多重多元回归分析在既有铁路沿线地质灾害评价中的应用——以集通线通辽段为例

以多元多重回归分析方法为基础,以集通线为例,对铁路沿线的各判别因子进行详细的归类和分析,建立适合对既有铁路沿线地质灾害进行评价的模型,并利用该模型对集通沿线区域进行评判计算.评价结果表明,该模型在铁路沿线地质灾害评价中是可行和有效的.     

广告牌空间位置对驾驶人视觉的影响分析

以广告牌为代表的道路路侧设施信息纷繁复杂,给驾驶人带来视觉负荷,为确定路侧信息对驾驶人行车环境造城的影响,研究通过设计实车试验,将所有被注视的高立柱塔架式广告牌作为研究对象,以交通量、照明和空间位置等作为分类变量,利用Logistic回归模型,讨论分类变量是否对驾驶人捕捉广告牌有显著性影响。研究表明,广告牌空间位置对驾驶人视觉行为产生影响,右侧紧临道路设置广告牌对驾驶人视觉捕捉的比例最大。探究结论对广告牌的设置依据提供借鉴和建议。     

上海大众：回归“大众”

“麦莎”刚走,上海大众又刮起一股强劲的飓风。一项名为“飓风行动”的组合营销措施于8月8日被启动,对旗下多款车型进行优惠促销,帕萨特竟然狂降近5万元……这是否意味着——     

基于AR模型的并靠两船相对运动预报研究

根据两船相对运动的特点,利用两船模相对运动的测量数据,运用基于自回归模型的时间序列分析法,建立了两船相对运动的数学模型,并给出了运动姿态的预报值.通过本方法的研究,可以得到满意的相对运动预报精度,为两船补给波浪、补偿装置的开发打下了理论基础.     

西安市早产儿发生状况及其影响因素分析

目的分析西安市单胎活产新生儿早产发生率及其影响因素,为早产儿的预防提供流行病学依据。方法采用多阶段分层随机抽样调查方法,于2013年7月至12月以问卷调查的方式收集西安市2010—2013年间怀孕且结局明确的育龄妇女及其生育子女的相关信息。采用Logistic回归模型对早产儿影响因素进行分析。结果本次调查中,西安市末次妊娠单胎活产新生儿早产的发生率为2.81%,2010—2013年各年早产儿的发生率分别为3.51%、3.13%、3.18%、2.21%,差异无统计学意义(P=0.248);被调查的西安市5个区早产儿的发生率分别是,灞桥区3.10%,碑林区2.41%,莲湖区2.14%,新城区3.70%,雁塔区2.64%,差异无统计学意义(P=0.259);城镇居民、农村居民早产儿的发生率分别为2.96%和2.69%,差异无统计学意义(P=0.581)。Logistic回归分析结果显示,妇女职业为工人[OR=4.06,95%CI(1.69,9.75)]、既往不良孕产史[OR=10.68,95%CI(6.92,16.48)]、围孕期饮酒[OR=6.31,95%CI(1.21,32.99)]、放射性检查[OR=6.13,95%CI(1.64,22.85)]、职业危险因素暴露[OR=1.96,95%CI(1.08,3.57)]、妊高症[OR=4.80,95%CI(2.17,10.61)]、患病[OR=0.64,95%CI(0.43,0.95)]是早产儿发生率的影响因素。结论 2010—2013年西安市单胎活产新生儿早产发生率低于全国平均水平。妇女职业为工人、既往不良孕产史、围孕期饮酒、放射性检查、职业危险因素暴露、患妊高症可增加新生儿早产发生风险。     

卡尔曼滤波在船舶跟踪预测中的研究应用

利用卡尔曼滤波算法的自回归性,将其应用到船舶动态跟踪预测中,建立船舶运动的状态方程,通过当前状态进行下一时刻的位置和速度预测,然后利用Matlab对采集到的10帧图像进行实验仿真。通过对测量值、估计值和最优值的对比可知,本文算法能够较高精度的对船舶进行跟踪预测。     

基于多元回归方法的海洋执法船主尺度分析

为分析海洋执法船主尺度之间的变化规律,对海洋执法船的发展趋势进行了介绍,并对其相关船型数据资料进行整理分析。采用多元回归的数学方法,建立了基于多变量的海洋执法船主尺度数学模型,有利于对海洋执法船主尺度的变化规律进行分析与掌握,为海洋执法船的报价设计与初步设计提供一定的科学依据。     

AIS系统在大型船舶锚泊半径及船间距的应用

航运业不断发展,港口的泊位资源越来越紧张,经常出现多只船舶同时锚泊的情况,船舶的安全停靠成为需要重点解决的问题。为了保障锚泊可靠性,需要计算自身船舶的水位空间占用大小及与相邻船舶的锚位距离,使船舶锚泊操控在锚泊时占用的空间误差最小。对此,本文利用自动识别系统(AIS)的动态及静态数据来描述船舶锚泊的水域空间半径及各大小不同船舶锚泊距离,通过计算机程序拟合单个船舶实际停泊的半径变化范围,最后进行仿真。     

指数函数拟合公路隧道工程沉降规律的方法研究

对于指数函数回归,只当采用乘积随机误差时才能够线性化。导出了采用乘积随机误差及采用线性化回归方法时,指数函数因变量的数学期望的表达式,该式表明,该因变量的估计值并非是其数学期望的估值。分析表明,采用线性化回归方法所求指数函数的回归系数不满足该因变量的残差平方和为最小。基于上述不合理现象,对指数函数的回归计算应采用非线性回归方法求解。文中给出了采用高斯-牛顿法或借助MATLAB软件中nlinfit函数求解指数函数非线性回归的方法。实例进一步表明,采用非线性回归方法拟合效果显著优于线性化的回归方法,且借助MATLAB软件易于实现。