排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
吴子安 《武汉大学学报(信息科学版)》1993,(1)
本文对我国大坝变形资料分析中常用的逐步回归分析进行了探讨,指出这种方法通常所选的因子数偏少,其原因来自自变量之间的复共线性的影响。为了克服复共线性对因子筛选的影响,文中对因子筛选提出了若干有益的建议。 相似文献
2.
针对在地基GNSS水汽反演的过程中,天顶湿延迟转换为大气可降水量时如何建立精确的大气加权平均温度(Tm)模型的问题,该文在建立Tm模型前全面考虑了对Tm有显著影响的变量并选择最优回归子集。但分析发现,最优回归子集中各变量之间存在较强的相关性,这将会导致变量之间存在多重共线性,从而影响模型的稳定性和可靠性。选择2013—2015年相关气象数据作为变量并应用岭回归的方法削弱变量之间的多重共线性,建立稳定的多因子Tm回归模型。并利用该模型分别预测2016年1—12月、2019年1—7月的Tm,均方根误差分别为2.3 K和2.0 K,预测精度较高,这将为高精度的水汽反演奠定较好的数据基础。 相似文献
3.
以西安地区为例, 分析该地区2002年1月—2004年12月连续3年逐日公路交通事故资料1096个样本, 以及该地区、对应的逐日13个气象要素资料, 并将样本数据划分为春夏和秋冬两个半年, 来考虑气象要素在不同时段的不同影响, 建立合理有效的公路气象预警模型。通过2005年3月—2006年4月交通事故发生起数共365个测试样本的检验, 发现这个模型具有较高的预测准确性, 运用该地区气象要素建立公路交通事故的预警模型是可行而有效的。研究表明:西安地区气象要素中包含着影响和可以预测当地公路交通的信息, 按照在logistic方程中的显著性大小和因子负载的大小, 在春夏半年 (4—9月), 影响西安地区公路交通事故相关因素依次为:能见度因子、相对湿度因子和降水因子; 而在秋冬半年 (10月—次年3月), 依次为温度因子、能见度因子、降水因子。 相似文献
4.
1