基于多元线性回归模型的水资源短缺风险评价研究 源码

1、-范文最新推荐- 基于多元线性回归模型的水资源短缺风险评价研究+源码 摘要：本文围绕水资源短缺风险的评价与预测问题进行了讨论.以北京市为例，建立多元线性回归，确定了影响水资源短缺的主要风险因子，分别是：农业用水，工业用水，第三产业及生活其他用水和降雨量并且运用时间序列分析的方法对未来水资源状况进行预测.通过对模型求解，并对模型进行了评价,结果表明：该模型科学合理.关键词：水资源；风险因子；多元线性回归；时间序列分析 Water Resource Shortage Risk Evaluation Based onMultivariate Linear Regression ModelAbstra

2、ct: The water shortage risk evaluation and prediction problems are discussed in this article. In Beijing, for example, according to setting up multiple linear regression and determining the major risk factors affect the shortage of water resources. Agricultural water, industrial water, and the third

3、 industry, and other life in water and rainfall are the major risk factors. Then using time series analysis method to predict the state of water resources in the future. Through resolving and evaluating the model, the results show that the established model is scientific and reasonable.Key Words:Wat

4、er resources；Risk factors ；Multiple linear regression；Analysis of time series目录1周口师范学院本科任务书12周口师范学院本科开题报告 23周口师范学院本科中期检查表 44周口师范学院本科指导教师评语表 55周口师范学院本科评阅人评审表 66周口师范学院本科答辩资格审查表 8 在这众多文献中有的采用了纯理论的分析，有的采用灰色系统理论本文来自六维(论"文?网， 加7位QQ3249114找原文，风险指数，模糊聚类分析的方法，而如何采用多元线性回归确定主要风险因子，预测未来几年的风险度量，并运用时间序列分析的方法

5、对未来几年水资源进行预测是一个值得研究的问题，本文就采用了此种方法对水资源短缺风险进行综合评价，以北京市为例，用时间序列分析的方法对未来几年的水资源进行了预测，对于水资源短缺具有一定的指导意义，本文的结构如下：引言部分对水资源风险评价的多元线性回归模型的研究背景，意义以及研究状况进行了阐述，明确了研究工作的整体内容及结构.第一章对水资源短缺状况进行了分析.第二章根据统计年鉴数据运用多元线性回归的方法确定主要水资源风险因子，并用时间序列给出预测，最后向有关部门提出建议.第三章对本文研究问题的小结.1水资源短缺现状1.1 我国的水资源短缺状况近年来，我国水资源短缺问题日趋严重，水资源成为焦点话题一

6、直以来我国都是一个干旱缺水的国家，根据2012年的人口计算，我国人均水资源2000 ，不足世界水平的三分之一，是全球13个人均水资源最贫乏的国家之一预计到2040年我国人口增长到16亿时，人均水资源将将降低到1700 若当除去难以利用的淡水资源之后，我国总共的水资源总共有11000 ,人均可利用的水资源约900 ，北方有十几个个城市的水资源不到500 远达不到国际的最低标准1000 我国的水资源分布是极不平衡的，我国的淡水资源主要集中在南方，北方的淡水资源只有南方的四分之一尤其是最近20年，受全球气候变化的影响，我国部分地区降雨量发生了变化，北方地区的水资源明显减少，其中以黄河，淮河，辽河和海

7、河流域最为明显，北方流域的水资源已经从周期性的水资源短缺变成绝对性的水资源短缺与此同时，我国的用水量和污水排放量却保持着相当高的水平，这导致了我国的水资源恶化我国水资源本身分布不均匀再加上水资源的污染，是的水资源短缺在我国已经成为十分紧迫的问题 V（风险度量）=V1（用水量）- V2（供水量）表1 风险度量的结果年份水资源总量V2总用水量V1风险度量=V1-V2197938.2342.924.6919802650.5424.5419812448.1124.11198236.647.2210.62198334.747.5612.86198439.3140.050.7419853831.71-6.

8、29198627.0336.559.52198738.6630.95-7.71198839.1842.433.25198921.5544.6423.09199035.8641.125.26199142.2942.03-0.26199222.4446.4323.99199319.6745.2225.55199445.4245.870.45199530.3444.8814.54199645.8740.01-5.86199722.2540.3218.07199837.740.432.73199914.2241.7127.49 2.2确定主要风险因子2.2.1回归方程的建立与求解假设变量 与另外 个变

9、量 的内在关系是线性的，它的第 次数据是那么这一组数据可以假设具有如下的结构式：其中 是 个待估计参数， 是 个可以精确测量的一般变量， 是 个相互独立且服从同一正态分布 的随机变量.这就是多元线性回归的数学模型.可用矩阵研究多元线性回归.那么多元线性回归方程可以表示成矩阵形式其中 是 维随机变量，它的分量是相互独立的.由2,1知道影响北京市水资源短缺的因素有： ：农业用水、 ：工业用水、 ：降雨量、 ：污水处理率、 ：常住人口.又有它们对风险度量的相关系数知，它们对风险度量的影响相当.于是利用多元线性回归分析方法建立北京市水资源短缺风险的综合评价模型，从而确定有明显影响的风险因子，他们分别是

