多元线性回归预测模型在城市垃圾产量预测中得应用.pptx

多元线性回归预测模型在城市垃圾产量预测中的应用;灰色关联是指事物之间不确定性关联，或系统因子与主行为因子之间的不确定性关联。关联分析主要是对态势发展变化的分析，它根据因素之间发展态势的相似或相异程度来衡量因素间接近的程度。可从众多因素中提炼出影响系统的主要因素，主要特征和因素间对系统影响的差别，因而实用价值较大。可用于：1.确定主要矛盾，主行为因子；2.评估；3.分类；4.预测；5.构造多因素控制器；6.检验GM模型的精度；;1.数据列的确定对抽象系统进行关联分析时，首先要确定表征特征的数据列。2.数据列的表示方法数据列包括时间序列，指标序列和空间序列。设Xi为第i个序列Xi={Xi（Ｋ）｜Ｋ＝１，２，３….，Ｎ}Ⅰ.　若Ｋ为时间序号，则Ｘｉ为第ｉ个时间序列。Ⅱ.若Ｋ为空间分布序号，则Ｘｉ为第ｉ个空间分布序列。Ⅲ.若Ｋ为指标序号，则Ｘｉ为第ｉ个对象的指标序列。;数据列的生成处理 时间序列的处理1.初值法X’(k)=X(k)/X(1) (k=1,2,3…n) 2.最小值化令Min X（k）=Min{X(1),X(2),…X(n)}则 X’(k)=X(k)/Min X(k) (k=1,2,3…n)3.最大值化令Max X（k）=Max{X(1),X(2),…X(n)}则 X’(k)=X(k)/Max X(k) (k=1,2,3…n)4.平均值化令￣X（k）= (X(1)+X(2)+..X(n))/n;则X’（k）=X(k)/ ￣ X(k) (k=1,2,3..n)5.区间值化考虑Xi={Xi(k)|k=1,2,..n}(i=1,2,..m)令Max Max X= Max Max Xi(k) Min Min X= Min Min Xi(k)则 X’i(k)=(Xi (k)- Min Min X)/(Max Max X- Min Min X);讲义中的 关联系数公式有点误差，“MinMax Vi(k)”应改为“MinMin Vi(k)”对于分辨系数a a/(a+1)≤ b≤1 (b为关联系数)a不仅可以调节b的大小，而且控制b的变化区间。关联度的计算方法有1.面积法（作关联系数列Ei（k）(k=1,2,3..n)的折线，它与横坐标所夹面积。） 2.平均值法Vi(k)越小，则r(X0,Xi)越大，越接近。一般当分辨系数=0.5时，关联度大于0.6，则认为比较数列与参数列满意关联。;多元线性回归 通过数学实验中关于一元线性模型的学习可照例解多元线性模型 Y=B0+B1 X1+B2 X2……Bk Xk + e (e为服从标准正态分布)  通过对N组样本Xij (i=1…k,j=1……n),的实验得到回归系数.一般 n≥ k, 当k=n时 回归系数就只有一组解当nk时，则回归系数的值多于一组，数据中可能混有量测或模型误差。根据最小二乘原理，参数估计值应该是下列方程组的解 ;（Q为各偏差平方和，用最小误差平方法确定估计值。 ）   于是得到关于待估参数估计值的正规方程组：  ;解该（k+1)个方程组成的线性代数方程组，即可得到(k+1)个待估参数的估计值.;（其中X’X满秩 ） （最大或然估计，矩估计也可以用。） 以上为普通最小二乘法，可通过加权为一般化。