一、正交回归与偏相关筛选（论文文献综述）
郎许锋[1]（2012）在《高温热浪预测预警系统研究与实现》文中认为近些年来，世界各地频频出现高强度、长时间的高温热浪事件，部分地区城市电力、工业、公共交通等行业受到严重挑战，为人们的生产生活带来严重影响，甚至有些地区出现因灾致使人员伤亡情况。目前，很多国家和地区根据当地情况制定了不同的高温热浪标准，随着经验的积累，气象工作人员研究出不同的高温热浪指标，并利用数值预测和统计预测等方法对高温天气进行预测，结合医学知识健全了高温热浪预测预警系统。发布影响人体健康的气象因子发展趋势，以及高温热浪天气出现的概率、时间等，为居民和企业提供灾害发展情况和防灾建议。目前，我国已建立国家级极端高温短期气候预测系统。但在高温热浪相关指标、监测方法、预测预警以及高温对农业、水资源、能源、人类健康等方面影响的工作还很欠缺，尚未提出适合我国高温热浪的评价指标体系，也未建立一套完整的高温热浪监测、诊断、预测预警和风险分析的业务服务系统，也无法满足农业、水电力和经济等社会各行各业的服务需要。本文面对原始数据可能出现的不规范现象，对数据进行校验和预处理，采用月动力延伸模式数据、统计降尺度等五种方法对未来某段时间高温天数进行预测，为用户提供图形类高温预警服务，采用交叉校验等方式对预测结果进行验证。所做的工作主要包括：（1）由于本文数据来源广泛，格式多样，面临格式不统一、数据缺失或异常等问题，给算法的稳定和有效执行带来不利影响。因此通过分析和校验各种外部原始数据，引入拉格朗日等插值方法补充缺失数据，针对算法需要从原始数据中提取并处理后生成中间文件。（2）设计百分位相对阈值指数方法，以此阈值作为标准从月动力延伸模式信息中获取相对极端高温天数；将统计降尺度方法用于NCEP再分析数据和DERF模式数据，通过空间和时间降尺度得到高温天数；根据物理量相似基本原理选取相似因子作为特征值获取综合相似年，计算目标日期最高气温；分析均生函数统计模型较长时间的预测特征和神经网络非线性预测原理将它们应用于高温预测中。从五个不同方向对未来时间段高温天数进行预测。（3）利用交叉检验等方式对预测结果进行检验，保证预测产品的可靠性，提高高温热浪预测预警的水平和服务能力。
官涤[2]（2012）在《巢湖西半湖水华暴发的多元驱动因子分析及趋势预测》文中进行了进一步梳理近年来我国的许多湖泊频繁暴发水华,其面积、强度均在大幅度增长。巢湖是我国五大淡水湖之一,同时也是安徽省内最大的湖泊。根据当地管理部门的监测结果,巢湖富营养化水面已占全湖的70%,其中临近合肥的西半湖长期处于重富营养或极富营养状态,本世纪已出现了10余次较为严重的蓝藻水华,城乡饮水安全存在较大隐患,迫切需要从根源缓解水体富营养化趋势。针对水华暴发的多元因子和趋势预测进行研究,有助于建立起识别水华驱动因子和模拟藻类生物量动态变化的理论和技术体系,并提升对藻类暴发的应对能力。因此,本论文着眼水质、气象、水文等多元环境因素对水华暴发的多元耦合驱动作用,通过相关分析、因子分析、多元时间序列分析等方法,量化藻类生物量与环境因子间的相关关系,识别驱动水华的显着因子,构建有效的水华暴发预测模型,分析水华藻类浓度的动态变化趋势,并提出相关水华防治措施。本文取得的主要成果如下:使用与水华暴发相关的环境因子建立对水华暴发起到潜在的支配作用的因子模型,利用少数几个公共因子去解释较多个环境因子中存在的复杂关系。分析结果表明,巢湖西半湖水华暴发的显着驱动因子为气温、水体营养物浓度和光照、水位等。夏季水华暴发多为受到气温变化驱动的结果,而春季藻类的大量增殖主要受到水体营养条件和风速、光照、水位等气象水文条件变化的影响。建立带有多个环境因子时间序列作为输入变量的多元时间序列模型ARIMAX,对叶绿素a浓度动态变化进行拟合及预测。