江苏省生活废水排放量的多元非线性回归预测

本文依据1999～2009年江苏省的人均日生活用水量和人均GDP并结合生活废水排放量的资料,建立了生活废水排放量的三维非线性预测模型,并进行了评估和分析,该模型有较高的拟合精度.根据预测数据,2020年江苏省城市生活废水排放量将达66.85亿吨,为2009年排放量的两倍有余,城市生态环境面临巨大压力.最后本文提出了相对应的政策建议,以供相关部门参考借鉴     

基于非线性回归分析的棉纤维水分快速测量模型

为了克服现有棉纤维水分测量方法中 ,烘箱法存在耗能费时、直流电阻法存在测试结果稳定性较差等缺陷 ,提出基于交流阻抗法的棉纤维水分快速测试新方法 .实验发现 ,其测试结果 (电测值 )与棉纤维实际回潮率呈非线性相关 .通过多元非线性回归分析 ,建立了棉纤维电测值与回潮率值的多元非线性回归模型 .经稳定性分析与误差分析 ,证实了该回归模型能够较好地拟合棉纤维回潮率值 .回归模型的建立 ,为基于交流阻抗法的智能型棉纤维水分快速测试仪设计打下了基础     

上海市工业废水排放量的多元非线性回归预测

根据2000年至2009年上海市的人均生产总值和工业重复用水量并结合工业废水排放量的资料,构建了一种基于时间序列的多元非线性回归预测模型,并进行了评估和分析.模型具有较高的拟合精度,能客观反映工业废水的排放量,可以为决策者提供参考,提高相关部门的管理水平.     

基于新陈代谢GM(1,1)模型的湖北省城市生活垃圾清运量预测

以湖北省2007-2013年城市生活垃圾清运量为基础数据,建立新陈代谢GM(1,1)模型,对湖北省未来七年的城市生活垃圾清运量进行了分析预测.采用该模型预测湖北省2014-2020年城市生活垃圾清运量,预计到2020年,湖北省城市生活垃圾清运量将达到838.7万吨,其预测结果可作为"十三五"期间湖北省城市生活垃圾处置规划的理论依据.     

基于SEM的我国重要城市现代化水平综合评价模型研究

基于结构方程(SEM)理论,以2008年统计数据为样本对影响城市现代化的测量指标进行了一阶、二阶验证性因素分析,得到了结构方程模型.并以测量指标在因子上的负荷、路径系数为基础构建权重,建立了城市现代化水平综合评价模型.对我国重要城市(直辖市、主要省会城市)现代化水平程度进行了相对评价,得到较为满意的结果.     

基于Adaptive-Lasso的本科成绩统计分析

本文主要研究了合肥工业大学数学学院数学专业学生的本科成绩状况,应用多元线性统计方法,探讨了前期所有课程成绩对后期成绩的影响.首先对前期课程进行主成分分析,并采用逐步回归方法建立了后期成绩与主成分之间的回归模型.其次,采用Adaptive-Lasso方法建立后期成绩与前期课程成绩间的Adaptive-Lasso回归模型.最后,对以上模型进行对比分析.研究表明,基于Adaptive-Lasso方法的主成分回归模型能很好地拟合后期成绩,并对后期成绩情况给出合理的解释.     

长沙市物流产业发展动因分析

基于物流产业空间格局演化,分析物流产业发展动因机制.结合试点城市特点,构建试点城市物流产业影响因素模型,运用回归分析对长沙市物流产业影响因素进行实证研究.研究结果表明:服务业的市场需求、服务业的开放度、信息技术水平和市场反映能力,对长沙市物流产业发展有正向促进作用.     

基于PCA与NSSVR的人口老龄化研究

基于非线性光滑支持向量回归机研究了人口老龄化问题.首先介绍了非线性光滑支持向量回归机(NSSVR);其次,提出了人口老龄化影响体系,利用主成分分析(PCA),在体系基础上提取出对老龄化影响明显的9个指标;再次,通过非线性光滑支持向量回归机模型建立了老龄化率与9个影响指标间的相互关系;最后,用非线性光滑支持向量回归机模型对未来人口老龄率进行预测.实证表明,方法具有很好的预测效果.     

城市主导特色的评价模型研究

本文从影响城市特色因素中设定体现城市主导特色的基本要素,并建立城市主导特色评价体系,利用回归模型分析城市特色演变轨迹及城市新特色的形成和发展。     

基于灰色关联分析的支持向量机的铁路货运量预测研究

采用基于灰色关联分析的支持向量机对铁路货运量进行预测.首先利用灰色关联分析法对影响铁路货运量的因素进行分析处理,然后利用基于高斯核函数的支持向量回归机建立了铁路货运量预测模型.通过分析预测结果可以发现,经过灰色关联分析后的支持向量机模型对复杂的铁路货运量数据有较好地处理能力,且预测相对误差较小.特别地,由于支持向量机的适应性,该模型具有较高的泛化能力,对影响因素较为复杂,样本数量小的预测问题可以提供一定参考.     

支持向量机回归方法在地表水水质评价中的应用

将支持向量机方法应用于地表水质评价问题中,建立了多指标水质综合评价的支持向量机回归模型.在地表水质评价标准的基础上采用内插法获得学习样本,经过训练,得到水质评价的分类区间;然后以实测资料对所建模型进行检验,研究结果表明,支持向量机回归模型性能良好、预测精度高、简便易行,是水质评价的一种有效方法,具有广阔的应用前景.     

