沉降趋势测模型----------回归模型.doc

沉降趋势预测模型----------回归模型 1 一元回归模型：(施工完成后荷载不再变化) 多元回归模型：多元线性回归模型 (施工中，荷载变化) 2 多元回归模型 (1)多元回归模型研究对象：研究一个变量（因变量）与多个因子（自变量）之间非确定关系（相关关系）的方法。 (2)表达式： t:表示观测值变量共有n组数据； P表示自变量个数（多少个监测点） (3)矩阵表达式 设： 则有 : y=x*β+? (4)缺点： 1 y=x*β+?反映了变形值相对于自变量之间在同一时刻的相关性,而没有体现变形观测序列的时序性、相互依赖性以及变形的继续性,因此多元线性回归模型是一种静态的数据处理方法。 2回归分析要求大量数据,如果数据中包括大的系统相对误差或偶然相对误差时,数据量难以找出统计规律。对于沉降监测而言,如果建筑物不是很高,则势必数据量不大,致使沉降预测失真,正确现象可能受到歪曲和颠倒。 3回归分析主要计算是数据乘积和平方和、全和等四则运算,在此运算过程中,由于计算误差的积累容易导致计算结果出现错误。 (5)多元线性回归模型构建思路 由于建筑物的沉降与时间间隔和上部荷载有直接关系,故可把时间间隔作为一种影响因子,把荷载作为另外一项影响因子.采用多元线性回归方程进行预测值的计算,得出实测值和预测值之间的残差,从而为工程的安全施工提供依据。 例如：设时间间隔为自变量Ｘ1,承受的荷载为自变量Ｘ2,累计变化量为因变量Ｙ,假设它们之间存在着线性关系,利用ＥＸＣＥＬ软件的“工具”菜单中回归分析功能可以建立回归方程:Ｙ=-0.019Ｘ1-0.108Ｘ2-0.126.（求的与例子答案不一样）？？ (6)回归系数显著性检验：（t检验) 利用样本的平均值和标准差计算出t1,,,,然后在根据t分布表，以及n和显著性水平а得到t2,,,比较t1和t2的大小。。 回归方程的显著性检验：(Ｆ检验) 由EXCEL的回归分析结果可以得出F的统计量（F=101.782），取显著性水平а=0.05，查F分布表可以得到自由度为（2,12）的临界值为3.89，显然F的统计量大于临界值，说明两个自变量联合起来对因变量有显著影响。。 原因：在实际问题中,事先我们并不能断定因变量ｙ与自变量X1,X2,…,Xｐ之间是否确有线性关系.在求线性回归方程之前,y=x*β+?的线性回归模型只是一种假设.当然这种假设常常是有根据的,但在求得线性回归方程后,还是需要对回归方程进行统计检验,以给出肯定或否定的结论。 3一元回归模型构建思路 （1）根据各周期的沉降观测成果,分别计算各点在相应周期的绝对差异沉降、相对差异沉降,以及绝对累计沉降和相对累计沉降等数据。（如何求）？？ （2）分别建立各点的差异沉降回归模型和累计沉降回归模型。 用EXCEL （3）通过比较4种模型的相关系数R,最终获得最佳的回归模型。