基于一元线性回归分析的大坝预测模型的建立及其引用建模样本数量对预测效果的影响.pdfVIP

工程设计施工与管理 ChinaScience＆TechnologyOverview 基于一元线性回归分析的大坝预测模型的 建立及其引用建模样本数量对预测效果的影响 杨颜江 杨雷 (云南经纬地理信息系统工程有限公司，云南昆明 650028) 【摘 要】本文主要介绍一元线性回归分析的基本原理和方法，并结合实例分析。在建模过程中采用不同数量的检测数据进行建模，得出用该模 型预测变形的合理性引入变量多的模型的预测的效果较好。 【关键词】回归分析 沉降预测 模型 0引言 2预报原理 随着国内外病险坝的逐渐增多，要求实时或及时了解大坝的安 如果回归方程通过了统计检验，而且其拟合得比较好，那么就 全状况，掌握变形规律。而预测大坝沉降的方法有多种，本文主要介 可以利用所求得的回归方程对有关测量数据进行预报和控制。下面 绍了检测统计模型中的一元线性回析归分析方法，并且将其运用在 先讨论预报 问题。 大坝变形预测分析中。 对任一给定的 ，由回归方程可得回归值 ： 1一元线性回归分析的基本原理和方法 Y0=a+bxo， (2．1) 0是 处的观测值 ： 我们可以用一条直线来表示x和y的关系，并借助最小二乘法， 可得到一元线性回归的回归方程[]： Yo： o+flXo+9,o (2．2) =a+bx (1．1) 所谓预报，就是在一定的显著水平 下，寻找一个正数 ，使 a，b又叫做回归方程的回归系数。 得实际观测值Yo以l— 的概率落在区间( 一 ，o+ )内，即： 下面根据最小二乘法原则来确定a，b的取值。 JF){夕0— Yoj0+ }=l— ， (2．3) 对于每—个xa，由J／~／(1．1)可以确定一个回归值 =a+bxa。这 其 中 个回归值 与实际观测值 之差 一 = 一a—b ，刻划了 与回归直线 I+呶的偏离程度。对于所有的 ，若 与 的偏 = (2．4) 离程度越小，则直线和所有的试验点拟合得： N N Q(a，6)=∑ )。=∑ 一a-bx．) (1．2) 上式表明，利用回归方程预报实际观测值 o的偏差 不仅与 a=l d=1 显著水平 有关，与N有关，而且与观测点Xo有关。 由最d--乘法可知要使Q达到极小值，只要对上式分别对a，b 在没有重复试验的情况下，剩余平方和 可以提供 的无 求偏导，并令它们等于零 ，于是可以推导出a，b的值 ： 偏估计。 N N a=∑ ∑ (1．3) S剩--Z[(一b。)+(卢_b)x+s+2(一b。)Sa+2(一b)xs。 =l d=1 Ⅳ ∑(一)(y一) +2(o—b0)(一b)X] (2．5) 6= ∑N(一)。