回归分析在数模竞赛中的应用-4.docVIP

§6 非线性回归（Non-linear Regression） 一、非线性回归问题的一般形式和解法 设自变量 与因变量 之间有下列关系： ， 其中， 是形式已知的非线性函数， 是函数中的未知参数。 进行 次观测，得到观测值： ， 。 求 的估计 ，使得下列平方和 达到最小： 。 是 的函数，所以，这是一个多元函数求最小值的问题。但是，由于非线性函数过于复杂，一般来说，我们不可能通过求偏导数、解下列方程组的方法，来确定 的最小值点: 但是，我们可以用数值方法借助计算机软件来求它的近似解。 对于这样一个多元函数求最小值的问题，人们已经提出了许多求近似解的数值方法。这些方法的基本思想是：从一个初始值出发，逐步搜索最优解，搜索的步长逐渐缩小，当搜索的步长或最优解的变化小于事先给定的一个误差水平界限时，搜索结束，给出问题的近似解。 在借助计算机软件进行求解的过程中，可能会出现许多问题，例如：逐步搜索超出函数的定义域，发生计算溢出，发生“死循环”，长期得不到解，得到的解不是真正的最优解，等等。 要避免发生这样的问题，选择适当的初始值非常重要。最好能够根据问题的实际意义，参考文献资料和类似的先例，确定比较合理的初始值。还有一种方法，是将问题先作一些简化或转换，变成能用其他回归方法求解的问题，用其他方法求出初步的近似解，再用这个解作为非线性回归的初始值。 二、非线性回归应用的实例 下面看几个非线性回归应用的实例。 例12（1990年上海市数模竞赛A题）脑血流量测定 为了测定脑血流量，让受试者吸入含有放射性同位素的气体。放射性同位素随血流进入头部，又由脑血流带出。同时，吸入肺部的放射性同位素由呼出气体带出。 对头部的放射性计数率和呼出气的放射性计数率同时进行测试，测得一批数据如下： 编号 时间 头部计数率 呼出气计数率 编号 时间 头部计数率 呼出气计数率 1 1.00 1534 2231 20 5.75 225 2 2 1.25 1528 1534 21 6.00 199 1 3 1.50 1468 1054 22 6.25 175 1 4 1.75 1378 724 23 6.50 155 1 5 2.00 1272 498 24 6.75 137 1 6 2.25 1162 342 25 7.00 121 0 7 2.50 1052 235 26 7.25 107 0 8 2.75 947 162 27 7.50 94 0 9 3.00 848 111 28 7.75 83 0 10 3.25 757 76 29 8.00 73 0 11 3.50 674 52 30 8.25 65 0 12 3.75 599 36 31 8.50 57 0 13 4.00 531 25 32 8.75 50 0 14 4.25 471 17 33 9.00 44 0 15 4.50 417 12 34 9.25 39 0 16 4.75 369 8 35 9.50 35 0 17 5.00 326 6 36 9.75 31 0 18 5.25 288 4 37 10.0 27 0 19 5.50 255 3 已知头部计数率下降的速率与当时头部的计数率成正比，比例系数称为脑血流量系数。头部计数率上升的速率与当时呼出气的计数率成正比。 要求建立数学模型，求出脑血流量系数。 设 是时刻 时头部的计数率， 是时刻 时呼出气的计数率。 根据题意，有（其中是常数，就是脑血流量系数） 。 同时，根据放射性衰变原理，呼出气的放射性计数率减少的速率与当时呼出气的计数率成正比，即有（其中是常数） 。 因此，有联立微分方程组： ，初始条件 。 解这个微分方程组，可得： 。 ，的表达式都是非线性的。 对于 ，可以两边取对数，将它化为线性形式 。 化为线性后，用线性回归的方法求解，解得 ， 。 因为在将广义线性方程化为线性时，对因变量作了变换，所以，上面得到的解还不是原问题的真正的解。用这个解作为初始值，进行非线性回归，求得原问题的真正的解为 ， 。 将它们代入的表达式，有 。 这是一个不能化为线性的非线性函数，对它进行非线性回归，最后得到 ，， 。 例13 肉鸡饲养问题 已知每单位重量肉鸡的价格是 （单位：元/kg），每单位重量肉鸡每天的饲料费是 （单位：元/（kg日）），每只鸡每天的管理费是 （单位：元/日），研究肉鸡饲养到什么时候出售得到的利润最大。 要解决这一问题，首先要知道肉鸡饲养天数与肉鸡重量的函数关系。对肉鸡的饲养天数 （单位：日