DRS

Omschrijving

Mensen zullen tijdens experimenten en productie veel gerelateerde gegevens van twee of meer dan twee dimensies verkrijgen. Deze gegevens zullen hen helpen om de werkelijkheidsproblemen op te lossen, die gegevensverwerking nodig hebben om ze een wiskundig model te laten worden dat de regulering van gegevensvariatie weerspiegelt. De toepassing van de Least Square-methode kan alleen lineaire regressie maken, maar voor de niet-lineaire problemen moet het een gerelateerde wiskundige relatie-uitdrukking construeren, namelijk mechanismemodel door middel van een procedure, waarbij wordt verondersteld dat het een linearisatie-verwerking van het mechanisme-model uitvoert en vervolgens een regressiemodellering. Sommige gerelateerde gegevens van de recursieve modellen zijn goed, maar de gegevens van de werkelijkheid zijn veranderlijk, sommige leiden mechanisme-modellen af. Na het lineaire proces is de correlatie-eigenschap van het regressiemodel niet goed, en sommige gerelateerde gegevens kunnen zelfs niet worden afgeleid in het mechanismemodel. Het is nog moeilijker om wiskundige modellen te bouwen. Least Cubic Method lost problemen op die Least Square Method Data Regression tegenkwamen bij de regressie van gerelateerde gegevens. Omdat de computers op grote schaal worden gebruikt en toegepast bij experiment, ontwerp en productie, wordt de regressieberekening op basis van de theorie van de minst kubieke methode werkelijkheid. Mensen kunnen niet alleen het mechanisme-model door de regressie-linearisatieverwerking beter verwerken, maar kunnen ook een deugdelijk wiskundig model geven aan de gerelateerde gegevens waaruit geen mechanisme-modellen kunnen worden afgeleid.