| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究目的和内容 | 第11-12页 |
| 1.4 论文建模步骤 | 第12-13页 |
| 第二章 相关技术简介 | 第13-25页 |
| 2.1 数据预处理技术 | 第13-14页 |
| 2.2 回归分析理论 | 第14-22页 |
| 2.2.1 线性回归 | 第14-20页 |
| 2.2.1.1 简单线性回归 | 第14-16页 |
| 2.2.1.2 多重线性回归 | 第16-20页 |
| 2.2.2 非线性回归 | 第20-22页 |
| 2.2.2.1 可被直线化的曲线 | 第21页 |
| 2.2.2.2 非线性最小二乘法回归 | 第21-22页 |
| 2.2.2.3 近似非线性回归 | 第22页 |
| 2.3 残差分析与回归诊断 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 数据预处理在预测模型中的应用 | 第25-37页 |
| 3.1 实验数据来源 | 第25页 |
| 3.2 实验数据分析 | 第25-27页 |
| 3.3 数据预处理过程 | 第27-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 利用多元线性回归对多个气候自变量因子进行筛选 | 第37-53页 |
| 4.1 利用多元线性回归对自变量进行筛选原理概述 | 第37-42页 |
| 4.1.1 筛选气候自变量因子的重要性 | 第38-39页 |
| 4.1.2 多元线性回归的数学模型以及其求解过程 | 第39-42页 |
| 4.2 回归自变量选择方法 | 第42-48页 |
| 4.2.1 前进法 | 第42页 |
| 4.2.2 后退法 | 第42-43页 |
| 4.2.3 逐步回归法 | 第43页 |
| 4.2.4 三种方法实验对比 | 第43-48页 |
| 4.3 实验分析 | 第48-50页 |
| 4.3.1 实验步骤 | 第48-49页 |
| 4.3.2 实验结果 | 第49-50页 |
| 4.4 本章小结 | 第50-53页 |
| 第五章 利用多元非线性回归建立脑卒中发病率预测模型 | 第53-68页 |
| 5.1 利用多元非线性回归建立脑卒中发病率预测模型原理概述 | 第53-56页 |
| 5.1.1 多元非线性回归在建立脑卒中发病率预测模型中的重要性 | 第54页 |
| 5.1.2 多元非线性回归的数学模型以及其求解过程 | 第54-56页 |
| 5.2 实验分析 | 第56-64页 |
| 5.2.1 实验步骤 | 第57-59页 |
| 5.2.2 实验结果 | 第59-64页 |
| 5.3 预测模型评价与对比 | 第64-66页 |
| 5.3.1 预测模型评价 | 第64页 |
| 5.3.2 预测模型对比 | 第64-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文总结 | 第68-69页 |
| 6.2 未来展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 在学期间取得的与论文相关的研究成果 | 第75-76页 |
