多元线性回归研究预测长春市污水排放量.docVIP

多元线性回归研究预测长春市污水排放量摘要：以长春市历史数据为基础，建立回归方程，通过关联系数、剩余方差以及F检验，确定最优线性回归预测方程，运用此方程预测长春市2015年的污水排放量为18266.5万。 关键词：多元线性回归；污水排放量；预测；检验 Abstract: Based on Changchun City historical data, to establish the regression equation, through the correlation coefficient, residual variance and F test, to determine the optimal linear regression equation, the equations for the prediction of Changchun City 2015 sewage emissions to 182665000m3. Key words: multiple linear regression; sewage discharge; prediction; inspection 中图分类号：TU992.3 文献标识码：A文章编号：2095-2104（2012）04-0020-02 前言 在近代，中国过于追求地区国民生产总值的增加，污水随便排放，不仅污染环境，而且造成藻类植物大面积蔓延，污染江河、湖泊。甚至取水水源也被严重污染。如长春市的新立城水库因蓝藻的大量繁殖，被迫暂停供水，使得长春市10万人饮水受到影响。因此，控制污水的任意排放，减少污水排放量，大范围的启用中水回用系统已经迫在眉睫。相对精确的预测污水排放量，不仅为规划污水处理厂的规模提供参考依据，而且可以根据污水排放量，估计可回用的中水，从而建立配套的中水回用系统。一举两得，不仅环境污染问题得到解决，而且缓解了供水压力。 目前，用于预测的方法主要有：线性回归法、灰色模型法、指数法、对数法等等。由于 污水排放量的影响因素比较复杂多变，而多元线性回归法可以囊括相对多的影响因子，预测效果比较理想。故采用线性回归预测法。 1 多元线性回归分析 1．1 多元线性回归模型的原理 设有共有m个因素影响预测结果y，假定它们有线性关系如下： （1） y 为可观测的随机变量，是未知参数，是不可观测的随机误差，满足 1．2 拟合优度指标 (1) 标准误差 （2） （2）可决系数 （3） 说明回归模型没有对y的变差做出任何解释；则相反，即回归模型对y的全部变差做出解释。 （3）复相关系数 （4） 的大小说明了响应变量与预测标量的密切程度，越大，预测的值越接近实际，预测精确度越高。 1．3 预测模型检验 （1）多重共线性检验 在建立多元回归模型时，假定各个因变量是不相关的，对预测响应变量的结果互不影响，但实际上因变量之间都会存在相关关系，如果选用关联度较高的因子，会导致建立错误的回归模型，得出偏离实际的结论。为了得出准确度比较高的预测值，对各因子的相关性进行检验是非常必要的。各因子的相关程度用相关系数来检验。 （5） 根据经验取时，认为关联程度比较低，能够建立可信的预测模型。 (2) 线性回归方程的检验 回归方程的检验分为两部分：一是检验回归方程是否确实是线性关系，看是否与假设的一致，一般用复相关系数或者F检验；二是对方程中的回归系数进行检验，大多采用t检验。 1．4 最优回归方程的选择方法 “全部比较”法假设有m个因子，则可以组合出线性回归方程，然后比较剩余方差，其中最小的剩余方差所对应的线性回归方程就是最优。 （6） ——线性回归方程的残差平方和 ——样本容量 ——线性回归方程自变量的个数 2长春市污水排放量的多元回归分析 2．1多元线性回归方程的选择 污水主要包括生活污水和工业废水。影响污水排放量的因素复杂多变，预测因子选择过多，增加计算量，还会因为多重线性相关而影响预测精确度，相反，预测因子选择太少，又不能充分反映污水排放量的影响因素。遵循全面、精确的宗旨，本文选取的主要预测因子包括：非农业人口、人均住房面积、恩格尔系数、地区生产总值、工业废水排放量。其中，非农业人口、人均住房面积以及恩格尔系数主要反映生活污水的排放量；地区生产总值的大小，在某种程度上反映当地经济发展程度，经济水平与污水排放量密切相关；工业废水是污水的组成部分，直接影响污水的排放量。用“全部比较”法选择最优回归方程。长春市2001 ～2006年的历史数据为基础见表 五个自变量，建立