该模型的模拟精度较好,可根据历史监测资料定量预测未来一段时间内叶绿素a浓度的变化情况,而且对不同区域水华发生的趋势预测也有良好的适用性。通过模型,对藻类动态变化趋势的分析结果显示,水华暴发是多元环境因子的共同驱动结果,即春季期间水体需要保持较高的CODMn、BOD、TP等营养水平和适合水华藻类增殖的pH、水位条件,在春夏过渡期间伴随日照时间延长需要水体含氮量持续升高,在此基础上,夏季的高温天气将使该湖区出现水华暴发现象。量化水质、气象、水文等环境因子与叶绿素a浓度之间的关联度,筛选显着水华驱动因子,分析多因素耦合作用对水华驱动因子识别的影响。为了在多因素耦合条件下对环境因子进行有效筛选,建立分组偏相关分析方法,以此较全面地识别水华驱动因子。以环境影响因子为自变量、叶绿素a浓度为因变量,建立预测叶绿素a浓度变化的多元逐步回归模型。该模型可操作性较强,适于对水华暴发的趋势作出定性预测。同时,模型筛选出的显着水华驱动因子为水位、TN、CODMn和气温等,与相关分析和主因子分析结果一致,互为佐证。对巢湖西半湖的水华分布特征作出分析。巢湖西半湖的水华藻类种群结构为鱼腥藻和微囊藻,叶绿素a浓度呈现夏高冬低的季节性变化规律,且夏季峰值明显逐年下降而冬季数值差异较小。水华高发期为79月,主要聚集在塘西、派河入湖区和西半湖湖心,并且藻类聚集区逐渐由北向南移动。本文研究结果可为巢湖水华控制预报工作提供科学依据,也可作为其他区域展开水华研究的理论和参考。
张迪[3]（2010）在《矿产资源预测中的地质变量功能性研究》文中提出矿产资源预测的重要内容之一是对数学地质模型的研究,最终解决成矿预测问题。而解决问题的途径之一是用一定的数学模型去描述、刻画地质变量之间的相关关系,最后通过计算机求解,解决资源评价问题。这一过程中,地质变量占有举足轻重的地位。地质变量可认为是参与建立数学模型的素材和参数,而变量在模型中所发挥的全部效能,即在模型中变量作用能力的总体性评价叫做地质变量的功能。地质变量在其作用过程中,经过细分,可归结为判别分类、信息转换、程度度量、组合关联、结构优化等五项功能,本论文将逐一讨论。其中,主要针对变量的程度度量功能展开详细研究。论文实验数据隶属于“十一五”国家科技支撑项目《云南哀牢山地区金、多金属成矿规律及找矿方法技术研究课题》。变量的程度度量功能即为变量赋予权重的过程,本文将变量的权重度量分解为重要权和可行权两个分量（即二维赋权模型）,分别定义连续型变量和二态变量的重要权和可行权的计算公式,考虑二者的影响因子,通过数学建模将其加权并定义为综合权,其加权系数由数学规划模型求出。本文共给出三种综合权的赋权模型。这种方法弥补了传统的常权赋权法之不足,使变量在其作用过程中同时反映可行性和重要性。最后,佐之以实验数据验证,从而说明综合赋权法在矿产资源预测中的实用性与优越性。
李江风,丁裕国[4]（2007）在《着名气象学家 统计气候学的奠基人——么枕生教授》文中研究表明着名气象学家、气候学家么枕生教授,生于1910年,卒于2004年,河北丰润县人。1932—1936年就读于清华大学地学系气象组,毕业后在中央研究院气象研究所工作,任助理员、助理研究员;1941-1943年在西北农大任教,副教授;1946—1948年在东北大学地理系任教,教授;1948—1952年在浙江大学地理系任教。1952年全国高等院校系调整,浙大物理系并入南京大学气象系,么教授随之调入南大气象系任教,至2004年辞世。
么枕生[5]（1990）在《我国气候科学四十年来的蓬勃发展》文中研究指明 我国于1912年在北京设立了中央观象台（包括天文与气象）,但只限于气候观测,谈不到气候学的研究。我国气候学研究迄今可以说有两个转折点。一个转折点就是1928年在南京成立了中央研究院气象研究所,开始了气候学的研究。第二个转折点就是新中国成立后在南京大学气象系于1952年设立了气候专业。 国际上的气候学发展在70年代确已从描述性进入定量性的阶段,发展了动力气候学与统计气候学数值模拟,并且向气候预报方向逐渐发展,尤其是统计预报发展更快。最近,又把
