令我沮丧的是，我发现 matlab 的 regstats 中没有内置这个函数，或者至少我不知道如何从 regstats 中获取它。 这是计算回归统计漏斗图的一段快速代码。

应用灰色关联度分析方法确定了与待预测状态量关联度较高的因素，并利用熵理论建立了具有客观权重的组合预测模型。预测区间可有效量化由不确定因素引起的油中溶解气体浓度波动，应用比例系数法和粒子群优化算法建立了一定置信水平下油中溶解气体浓度的区间预测模型，且不受传统区间预测方法中必须服从正态分布的限制。实例结果验证了所提模型的有效性。

[如果您有任何问题，请不要在下面的“评论和评分”中留言，请通过 dcdiga@uri.edu 与我联系] 使用“UTide”Matlab 函数进行统一潮汐分析和预测 *专为处理不规则分布和/或不连续的记录时间而设计。 * 适用于多年分析：准确的节点/卫星改正不限于短于 1-2 年的记录长度。 * 可以提供易于使用和全面的诊断，以帮助成分选择过程。 * 使用类似的语法处理海平面（幅度和相位）或电流（当前椭圆参数）。 * 根据原始输入和谐波拟合之间残差的频谱（常规时间的 FFT，不规则时间的 Lomb-Scargle）生成置信区间。 * 结合了强大的 L1/L2 解决方案方法，以最大限度地减少异常值的影响。 * 可以通过一个 m 函数调用来分析时间序列组（例如来自一组仪器或一组模型网格点的记录）。 * 基于 t_tide（Pawlowicz 等人，2002 年）、r_t_tid

提出了一种基于模糊决策属性依赖度的属性相对约简算法。该算法利用粗糙集理论分析的方法，通过在知识表达系统中引入模糊决策属性依赖度的概念，来描述由条件属性所提供的知识对整体决策的依赖程度，并通过模糊决策属性依赖度定义了条件属性对模糊决策属性的相对重要性，以此作为启发式信息，可以方便地求出相对核，再以相对核作为求解最小相对约简的起点。按重要性的不同逐次选择重要属性添加到相对核中，直至其依赖度达到整体条件属性依赖度时为止。

绘制二项式数据并在需要时提供基本拟合的函数。 BinoPlot 将使用提供的数据创建误差条或带有误差条的条形图。 误差条表示可调整的置信区间（默认为 95%）。 拟合要么是线性的（默认）要么是 sigmoid（例如对于行为调整曲线）。 只需要提供数据输入，其他输入是可选的。 数据以百分比值绘制。

盾构区间冬季施工方案解析（精编版）.docx

本文将主要讲述如何使用BLiTZ（PyTorch贝叶斯深度学习库）来建立贝叶斯LSTM模型，以及如何在其上使用序列数据进行训练与推理。 原创文章 54获赞 109访问量 18万+ 关注 私信 展开阅读全文 作者：deephub

数值计算方法（马东升版）第二章四个非线性方程解法，包括区间二分法 简单迭代法 牛顿迭代法 弦截法

针对电网负荷预测时点预测误差相对较大的问题，本文提出一种模糊信息粒化支撑向量机的负荷预测方法。该方法采用支撑向量机为短期负荷预测的基本算法，结合了模糊信息粒化模型，通过三角型隶属函数对选定时间窗口的历史数据进行粒化，得到该时间窗口内数据变化的最小、平均和最大值，进一步结合支撑向量机进行训练与预测，实现了电网负荷的点预测和区间预测。以西安地区日负荷历史数据为例进行了算例分析，结果表明：本文提出的方法在进行点预测时精度高，平均误差为2.24%；能够对一定时间范围内的负荷变化情况和变化趋势进行预测，负荷数据真值全部落在所得的预测区间内。本文提出的方法对电网调度计划安排工作有一定意义。

传统单变量灰色预测模型的指数结构形式制约了其对小样本振荡序列的模拟与预测能力, 对此, 通过包络线将振荡序列拓展为具有明确上界与下界的区间灰数序列, 还原影响因素不确定性条件下振荡序列的区间灰数形式; 在此基础上, 利用区间灰数建模方法实现对振荡序列取值范围的模拟与预测. 应用该方法较好地模拟了具有振荡特征的重庆市空气质量指数(AQI) 的变化规律, 所得研究成果为小样本振荡序列的模拟与预测提供了一种新的分析方法与建模手段.