化工数值计算-6.ppt

足下列条件: ? 式(6-15)经整理可得: ? 式(6-16)称为多元线性回归模型的正规方程组。它是一个m+1元的线性代数方程组。由于xij和yi已知,故可求得m+1个待定 系数a0,a1,…,am。 实际计算时,一般作如下处理:先将式(6-16)的第一式写成 ? 然后将式(6-17)代入方程组(6-16)的第2至第m+1式,重新组成一个m元线性方程组,其中有a1,a2,…,am等m个待定系数。通过求解此m元线性方程组,获得系数a1,a2,…,am,再代回式(6-17), 求得a0。 为简化计算,用?表示第j个x的平均值,?表示y的平均值,则 ? 用Ljk表示第j个x离差与第k个x离差乘积之和,则 ? 用Lyy表示y离差的平方和,则 ? 用Ljy表示第j个x离差与y离差乘积之和,则 ? 将式(6-17)分别代入式(6-16)的第2至m+1式,经简化整理可得如下m元线性方程组: ? 可用主元素消去法求解此式,然后将求得的a1,a2,…,am代入式(6-17),求出a0,从而完成对多元线性回归模型的参数估计。 多元线性回归的计算中,常用复相关系数衡量数据点之间的线性优劣。复相关系数定义如下: ? 式中,U称为回归平方和: ? 　　应当指出,并非所有曲线都可以按这种方法处理。例如抛物线 ? 就不能通过变量变换把它化为直线。但是如果令x1 = x,x2 = x2,则上式就化成一个包含两个自变量的线性方程 ? 从而将抛物线按二元线性回归计算。对于含多变量的任意多项式 ? 也可以通过类似的变换,把它们转化成多元线性回归计算。 6.2.2　程序框图 图6-6是多元线性回归的通用计算程序框图。 图6-6(a) 多元线性回归的通用计算程序框图(1) 图6-6(b) 多元线性回归的通用计算程序框图(2) 程序框图中的主要变量: 　????N　 数据点数 M　　多元线性模型元数 X　　二维数组,用于存放原始数据的x值 Y　　一维数组,用于存放原始数据的y值 YP　?????值 YYL　????Lyy值 XP　　一维数组,用于存放?值 A　　二维数组,用于存放m元线性方程组的系数Ljk B　　一维数组,用于存放m元线性方程组的常数项Ljy C　　一维数组,用于存放多元线性模型的系数aj(j = 0,1,…,M) R　　复相关系数R0 U　　回归平方和 Q　　残差平方和 子程序XYF为列主元消去法求解线性方程组的程序,可参见 图5-2和图5-3。 6.2.3　计算实例 例6-4 已知某溶液由两种物质组成,cA为物质A的浓度(g/L),cB为物质B的浓度(g/L), μ 为溶液的黏度(mPa·s)。设数学模型为μ=a0+a1cA+a2cB 试根据下列实验数据,确定a0、a1、a2的值。 解　按图6-6编写计算源程序。 源程序: ’******************************************** ’　　Example 6-4------Eg6-4.frm ’******************************************** DefDbl A-H, O-Z Private Sub Command1_Click() Dim X(100, 20), Y(100), C(20) Dim XYA As Variant Cls N = 15: M = 2 XYA = Array(25.8, 98, 14.5, 15.8, 116, 9.7, 18.1, 104, 11.3, _ 　　　　　　　　　 13.3, 99, 26, 20.1, 153, 44.7, 10.1, 98, 21, _ 　　　　　　 　17.1, 103, 25.2, 21, 112, 13.7, 23.7, 113, 38.5, _ 　　　　　　 　11.2, 80, 5.8, 10.2, 87, 17.7, 16.4, 138, 40, _ 　　　　　　　　　 15.9, 98, 17.1, 8, 102, 3, 26, 155, 37.3) K = 0 For I = 1 To N 　　For J = 1 To M:　X(I, J) = XYA(K):　K = K + 1: Next J 　　Y(I) = XYA(K): K = K + 1 Next I Call LINEAR2(N, M, X(), Y(), C(), R) Print Tab(4); *** Results *** For J = 0 To M 　　Print A(; J; ) = ; Format$(C(J), #####.#######) 　　 Next J Print R= ; Format$(R, ###.##