汤奇成,李秀云[6]（1987）在《西北干旱地区枯水径流的自回归相关初步分析》文中指出 随着经济的发展,水资源的重要性日益被人们所认识。当前,不仅要求对年径流量及其随时间的变化规律作深入地研究,而且对洪枯水的研究也已经提到日程上来。在我国,洪水的研究有较长的历史,特别是历史洪水资料的分析研究,已经取得较多的成果。但对枯水径流的研究则较薄弱,为此,我们应用自回归相关分析的方法对我国西北干旱地区的枯水径流进行了初步分析。西北干旱地区正待开发,而水资源是主要的制约因素。在水
么枕生[7]（1985）在《气候统计学的研究展望(续)》文中研究说明 6.1 预报理论在过去30多年内 Kolmogorov 与 Wie-ner 几乎同时发展了线性预报的一般理论。以后,Grenander 与 Rosenblatt（1957）,Paglom（1962）,Whittle（1963）与 Bartlett（1966）都讨论过这个理论问题。这些作者都一致避免用预报一词,而是用线性预报量,
么枕生[8]（1982）在《自回归模式的拟合》文中指出本文首先略述用自回归模式去拟合平稳时间序列的各种方法;其次,证明自回归模式的第末个参数就是偏自相关系数,所以用迭代法逐步估计出自回归模式的参数后,就可以应用t检验或F检验选定模式的阶,使自回归模式拟合的计算量大大简化。文中举出日降水量的气候预报实例,以便说明上述方法。最后,讨论了t检验使用中的问题。
么枕生[9]（1980）在《用多重相关筛选建立回归方程》文中提出本文改进了多重相关筛选的方法,以便于做剔除检验,代替逐步筛选回归;提出用多重相关计算偏回归系数的公式;简单推导出回归系数的抽样方差;又用上面推导结果简单推导了回归系数的t检验,证明改进的多重相关筛选可以代替逐步筛选回归。最后,举出用多重相关筛选建立回归方程的示例,其计算结果除计算误差外和逐步回归计算结果完全一样,但计算量大大减少,说明这个方法便于在我国广大台站上做统计予报工作。
么枕生[10]（1977）在《正交回归与偏相关筛选》文中进行了进一步梳理本文首先推导了用偏相关建立正交回归的方法。其次,提出了正交回归系数的间接计算方法,这样就不必象正交化回归那样一定要逐步利用新的正交化变量重新计算大量相关系数,经过F检验确定新的正交回归系数。本文也证明了偏相关系数的t检验可以代替正交回归的方差分析,所以在这里我们用偏相关进行筛选就可以达到逐步回归的效果,而且由于未建立回归以前就可以确定剔除对象,所以就不必象逐步回归那样一定要等到预报因子进入回归以后才能进行剔除。本文提出方法的另一特点就是在逐步筛选过程中逐阶计算偏相关系数是很简易的,而且正交回归的计算正可利用偏相关筛选的已有计算结果。总之,本文是把用偏相关汁算多重回归方程的理论发展了。
二、正交回归与偏相关筛选（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、正交回归与偏相关筛选（论文提纲范文）
（1）高温热浪预测预警系统研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 高温天气影响 |
| 1.1.2 高温热浪定义 |
| 1.1.3 高温热浪天气的分类和成因 |
| 1.1.4 应对高温热浪灾害措施 |
| 1.2 国内外研究现状 |
| 1.2.1 统计预测方法 |
| 1.2.2 数值预测方法 |
| 1.2.3 高温热浪预测现状 |
| 1.3 本文主要内容和工作 |
| 2 相关技术概述 |
| 2.1 Fortran |
| 2.2 NCL |
| 2.3 小结 |
| 3 数据预处理 |
