1) Non-distinct forecast model
不分明预测模型
2) decomposition prediction model
分解预测模型
1.
A decomposition prediction model for rainfall is established in this paper.
为了对随机型时间序列进行预测,在分析其性质的基础上,提出了将其分解为趋势项、周期项和平稳随机项,建立时间序列分解预测模型,分别对趋势项和周期项进行检验和提取,利用自回归模型人工合成新的序列对平稳随机项进行模拟和预测。
4) fuzzy preorder
不分明预序
1.
A saturated fuzzifying topology can be generated by a reflexive fuzzy relation; and conversely, a fuzzy preorder can be generated by a fuzzifying topology.
本文在不分明预序、拓扑套和(仿)拟一致结构等方面,探讨了不分明拓扑诱导与表现的性质。
5) Chronic emergent model
慢性不可预测应急模型
6) Uncertain models for forecasting
不确定性预测模型
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