2．根据用户的要求，把用户提供的机理模型，添加到“DRS”软件中。

3．开发数据回归分析部件( .dll 和 .ocx文件)，满足用户在软件编制时，对数据回归建模的需要。

4．承接数据回归类和工程计算类软件的编制。

二维数据回归建模演示

从曲线图中查的数据，进行回归建模结论如下：

#################
## 回 归 报 告 ##
#################

要回归的数据
1.0,8.2
2.0,4.6
3.0,4.3
4.0,4.6
5.0,5.1
6.0,5.5
7.0,5.7
8.0,5.5
9.0,5.0
10.0,3.8

数据回归结果
对上述数据,您用的是'数据回归分析系统-DRS'加强版
您做的是一因素回归， 回归数据的样本容量是 10 组。
您选择模型中的变量对应数据是：每组数中第二维数为目标函数Y，第一维数为X1。
幂的初值设定是：.49
目前 ， 回归此数据的最好模型是一因素非线性，三元Ⅰ。
相关系数 “R” 值是：.998440262665158
统计量 “F” 值是：639.633664360148
剩余标准偏差 “S” 值是：8.20568908339411E-02
最大误差是：.100178925962695681378721421
平均误差是：.0434778
平均相对误差是：.0094209513911285916313423627

回归的模型如下
y = a0 + a1 * x1 ^ k1 + a2 * x1 ^ k2 + a3 * x1 ^ k3
其中
a0 = 53.0773524156633
a1 = -111.002257397679
a2 = 68.6071595939835
a3 = -2.48944355659807
k1 = .470000009536
k2 = .710000009536
k3 = 1.470000009536

回归模型绘制的二维曲线图

此模型只是演示，不能使用。

返回页首

三维曲面数据回归建模演示

三维相关数据如曲线 图 2

从曲线图中查的数据，进行回归建模结论如下：

#################
## 回 归 报 告 ##
#################

要回归的数据
10,20,90
10,40,178
10,60,270
10,80,350
10,100,430
10,120,515

..............(为节省页面，中间一部分数据省略)

70,200,990
80,100,920
80,120,955
80,140,1020
80,160,1055
80,180,1090
80,200,1120
数据回归结果
对上述数据,您用的是'数据回归分析系统-DRS'加强版
您做的是二因素回归， 回归数据的样本容量是 72 组。
您选择模型中的变量对应数据是：每组数中第三维数为目标函数Y，第一维数为X1，第二维数为X2。
幂的初值设定是：1.871
目前 ， 回归此数据的最好模型是二因素非线性，六元Ⅴ。
相关系数 “R” 值是：.999391761013444
统计量 “F” 值是：8897.36657079412
剩余标准偏差 “S” 值是：10.0200437606299
最大误差是：10.03613075972123933835720638
平均误差是：3.309665
平均相对误差是：.0211348280652982339123964839

回归的模型如下 
y = a0 + a1 * x1 ^ k1 + a2 * x1 ^ k2 + a3 * x2 ^ k1 + a4 * x2 ^ k3 + a5 * x1 ^ k4 * x2 ^ k5 + a6 * x1 ^ k6 * Log(x2)

其中
a0 = 106.74503499072
a1 = -10.5248008279283
a2 = .174240332503716
a3 = 1.7623076630686
a4 = 2.68381176972421
a5 = -3.21815581782274E-06
a6 = -.511646453024215
k1 = .991000051498
k2 = 2.041000051498
k3 = .991000051498
k4 = 1.881000051498
k5 = 1.881000051498
k6 = .781000051498

回归模型绘制的三维曲面图

此模型只是演示，不能使用

返回页首

四维非线性数据回归建模演示

某四维非线性实验数据如下：

65.7, 20, 56, 2.8
65.2, 20, 53, 2.8
65.4, 10, 52, 2.8
66.7, 10, 48, 2.8
67.2, 10, 47, 2.8
71.4, 10, 45, 2.8
73.4, 10, 45, 2.8

..............(为节省页面，中间一部分数据省略) 

87.8, 10, 9, 1.9
89.6, 10, 8, 1.9
88.6, 10, 8, 1.9
89.6, 10, 7, 1.9
88.8, 10, 6, 1.8
88.6, 10, 6, 1.8

数据回归结果
对上述数据，您用的是“数据回归分析系统-DRS 加强版”。
您做的是四维维据回归， 回归数据的样本容量是84 组。
您选择模型中的变量对应数据是：每组数中第四维数为目标函数Y，第一维数为X1,第二维数为X2,第三维数为X3。
幂的初值设定是：.85
目前 ， 回归此数据的最好模型是三因素非线性，六元Ⅳ。
相关系数 “R” 值是：.978284893845566
统计量 “F” 值是：285.903438238213
剩余标准偏差 “S” 值是：6.52420615708014E-02
最大误差是：.1576
平均误差是：4.943928E-02
平均相对误差(%)：2.11378593605741E-02

回归的模型如下
y = a0 + a1 * x1 ^ k1 + a2 * x2 ^ k2 + a3 * x3 ^ k3 + a4 * x1 ^ k4 * x2 ^ k5 + a5 * x2 ^ k5 * x3 ^ k6 + a6 * x1 ^ k1 * x2 ^ k2 * x3 ^ k3
其中
a0 = .98681044401583 
a1 = 7.06127446632436E-03 
a2 = .190801629630409 
a3 = 4.10554369554979E-02 
a4 = -8.33265112895352E-03 
a5 = -6.09571087259014E-03 
a6 = 2.28798807062382E-05 
k1 = 1.04000002384162 
k2 = .940000023841624 
k3 = .950000023841624 
k4 = .730000023841624 
k5 = .880000023841624 
k6 = .860000023841624

随第一维数据变化其他三维变化动态图

返回页首