PSO_多元线性回归.docxVIP

鉴于影响奖牌的人为偶然性因素太多，单纯运用之前所建立的灰色预测和马尔科夫预测模型，其预测结果往往不能令人满意；经过分析知道，影响一个国家所获的金牌的数目和该国经济，人口等方面各个指标有关；因此我们建立多元线性回归模型，并同时引入 PSO算法，将PSO、竞技体育实力评估和多元线性回归分析有机结合，建立奥运会成绩预测模型。1、多元线性回归模型在实际问题中，根据各国已获奖金牌数量来预测当前情况，假设某国奖牌数量为 y，影响奖牌数量的多个因素为，,...又估计它们之间存在某种线性关系，则可建立多元线性回归模型:y=其中，，，…为k+1个未知回归系数，是随机误差变量，是y的变化中不能用自变量解释的部分，服从N（0，）分布，一般假设：E（）=0，D（）=，0。为了估计未知参数，，…及，对y与，,...同时做n次独立观察，得n组观察值, ，,...,,t=1,2,…,n(nk+1)满足关系式：= 其中，t=1,…,n,互不相关且均是与同分布的随机变量。 用矩阵形式表示上式：Y=, X===于是，多元线性回归模型可以表示为：其中，为n阶单位矩阵。用最小二乘法得的最小二乘估计为：=为线性回归方程，当由实际获得自变量的值后，代入回归方程，变得到对应的因变量的值，称为回归值。设分别是参数的最小二乘估计，则y的观测值可表示为：y’=+采用最小二乘法建立多元线性回归方程，即寻找适宜的系数，是因变量观