服务项目

   ◆  做更多维(五维以上)数据和其它特殊数据回归的建模。

   ◆  根据用户的要求,把用户提供的机理模型,添加到软件"DRS"中。

   ◆  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。

   ◆  承接数据分析和算法研究及其相应程序编制。

   ◆  承接数据回归类和工程计算类软件的编制。

 

    二维数据建模服务演示
    三维曲面数据建模服务演示
    四维非线性数据建模服务演示
 
 数据回归建模演示
  两维相关数据如曲线 图 1
   

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 x1k1 + a2  x1k2 + a3  x1k3
其中
a0 = 53.0773524156633
a1 = -111.002257397679
a2 = 68.6071595939835
a3 = -2.48944355659807
k1 = .470000009536
k2 = .710000009536
k3 = 1.470000009536

 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:.02113482806529823391239
 

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

 

 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  x1k1 + a2  x2 k2 + a3 x3 k3 + a4  x1k4  x2k5 + a5 x2 k5 * x3 k6 + a6 x1k1 * x2k2  x3k3


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