摘要：为了克服一般的非线性优化算法对初始值的依赖，针对某一地区单一重现期暴雨强度公式参数计算问题，首先将Lingo 软件编程求出的结果作为初始值，然后利用拟牛顿算法对其参数进行优化。实例计算结果表明：采用Lingo 软件和拟牛顿法相结 合的方法求解单一重现期暴雨强度公式比传统的方法精度更高，能有效解决实际优化设计问题。

支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。

R语言数据分析，多种分析方法，拟合分析、非线性混合效应模型等