的周期叠加预测模型(AC-POL)
3) dominant period inversely-deduced periodic overlapping prediction model (DPI-POL)
逆推优势周期的周期叠加预测模型(DPI-POL)
4) trend-periodic overlapping combinatorial prediction model (TPOLC)
趋势-周期叠加组合预测模型(TPOLC)
5) improved period superposition forecasting model
周期迭加预报模型
6) Cycle stack
周期叠加
补充资料：回归模型预测法
回归模型预测法
【回归模型预测法】简称“回归预测法”，以定量研究变量间相关关系的回归方法为基础的预测方法。基本思路是:通过样本信息，分析预测对象与有关因素之间的总体相关关系，设定适当的数学模型(称为总体回归模型)将这种相关关系的类型表达出来;然后再利用样本信息，运用参数估计法，建立反映预测对象与主要相关因素之间总体关系的样本回归模型;进行必要的检验;最后根据已建立并通过检验的样本回归模型，来预测研究对象的未来状况。其中，在预测之前所做的那些工作，包括模型设定、参数估计和模型检验，统称为回归分析。由回归方法建立起来的数学模型，就称为回归模型。它一旦用于预测，又可称为预测回归模型。回归模型可分为线性回归模型和非线性回归模型，也可分为一元回归模型和多元回归模型。回归预测法，有比较严密的理论基础和较成熟的计算分析方法，如果模型建立得当，则可得到比较精确的预测结果。
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