西安市PM2.5相关因素多元回归分析模型

为了探索空气污染的主要因素,对空气污染监测指标PM2.5与AQI中其他监测指标进行相关性分析,得到PM2.5与SO2、NO2、CO呈正相关,与O3和温度呈负相关,同时利用多元回归模型得到PM2.5与主因子的数量关系,给西安市PM2.5防控提供参考意见.     

北京市PM2.5的相关因素研究

选取2016年北京市空气质量指数数据,简述了北京市空气的现状,并根据频率得出PM2.5已经成为北京市空气中的首要污染物的结论.通过计算PM2.5与AQI所监测的其余指标之间的相关程度,进行PM2.5与PM10,CO和NO2的多元回归分析,得到线性回归方程.同时对模型给予改进,建立基于2个主成分的、更为精准的多元回归模型.得出PM10是空气中PM2.5的最主要成因的结论,CO和NO2对PM2.5的影响也不容忽视的结论,对北京市雾霾天气预防提供参考意见.     

基于主成分原理的多元质量控制图的构造

控制图是从事统计质量管理经常使用的重要工具,经过多年的发展和实践,一元质量控制图业已得到普遍推广,可是如何开展多元质量控制仍有许多问题值得探讨。在这篇文章中,我们着重讨论了基于主成分分析的多元质量控制图的构造,并结合从企业现场采集到的数据给出了具体的应用说明。     

基于时间序列分析的北京地区PM2.5浓度研究

基于中国环境监测总站公布的实时空气质量监测数据, 利用时间序列模型对PM2.5指标的数据进行了平稳性、纯随机性检验, 同时进行了模型阶数、未知参数估计以及模型显著性检验与优化. 最终在此基础上建立了指标预测的数学模型, 并对未来三天的PM2.5浓度值进行预测. 进一步地, 基于向量自回归(VAR)模型, 对北京市万寿西宫站PM2.5数据进行相关性分析, 研究空气中污染物O_{2}、NO_{2}、CO、O_{3}、PM10与PM2.5的动态影响关系. 研究发现当天的PM2.5浓度会受到前几天PM2.5、PM10、O_{3}、SO_{2}等污染物浓度的影响,其中PM10对PM2.5的影响最为明显且持续时间最长, O_{3}、SO_{2}对PM2.5浓度的影响在二、三期最为明显.     

基于主成分回归模型的湖南省就业影响因素分析

针对湖南省就业人数的影响因素问题,首先利用灰关联分析和相关系数法优选出对就业人数影响较大的指标,然后对优选的指标进行主成分分析得出了主成分表达式,最后将就业人数与主成分进行回归得到了就业人数的拟合方程.结果表明,城市化水平、国内生产总值和居民消费水平对湖南省就业人数的影响最大,从而为政府有关部门的决策提供了一定的参考依据.     

基于主成分回归模型的经济增长因素分析

在经济增长因素分析中,常用多元回归分析方法,但有时建立的回归模型拟合效果不好或不合理。为此本文给出建立主成分回归分析的方法。本文对经济增长给出两种回归分析方法,即建立主成分线性回归模型,分析经济增长的边际效应,建立主成分非线性回归模型,分析经济增长的弹性效应,实例表明效果很好。     

保定市PM2.5的因素分析

保定市的PM2.5微粒来源广泛,成因复杂.通过整理和分析该市2012年1月到12月每日PM2.5值、每日平均气温、风力以及SO_2、NO、NO_2浓度等数据,从数据统计的角度分析了这些因素与PM2.5的成因和变化趋势间的联系,进而探讨和建立了多元线性回归模型.为保定市空气治理工作提供一定的参考.     

基于时间序列的长沙市PM2.5的统计分析

通过对长沙市2015年AQI检测指标数值PM2.5与SO_2,NO_2,PM10,CO,O_3间相关性进行分析,得到PM2.5与SO_2,NO_2,PM10,CO间存在正相关关系,与O_3间为负相关关系.后建立自回归移动平均模型(ARMA)对长沙市2015年的PM2.5进行短期预测,得到最优模型为ARMA(3,2).最后对长沙治理PM2.5提出相关建议.     

主成分分析在中国上市公司综合评价中的作用

主要介绍了主成分分析在上市公司综合评价中的作用 .主成分分析作为一种客观赋权的方法 .权数是能随着宏观经济环境变化而变化的动态权数体系 ,因为主成分分析所应用的数据来源于上市公司年度报告所提供的财务指标 .它主要对所选择的 40只绩优股 ,进行横向的比较 ,并根据第一主成分得分进行排序 ,给广大的投资者提供参考 .     

