函数型数据分析的算法与应用研究.pdfVIP

函数型数据分析的算法与应用研究 摘 要 互联网的迅速发展为我们收集数据提供了极大的方便，不同领域的数据类型 多种多样，复杂程度也各不相同，通过观察、分析，我们总能发现，很多数据是 有一定规律的，而且大多数具有函数的特征，在对这些数据分析时，我们可以采 用函数型数据分析这一重要方法。函数型数据分析的基本思想是把具有函数性质 的数据视为一个整体来进行分析和相应的处理，其中，“函数型”是指数据的内 在结构，而不是外在的表现形式，这种方法的应用范围是比较广泛的，例如金融、 医学、气象学、工业等方面。函数型线性回归模型又是函数型数据分析的一个相 当重要的工具，我们可以通过函数型线性回归模型来研究预测变量和响应变量之 间的关系。 我国经济蓬勃发展，然而我们每天都在呼吸的空气的质量却不容乐观，虽然 空气中只存在很少的PM2.5，但是它的危害却是不容忽视的。PM2.5可以在空气 中长时间的停留，还可以扩散到远处，是引起大雾天气的原因之一。PM2.5进入 人体时会引发呼吸道阻塞或炎症，严重影响人的呼吸功能，造成一些呼吸疾病， 对孕妇来说，影响的不仅仅是她自身，还有胎儿的正常发育，因此，研究PM2.5 的成因具有极其重要的意义。本文将利用函数型数据分析的方法分析气压、温度、 与PM2.5 的关系。 本文整理了中国2017年PM2.5污染比较严重的49个城市每天的气压、温 度、PM2.5 的数据，这些数据都属于函数型数据。我们先对这49个城市的气压、 温度、PM2.5进行了拟合，使得这些由于采样而得到的离散数据被转化为具有一 定规律的函数型数据，然后用一元函数型线性回归模型来研究气压对PM2.5 的 影响，以及温度对PM2.5 的影响，属于单个因素对PM2.5 的影响，最后把气压、 温度作为两个预测变量，PM2.5作为响应变量，通过多元函数型线性回归模型， 研究两个因素即气压和温度对PM2.5 的影响，我们重点讨论了基函数的数量不 同的情况下，气压，温度两个因素共同作用时对PM2.5 的影响。 关键词：函数型数据分析，一元函数型线性回归模型，多元函数型线性回归 模型，PM2.5 I 目 录 摘 要I AbstractII 第一章 绪论1 1.1 本文选题背景及研究意义1 1.2 国内外研究现状2 1.3 本文研究内容8 1.4 本文的创新点9 第二章 一元函数型线性回归模型及其应用10 2.1 函数型数据的预处理10 2.1.1 K 11 基函数的数量 的选择 2.1.2  12 光滑参数 的选择 2.1.3 数据的拟合12 2.2 一元函数型线性回归模型18 2.3 一元函数型线性回归模型的应用23 第三章 多元函数型线性回归模型及其应用25 3.1 多元函数型线性回归模型25 3.2 多元函数型线性回归模型的应用44 第四章 总结与展望50 参考文献51 附录A55 在学期间的研究成果78 致 谢79 第一章 绪论 第一章 绪论 1.1 本文选题背景及研究意义 呼吸对我们每个人来说都是非常重要的，呼吸新鲜的空气有助于血液的循 环，而且可以使我们心情愉悦，进而会提高我们的学习、工作效率，因此，空气 的新鲜程度直接影响着人们的身体状况，这些年来，我国经济不断发达，然而， PM2.5 依旧是我们必须考虑的一大难题，虽然空气中的PM2.5 很少，但是它的 危害特别大，并且它在空气中能够存在较长时间，再加上它能够被输送到比较远 的地方，因此PM2.5 的浓度达到一定程度时不仅会影响人们的正常出行，而且 会严重危害人体健康，造成一些呼吸方面的疾病，尤其是对孕妇的危害更大，不 仅仅会影响她自己的身体状况，而且通过研究我们发现还会影响到孕妇肚