数学建模演示文档-水资源问题.pptVIP

使用方差法来标准化数据 在该问题中，不同的变量之间有不同的量纲，由于不同的量纲会引起各变量去职的分散程度差异较大，这时总体方差则主要受方差较大的变量控制。为了消除由于量纲的不同可能带来的影响，常采用变量标准化的方法，即令 基于协方差矩阵作主成分分析，并计算贡献率。协方差矩阵公式： 根据特征值求贡献率 λ（特征值）= 贡献率公式： 计算完成后选择贡献率累积80%的成分作主成分 使用SPSS计算得如下表格： 生成主成分矩阵与载荷图 通过载荷图求解模型 模型结果如下： Linear model Poly3: f(x) = p1*x^3 + p2*x^2 + p3*x + p4 Coefficients (with 95% confidence bounds): p1 = -1.489 (-15.07, 12.09) p2 = 3.344 (-10.56, 17.25) p3 = -8.166 (-20.1, 3.767) p4 = 11.62 (6.486, 16.76) Goodness of fit: SSE: 2534 R-square: 0.2106 Adjusted R-square: 0.1229 北京市未来两年水资源的短缺风险进行预测 预测方法： 由于本模型在预测上是通过主成分进行拟合的结果而建立的模型，所以在进行预测之前，知道主成分的数据是至关重要的，也就是说要预测今后两年内的水资源匮乏情况是必须已了解到污水处理量和降水量为前提才能完成的。 在污水处理上由于其变化和政策上不会发生明显的变化，所以我们可以通过1999年-2009年得取水处理量得趋势变化图来估算出未来两年内的污水处理总量。 而在降水量上由于其本身带有了很大程度的随机性所以在预测上显得不太容易，但我们仍然可以通过其变化趋势来选择一个数值来进行预测，因为主成分一的贡献率为66.96%而主成分二的贡献率为27.71%。 将主成分的数值带入到Matlab中的程序中便可计算出相应的X值，然后将X带入到模型中便可以求出缺水相关系数，已达到预测的目的。 模型的检验 通过对数据的预测我们可以知道，由于预测的方法在很大的程度上依赖于未知的数据（本模型的最大缺点），所以最后会造成结果的不准确是有可能的。所以本模型在预测的精度上存在限制，要想从根本上改变此状况只能更改预测的方式（可以利用迭代的方法） 水资源短缺风险综合评价 小组成员：赵圣熙 张贺阳 闫旭 指导教师：吕书强 问题介绍 近年来，我国、特别是北方地区水资源短缺问题日趋严重，水资源成为焦点话题。 以北京市为例，北京是世界上水资源严重缺乏的大都市之一，其人均水资源占有量不足300m3，为全国人均的1/8，世界人均的1/30，属重度缺水地区， 为此而建立数学模型以加强对水资源的控制和再利用是很有必要的 数据整理 在数据方面，由于政府采取了一系列措施, 如南水北调工程建设, 建立污水处理厂,产业结构调整等。 所以我们可以先从这些方面入手以观察近几十年来水资源短缺的变化。 但只是有这些方面的数据是远远不够的，所以为了让模型更加的接近于真实，为此我们调查了《北京统计年鉴》，将我们认为与水资源相关的的数据加入到模型中，以完善模型。 调查的数据如下：1979-2009年30年间北京的农业用水总量、工业用水总量、第三产业及生活等其它用水 总量、污水处理总量、 总降水量以及北京市常住人口数量。（数据整理结果见实验报告） 主成分分析检验 在进行模型建立之前我们先要对影响北京市缺水情况的数据进行KMO检验以确定其是否适合利用主成分分析法。 检验结果如下： 表2 KOM和Bartlett的检验 由上表可知，KMO的值为0.769表示比较适合使用主成分分析法。 KMO 和 Bartlett 的检验(a) 取样足够度的 Kaiser-Meyer-Olkin 度量。 .769 Bartlett 的球形度检验 近似卡方 215.315 df 15 Sig. .000 a 基于相关 表2 KOM和Bartlett的检验 100.000 .237 .015 6 99.763 1.313 .081 5 98.450 3.029 .188 4 95.421 6.568 .407 3 88.853 17.539 1.052 88.853 17.539 1.087 2 71.314 71.314 4.279 71.314 71.314 4.421 1 重新标度