論文讀書報告_第1頁
論文讀書報告_第2頁
全文預覽已結束

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、Word 論文讀書報告 讀書報告 一、題名:逐步回歸與自回歸模型在水文預報中的應用 二、內容概要 依據(jù)洪家渡水電站1952-20 xx年實測徑流資料及1951-20 xx年74項氣象因子,分別建立逐步回歸與自回歸模型對月徑流量進行擬合預報,結果均通過精度檢驗,可用作預報。比較兩種模型預報成果,發(fā)覺逐步回歸方程精度更高,更可信。 三、數(shù)據(jù)資料 選取1952-20 xx年洪家渡年徑流量數(shù)據(jù),用1952-20 xx年的資料擬合預報,再用2022-20 xx年的資料試預報,采納1952-20 xx年74項氣象環(huán)流因子作為變量。 四、基本原理與思路 1. 逐步回歸法 用方差貢獻作為衡量因子對預報對象重要

2、性的指標,根據(jù)對預報對象影響顯著的程度逐步選擇因子。在建立回歸方程的過程中,因子的選擇是逐步進行的,要求當步選擇出的因子是全部可供篩選的因子之中能使殘差平方和下降最多的一個,并且通過指定信度的顯著性檢驗 F檢驗。每引入或剔除一個因子都要作相應的F檢驗,直至方程既不能引入也不能剔除因子,則最終的方程應是預報效果最佳的方程。 2. 自回歸模型 自回歸模型就是用已知的前期水文數(shù)據(jù),分析其演化狀況的統(tǒng)計規(guī)律,作出當前時刻的預報。 采納了AR(p)自回歸模型,利用自相關函數(shù)間的關系聯(lián)立方程組求得模型的自回歸系數(shù),再代回到模型,即可作出t 時刻的預報。 在確定自回歸方程的階數(shù)時通常有兩種方法:順點法和選點

3、法。順點法即對聯(lián)立方程組求解自回歸系數(shù)過程中,利用逐步回歸的消去求逆緊湊方案求解,并逐步選入或剔除變量,從而建立最佳階數(shù)的自回歸預報方程。選點法是普遍計算全部落后?時間的自相關函數(shù)r(?),然后選擇那些自相關函數(shù)肯定值較大的間隔點來建立自回歸預報方程,這樣可以削減自回歸預報方程的階數(shù)和計算工作量。 1 五、收獲與啟示 這篇論文采納了回歸分析中的逐步回歸法和時間序列分析中的自回歸模型,分別對洪家渡水電站的月徑流量進行擬合預報,并比較兩種模型預報的效果,發(fā)覺逐步回歸方程精度更高,更可信。這一點是值得我們學習和借鑒的。我們在進行回歸分析時,假如需要分析的數(shù)據(jù)是時間序列數(shù)據(jù),那么可以考慮結合時間序列分

4、析中的方法進行處理和分析,可以獲得更好的擬合和猜測結果。 我們在時間序列課程中學過的確定自回歸方程的階數(shù)的方法是通過觀看自相關圖和偏自相關圖,由自相關系數(shù)和偏自相關系數(shù)的截尾性或拖尾性,確定相應的平穩(wěn)時序模型和相應的階數(shù)。而這篇論文介紹了確定自回歸方程的階數(shù)的兩種方法:順點法和選點法,其中順點法利用了逐步回歸的消去求逆方法,可以在以后做時間序列分析時借鑒應用。 另外,我們可借鑒這篇論文中用1952-2022 年的資料擬合預報,再用2022-20 xx年的資料試預報的做法,這樣可以比較便利地觀看到模型的猜測效果,從而較為直觀地了解模型擬合優(yōu)度和猜測精度的大致狀況。 2 其次篇:論文讀書報告模板 2000字 讀書報告模板 使用本模板撰寫時請根據(jù)藍色提示,定稿后請刪掉藍色提示。 大標題,字體14號宋體,居中,加粗;標題應精確 、清晰、簡潔地 概括全文,25個字以內,標題內不應消失縮寫字 張三

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論