10、农业用水、工业用水、降雨量、污水处理率、常住人口.他们关于风险度量的散点图如下：图1关于 的散点图图2 关于 的散点图图3 关于 的散点图图4 关于 的散点图图5 关于 的散点图由2.1中的风险因子及多元线性回归方法建立以风险度量（ ）为因变量，风险因子（ ， ， ， ， ）为自变量的多元线性回归模型： 2.2.3回归系数的显著性检验在多元回归模型中，我们并不满足线性回归方程是显著的本文来自六维(论"文?网， 加7位QQ3249114找原文，而总想从回归方程中剔除那些次要的、不必要的变量，重新建立更为简单的线性回归方程.如果某个变量对 的作用不显著，那么在多元线性回归模型中，它前面的

11、系数 取值为零.因此，检验因子 是否显著等价于检验假设： .可以看出，最小二乘估计 是服从正态分布的随机变量 的线性函数，所以 是服从正态分布的随机变量，且其中 为相关矩阵 中对角线上第 个元素.于是.随机变量 与 是相互独立的.于是有，故可采用统计量.来检验回归系数 是否显著.2.2.4模型的检验与改进有2.2.1的程序得到上述模型的回归系数估计值及其置信区间、检验统计量 的结果见表2.表2 模型的计算结果参数参数估计值置信区间-5.6199-77.7050-66.4652 0.4309-0.5872 -0.44910.2762-1.5440-1.0964-0.0494-0.06660.03

12、22-0.3666-0.7343-0.00100.0353-0.0083-0.00200.70669.63410.0001从表2可以看出， 的置信区间均包含零点，表明回归变量 对因变量 的影响是不太显著的.由 知因变量 的70.66%由模型确定.对于此种情况需要去除变量 ，重新建立多元线性回归模型，与2.21中的方法类似，运用Matlab统计工具箱用命令regress实现多元线性回归由： UST948.1990,F .这个结果接受H0（H0：各个因子的期望值都相等），说明 与 , , , 的线性关系显著，说明这个线性回归方程的建立是合理的.有以上结果可知这些自变量的回归系数即为该变量每变化一单

13、位对风险度量的影响程度有多大，从而可确定影响水资源短缺的影响明显的风险因子为 ：农业用水， ：工业用水，：污水处理， ：常住人口.则可得到风险度量和主要风险因子之间的关系式是.（2）根据2012年北京统计年鉴上的数据具体内容见表格4表格4 2012年北京统计年鉴数据年份水资源总量（亿立方米）总用水量（亿立方米）农业用水（亿立方米）工业用水（亿立方米）污水处理率（%）常住人口（万人）200921.835.512.05.280.31860201023.135.211.45.081.01961201126.826.810.95.181.72018则有公式（2）可得到2009-2011年的水资源风险度

14、量见，同时根据2012年北京统计年鉴上的实际数据计算出水资源风险度量见，具体见表格5:表格5风险度量数据年份实际风险度量预测风险度量20094.74.520102.12.0201100有上述表格知：实际风险度量和预测的风险度量比较接近，由于实际和理论总是存在一定的误差，所以可以认为该预测的结果是合理的，同时也说明了上述多元线性回归关系式（2）是合理的. 198031.8313.779.4904.328.00514.079.8900.7198131.612.2110.8919.231.71512.9910.1911.75198228.8113.8910.993530.20513.0510.859

15、27.1198331.611.2410.295030.20512.56510.55942.5198421.8414.3761096526.7212.80810.1957.5198619.469.918.9102819.4612.1439.45996.5198821.9914.047.4106121.9911.9758.151044.5198924.4213.776.6107517.3513.90571068199021.7412.347.3108623.0813.0556.951080.5199219.9415.511.2110219.9413.9254.251094199320.3515.2

16、83.1111220.14515.3952.151107 200513.26.862.4153813.357.2558.151515.35200612.86.273.81581136.568.11559.5200712.45.876.2163312.867516072008125.278.9169512.25.577.551664表格7 5-期简单平均滑动表格年份农业用水（亿立方米）工业用水（亿立方米）污水处理率（%）常住人口（万人）对农业用水的5-简单滑动平均预测对工业用水的5-简单滑动平均预测对污水处理的5-简单滑动平均预测对常住人口的5-简单滑动平均预测197924.1814.3710.

17、2897.1198031.8313.779.4904.3198131.612.2110.8919.2198228.8113.8910.9935198331.611.2410.295029.60413.09610.3921.12 199817.3910.8422.51245.618.942512.572518.3751215.425199918.4510.56251257.218.322511.5722.2251248.475200016.4910.5239.41363.617.612510.75527.2251276.6200117.49.3421385.117.5710.46430.1812

18、98.3200215.57.5451423.217.0469.74434.781334.94200313.88.450.11456.416.3289.25640.31377.1200413.57.753.91492.715.3388.68446.081424.2200513.26.862.4153814.687.9450.681459.08200612.86.273.8158113.767.3257.041498.26200712.45.876.2163313.146.9863.281540.222008125.278.9169512.786.3469.041587.94 本文采用多元线性回归逐步回归的方法，让历史重复自己，以客观事实为依据建立水资源短缺问