| 3.1 数据介绍 |
| 3.1.1 数据存储位置和格式解析 |
| 3.1.2 数据获取接口 |
| 3.1.3 数据获取 |
| 3.2 数据校验转换和异常处理 |
| 3.2.1 数据校验和转换 |
| 3.2.2 异常数据处理 |
| 3.3 小结 |
| 4 高温热浪预测预警算法 |
| 4.1 月动力延伸预报模式的高温热浪预测 |
| 4.1.1 逐日极端高温阈值统计 |
| 4.1.2 时段内极端高温概率预测 |
| 4.2 月动力延伸预报模式与统计降尺度方法 |
| 4.2.1 NCEP 和统计降尺度概述 |
| 4.2.2 空间降尺度 |
| 4.2.3 时间降尺度 |
| 4.3 物理量相似方法 |
| 4.3.1 物理量相似方法基本原理 |
| 4.3.2 物理量相似方法流程 |
| 4.4 均生函数统计模型 |
| 4.5 神经网络模型 |
| 4.6 小结 |
| 5 高温热浪预测预警实现 |
| 5.1 月动力延伸预报模式的高温预测 |
| 5.1.1 业务流程 |
| 5.1.2 算法实现 |
| 5.2 月动力延伸预报模式与统计降尺度方法的高温预测 |
| 5.2.1 业务流程 |
| 5.2.2 算法实现 |
| 5.3 基于物理量相似方法的高温预测 |
| 5.3.1 业务流程 |
| 5.3.2 算法实现 |
| 5.4 基于均生函数统计方法的高温预测 |
| 5.4.1 业务流程 |
| 5.4.2 算法实现 |
| 5.5 基于神经网络方法的高温预测 |
| 5.5.1 业务流程 |
| 5.5.2 算法实现 |
| 5.6 结果检验 |
| 5.6.1 业务流程 |
| 5.6.2 算法说明 |
| 5.7 小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）巢湖西半湖水华暴发的多元驱动因子分析及趋势预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究的目的与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 我国水华污染的现状 |
| 1.2.2 水华的产生及危害 |
| 1.2.3 水华暴发的主要影响因子 |
| 1.2.4 单因子和多因子对水华暴发的影响作用 |
| 1.2.5 水华驱动因子分析及预测模型的研究进展 |
| 1.3 研究区域——巢湖流域概况 |
| 1.3.1 巢湖流域的水资源状况 |
| 1.3.2 巢湖水生态系统概况 |
| 1.4 本文的研究内容 |
| 第2章 研究方法 |
| 2.1 研究数据 |
| 2.1.1 指标选择 |
| 2.1.2 数据来源 |
| 2.2 数值分析方法 |
| 2.2.1 相关分析 |
| 2.2.2 主成分分析 |
| 2.2.3 因子分析 |
| 2.2.4 多元回归分析 |
| 2.2.5 时间序列分析 |
| 第3章 水华暴发的综合分析 |
| 3.1 巢湖西半湖水华分布特征 |
| 3.1.1 夏季水华的特征与优势藻种 |
| 3.1.2 叶绿素a 浓度分布的时间变化 |
| 3.1.3 叶绿素a 浓度分布的空间变化 |
| 3.2 巢湖西半湖水华暴发的显着影响因子 |
| 3.2.1 显着水华驱动因子的相关分析 |
| 3.2.2 环境多元耦合作用对水华影响因子识别的影响 |
| 3.2.3 水华影响因子的综合分析 |
| 3.3 本章小结 |
| 第4章 水华暴发的多元驱动因子分析 |
| 4.1 水华暴发的多元驱动因子识别 |
| 4.1.1 巢湖西半湖总体的水华暴发因子模型 |
| 4.1.2 巢湖西半湖各湖区的水华暴发的因子模型 |
| 4.2 多元驱动因子对叶绿素a 浓度变化的支配规律 |