哈尔滨市冬季PM_(2.5)与影响要素的相关分析

运用相关性分析方法,研究哈尔滨市PM_(2.5)质量浓度与主要空气污染物及气象因素之间的相关关系.建立PM_(2.5)与影响其质量浓度变化的因素的单因变量的偏最小二乘回归分析(PLS1)模型,模型拟合良好,由模型知CO是导致PM_(2.5)质量浓度升高的主要因素.运用通径分析方法,研究解释变量对因变量的直接影响、通过其他解释变量对因变量的间接影响以及各解释变量的对因变量的协同作用.结果表明,各解释变量对PM_(2.5)质量浓度变化的总作用从大到小依次为:CO、PM_(10)、NO_2、风速、湿度、SO_2.     

二维变量的主成分分析和回归分析的关系研究

对二维变量进行主成分分析相当于对坐标轴按某一角度进行旋转,而对其进行回归分析则可以求出与原坐标轴有夹角的回归直线,探讨了这两个角度之间的关系.结果表明,当二维变量间完全线性相关时,两个角度相等;若两者均在0～π/2范围内,则前者大于等于后者,若两者均在π/2～π范围内,则前者小于等于后者;两者不可能一个在0～π/2范围内,而另一个在π/2～π范围内.     

空气中PM2.5问题的研究

主要研究空气污染中的PM2.5扩散问题.首先利用相关分析法讨论了PM2.5与SO_2,NO_2,CO,PM10,O_3的相关性,建立线性回归方程;然后建立一维的反应扩散方程,预测PM2.5浓度变化,并定量与定性分析西安市空气污染状况;再建立高斯烟羽模型,对持续高浓度PM2.5扩散情形进行拟合,并对污染物扩散范围进行预测,得到重度污染以及可能安全区域;最后通过建立最优化模型,得到较有经济效益的空气治理方案.     

回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用

PM2.5作为大气首要污染物,严重影响着人们的身体健康.为了研究影响PM2.5的相关指标,以武汉市的空气数据为研究对象,通过多元线性回归、偏最小二乘回归、基于MIV的RBF神经网络回归等方法对AQI中6个基本监测指标的PM2.5(含量)与其它5项分指标及其对应污染物(含量)之间的相关性进行分析;通过比较,基于MIV的RBF神经网络回归模型拟合度达到0.9302,效果最好,而且也优于BP人工神经网络回归算法,因此得出了精确可靠的影响PM2.5的指标权重大小,为减排PM2.5提供了可靠的理论依据.     

基于主成分分析法的综合评价方法的改进

针对用主成分分析法做综合评价存在的问题,提出了改进的方法即当第一主成分的综合评价值和熵值法得到的综合评价值具有一致性时,将两种评价结果进行集成综合评价,若两种评价结果不具有一致性时则采用主成分聚类法进行综合评价.     

基于Logistic回归的主成分估计及实证分析

应用主成分估计方法,对Logistic回归模型进行参数估计,并消除多重共线性影响.首先选取了累计贡献率达到85%以上的6个主成分,对因变量进行主成分估计,然后挑选出冠心病患者发病的主要影响因素,最后得到了因变量(冠心病发病)与6个主要影响因素(血压(sbp)、累计烟草量(tobacco)、低密度脂蛋白胆固醇(ldl)、心脏病家族史(famhist)、型表现(typea)和发病年龄(age))的回归模型.根据结果可知,心脏病家族史是导致心脏病发病最大的一个原因,它是一个不可控因素;在可控因素中,累计烟草量对冠心病发病的影响最大,因此建议患者应该控制烟草摄入量,以保证病情的稳定性.     

上海市PM2.5浓度的分析与预测

针对上海市PM2.5的浓度进行动态分析及预测.通过使用Page检验分析了上海市PM2.5浓度近几年的变化趋势;然后建立时间序列ARIMA模型对PM2.5浓度日数据进行拟合分析与预测.在此基础上通过引入影响PM2.5浓度的其他因素建立带时间序列误差的回归模型以及引入波动率因素建立带波动率方程的模型改进原时间序列ARIMA模型;通过比较样本外预测的效果,结果表明改进后的两个模型其结果均优于已知文献中的ARIMA模型.     

基于主成分分位数回归的手足口病空气质量的影响分析

手足口病在我国南部的一些沿海省市发病率相对较高,其引起的健康危害不容忽视.空气质量一定程度上会影响传染病传播的强度,为此,采用主成分面板分位数回归模型研究空气质量相关变量对手足口病发病率的影响,从而为该病的预防控制提供一定的参考.