基于多元线性回归模型的东北地区需水量分析

多元线性回归模型在社会、经济、技术以及众多自然科学研究领域中已被广泛使用,某个地区需水量应与该地区多种因素有关,故选取东北地区的GDP、水库蓄水总量、人均可支配收入、城市绿地面积和工业用水量等5个因素,借助MATLAB软件阐明了多元线性回归模型在东北地区需水量分析中的应用.并通过皮尔森相关性检验、拟合优度检验、F检验、t检验和残差分析的方法对模型进行优化,得到了准确可靠的多元线性回归模型,此模型具有拟合程度高、简易、直观等优势,为多元线性回归模型在需水量分析中的应用提供了有力参考.     

对北京市年需水量预测模型的研究

水资源的供给问题是每个城市都要面临的一项必须且复杂的基础建设任务。对城市需水量的预测直接关系到一个城市供水系统的建设规模与安全运行,是实现科学调度的必要前提。本文通过对北京市2001-2014年需水量及其影响因素相关数据的分析,分别建立了普通线性回归及偏最小二乘线性回归预测模型。通过对模型的比较分析及仿真模拟预测计算,发现偏最小二乘线性回归预测模型不仅易于解释,更适合做外推预测,具有较强的应用价值。     

投影寻踪模型的改进及其在城市水资源承载能力预测中的应用

在城市水资源承载能力研究中,偏最小二乘回归方法能有效地处理自变量间多重线性相关性问题,但不能较好地处理因变量与自变量间复杂的非线性问题.投影寻踪神经网络耦合模型是处理非线性问题的有力工具,而且神经网络投影寻踪耦合模型稳健性高,但不能较好地处理自变量间多重线性相关性问题.本文把这两种方法结合在一起,建立了基于偏最小二乘回归的神经网络投影寻踪耦合模型,对城市水资源承载能力进行了预测,并取得了满意效果.     

基于Logistic回归的水质预测研究

在环境系统评价中,水环境质量等级评价是其中十分重要的工作.鉴于对水环境研究中,水质级别为分类变量不能利用传统回归方法分析的特征,基于logistic回归方法建立了一种水质级别预测模型.利用长江流域的水质监测数据,将logistic回归应用于水质数据分析,进行水质建模,对水质级别做出预测.研究结果表明利用logistic回归进行水质分析,具有良好的拟合和预测效果.     

大数据背景下水厂自动投矾模型研究

根据某市自来水有限责任公司第二水厂的历史矾耗数据，建立矾耗流量关于原水浊度、温度等的动态矾耗模型. 通过对数据进行处理得到10900个合格且净水效果高效的数据，将筛选出的数据分为训练样本集和测试样本集. 在回归拟合中，通过拟合R2的大小将原水浊度划分为“低浊”“中浊”“高浊”3个区间，利用泰勒展开公式的非线性变量代换分别对3个区间建立不同的多项式回归模型，得到预测正确率约为72%，总的矾耗流量值约减少了9.6%的结果；在随机森林模型中，使用10900个合格数据，利用训练样本集，以“原水浊度”“pH值”“原水流量”和“水温”为输入变量，建立包含2000棵决策树的随机森林模型，得到预测正确率约为44. 21%，总的矾耗流量值增加了0.04%的结果. 从模型对合格数据的拟合优度看，随机森林模型比非线性回归模型效果更好；在平均绝对误差、平均绝对偏差百分比等评价指标上，前者均优于后者；但从历史数据检验的结果，模型的可解读性，模型的操作难度和推广角度看，分段二元非线性回归模型的优势更为突出.     

聚类回归分析(CLR)在市场细分研究中的应用

本文从市场细分方法的角度,打破了传统的根据样本在心理感知或偏好等多个变量的距离进行细分的思路,采用一种新的聚类回归分析方法基于变量间的因果关系对顾客进行细分,不仅可以把顾客有效地划分成具有不同特点的群体,而且可以根据不同要素的因果关系确定不同群体中的关键影响要素.本文以电热水器行业顾客满意度研究为例,根据不同要素对满意度影响的差异进行市场细分.分析表明,采用这种方法,企业可以在经营管理过程中通过差异化策略获得竞争优势.     

基于主成分分析的陕西省水资源承载力预测

为合理分配和利用陕西省水资源,在对其水资源现状分析的基础上,基于主成分分析的基础上利用多元线性回归模型预测方法,对陕西省未来5年水资源的需求量进行了预测.结果表明:未来5年陕西省水资源年均处于增长状态,对陕西省供水能力提出了严峻考验.结合未来陕西省发展规划以自然生态环境,分析了水资源的供需矛盾,提出陕西省资源可持续利用的对策.     

使用线性回归方法构建水体叶绿素a浓度高光谱估算模型的一个逻辑问题

在当前利用实测光谱数据通过线性回归方法构建水体叶绿素a浓度反演模型的过程中,通常的数据处理流程是首先通过相关分析确定与水体叶绿素a浓度具有最大相关系数的波段组合,然后通过回归方法建立该波段组合与水体叶绿素a浓度的关系模型.在逻辑上,这个流程首先假定了线性关系的存在,然而,实际上测量数据里的波段组合与水体叶绿素a浓度之间的关系经常是非线性关系.针对这个逻辑不一致的问题,提出了一个新的数据处理流程,即数据分组-散点图绘制-数据变换-相关分析-模型构建.利用关系已知的模拟数据和关系未知的太湖夏季实测数据,经过对比分析两个流程,结果表明,原有的数据处理流程会导致分析结果出现偏差,表现为不恰当的波段组合选择、较低的模型拟合度、具有异方差性的散点分布、较差的模型可解释性,建立的所谓"最佳"模型并不是最佳的,由此会影响不同研究成果之间的可比性.提出的数据处理流程可较好的弥补原有数据处理流程的不足,在遥感反演中可用来帮助构建合适的回归模型.