| 4.2.1 多元驱动因子对西半湖总体叶绿素a 浓度变化的支配规律 |
| 4.2.2 多元驱动因子对各湖区叶绿素a 浓度变化的支配规律 |
| 4.2.3 多元环境因子对水华暴发的驱动作用的综合分析 |
| 4.3 本章小结 |
| 第5章 水华暴发的趋势预测及分析 |
| 5.1 巢湖西半湖水华暴发趋势的半定量预测 |
| 5.1.1 西半湖总体叶绿素a 浓度变化的多元回归模型 |
| 5.1.2 巢湖西半湖叶绿素a 浓度变化的区域性多元回归模型 |
| 5.1.3 模型分析 |
| 5.2 巢湖西半湖水华暴发趋势的定量预测 |
| 5.2.1 建立模型的数据准备 |
| 5.2.2 巢湖西半湖总体叶绿素a浓度的动态回归模型 |
| 5.2.3 巢湖西半湖叶绿素a浓度的区域性动态回归模型 |
| 5.3 巢湖西半湖水华暴发趋势分析 |
| 5.3.1 巢湖西半湖总体水华暴发趋势分析 |
| 5.3.2 巢湖西半湖各湖区水华暴发趋势分析 |
| 5.3.3 水华防治工程措施 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）矿产资源预测中的地质变量功能性研究（论文提纲范文）
| 内容提要 |
| 第1章 绪论 |
| 1.1 问题提出 |
| 1.2 研究目的和意义 |
| 1.3 地质变量精细化研究成果介绍 |
| 1.4 主要研究内容和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第2章 地质变量提取与分类赋值过程 |
| 2.1 地质数据的预处理 |
| 2.2 地质变量定义及分类 |
| 2.3 提取地质变量 |
| 2.4 选择地质变量 |
| 2.5 地质变量的赋值 |
| 2.5.1 定性地质变量的赋值 |
| 2.5.2 定量地质变量的赋值 |
| 2.6 地质变量的变换 |
| 第3章 地质变量的功能 |
| 3.1 地质变量功能定义 |
| 3.2 变量的作用方向和作用性质 |
| 3.3 判别分类功能 |
| 3.4 信息转换功能 |
| 3.4.1 合理构制变量 |
| 3.5 程度度量功能 |
| 3.6 组合关联功能 |
| 第4章 地质变量权重分析 |
| 4.1 地质变量权重的作用 |
| 4.2 地质变量常规赋权 |
| 4.3 地质变量综合赋权 |
| 第5章 综合权重数学模型的建立 |
| 第6章 实例应用 |
| 第7章 结论 |
| 参考文献 |
| 致谢 |
| 中文摘要 |
| ABSTRACT |
四、正交回归与偏相关筛选（论文参考文献）
- [1]高温热浪预测预警系统研究与实现[D]. 郎许锋. 东华理工大学, 2012(10)
- [2]巢湖西半湖水华暴发的多元驱动因子分析及趋势预测[D]. 官涤. 哈尔滨工业大学, 2012(07)
- [3]矿产资源预测中的地质变量功能性研究[D]. 张迪. 吉林大学, 2010(09)
- [4]着名气象学家 统计气候学的奠基人——么枕生教授[J]. 李江风,丁裕国. 沙漠与绿洲气象, 2007(06)
- [5]我国气候科学四十年来的蓬勃发展[J]. 么枕生. 地理研究, 1990(01)
- [6]西北干旱地区枯水径流的自回归相关初步分析[J]. 汤奇成,李秀云. 自然资源学报, 1987(02)
- [7]气候统计学的研究展望(续)[J]. 么枕生. 气象科技, 1985(01)
- [8]自回归模式的拟合[J]. 么枕生. 大气科学, 1982(04)
- [9]用多重相关筛选建立回归方程[J]. 么枕生. 南京大学学报(自然科学版), 1980(02)
- [10]正交回归与偏相关筛选[J]. 么枕生. 南京大学学报(自然科学版), 1977(01)