第四章-环境规划与管理的数学方法

第四章环境规划与管理的

数学基础第一节环境数据处理方法第二节最优化分析方法第三节常用决策分析方法第四节环境数学模型第一节环境数据处理方法一、数据的表示方法列法表：将数据列成表格，将各变量的数值依照一定的形式和顺序一一对应起来，它通常是整理数据的第一步，能为标绘曲线图或整理成数学公式打下基础。图示法：将数据用图形表示出来，它能用更加直观和形象的形式将复杂的数据表现出来，可以直观地看出数据变化的特征和规律，为后一步数学模型的建立提供依据。插值法计算数值。1.列表法例:研究电阻的阻值与温度的关系时，测试结果如下：测量序号温度(t)/℃电阻(R)/Ω110．510．42229．410．92342．711．32460．011．80575．012．24691．012．672.图示法图示法的第一步就是按列表法的要求列出因变量y与自变量x相对应的yi与xi数据表格。作曲线图时必须依据一定的法则，只有遵守这些法则，才能得到与实验点位置偏差最小而光滑的曲线图形。坐标纸的选择：常用的坐标系为直角坐标系，包括笛卡尔坐标系（又称普通直角坐标系）、半对数坐标系和对数坐标系。筛下累计频率（Fi）粒径（dp）/μm3.插值法计算数值例：用分光光度法测定溶液中铁的含量,测得标准曲线数据如下：Fe浓度/（μg·mL-1）24681012吸光度（A）0.0970.2000.3040.4080.5100.613测得未知液的吸光度为0.413，试求未知液中铁的含量。（1）作图插值法

在图的纵坐标上0.413处找到直线上对应点，读出其对应的横坐标数值8.122即为未知液中铁的含量。此式即为比例法内插公式，从图上可看出，因为用yc代替了yd，产生了的误差。（2）比例法所以（3）牛顿内插公式

一般的非线性函数都可以展开为多项式:例：制作y=2+x+x3

的差分表。表中△y表示y的依次差值，△2y表示y的差值的差值，以此类推。xy△y△2y△3y△4y02

142

21286

33220126

47038186051326224606224923060

在上面的例子中，x的差值为1，实际上x的差值可以为任意恒量，令此恒量为h，做出差分表的通式。xy△y△2y△3y△4yaa+ha+2ha+3h

a+4h...yaya+hya+2hya+3hya+4h...△ya△ya+h△ya+2h△ya+3h...△2ya△2ya+h△2ya+2h...△3ya△3ya+h...△4ya...表中：△ya=ya+h-ya△2ya=△ya+h-△ya△3ya=△2ya+h-△2ya△4ya=△3ya+h-△3ya……可以推得：△nya=△n-1ya+h-△n-1ya（二）数据特征

数据特征是对环境总体状况进行估计判断的基础，是认识数据理论特性的基本出发点，通常可分为以下三类：位置特征数:表示数据集中趋势或刻画频数分布图中心位置的特征数；离散特征数:用来描述数据分散程度；分布形态特征数:刻划了根据所获数据绘制的分布曲线图的形态。1.位置特征数（1）算术平均数：式中：x1，x2，…，xn为样本个体数据，n为样本个数。（2）加权平均数：如果样本个体数据x1，x2，…,xn取值因频数不同或对总体重要性有所差别，则常采取加权平均方法。式中：wi是个体数据出现频数，或是因该个体对样本贡献不同而取的不同的数值。

（4）调和平均数：（3）几何平均数：（5）中位数

环境数据有时显得比较分散，甚至个别的数据离群偏远，难以判断去留，这时往往用到中位数。样本数据依次排列（从大到小或者从小到大），居中间位置的数即为中位数，若数据个数为偶数，则中位数为正中两个数的平均值。只有当数据的分布呈正态分布时，中位数才代表这组数据的中心趋向，近似于真值。环境统计中常常用到几何平均数。不同的平均值都有各自适用场合，选择的平均数指标应能反映数据典型水平，并非随意采用。几何平均直径:（1）级差（全距）：

（2）差方和，样本方差和样本标准差差方和：样本方差：样本标准差：（3）变异系数：2.离散特征数

3.分布形态特征数

刻划数据分布形态的特征数有两个：偏态系数和峰态系数。（1）偏态系数

主要描述数据频率分布对称特征，反映数据是对称分布或偏向某方向。（2）峰态系数峰态系数描述数据分布陡峭程度。式中：s为样本标准差。二、异常数据的剔除

在处理实验数据的时候，我们常常会遇到个别数据偏离预期或大量统计数据结果的情况，如果我们把这些数据和正常数据放在一起进行统计，可能会影响实验结果的正确性，如果把这些数据简单地剔除，又可能忽略了重要的实验信息。这里重要的问题是如何判断异常数据，然后将其剔除。判断和剔除异常数据是数据处理中的一项重要任务，目前的一些方法还不是十分完善，有待进一步研究和探索。

目前人们对异常数据的判别与剔除主要采用物理判别法和统计判别法两种方法。物理判别法就是根据人们对客观事物已有的认识，判别由于外界干扰、人为误差等原因造成实测数据偏离正常结果，在实验过程中随时判断，随时剔除。统计判别法是给定一个置信概率，并确定一个置信限，凡超过此限的误差，就认为它不属于随机误差范围，将其视为异常数据剔除。

剔除异常数据实质上是区别异常数据由偶然误差还是系统误差造成的问题。若是人为因素的偶然误差就应剔除，如果没有足够的理由证实是偶然过失造成的时候，应对数据进行统计处理，采用一定的检验方法来决定取舍。本节着重介绍统计判别法。1.拉依达准则

则应将xp从该组数据中剔除，至于选择3s还是2s与显著性水平α有关，显著性水平α表示的是检验出错的几率为α，或检验的可置信度为1－α。3s相当于显著水平＝0.01，2s相当于显著水平＝0.05。

若可疑数据xp与样本数据之算术平均值的偏差的绝对值大于3倍（或2倍）的标准偏差，即：2.格拉布斯准则

用格拉布斯准则检验可疑数据xp时，选取一定的显著性水平α，若：

则应将xp从该组数据中剔除，称为格拉布斯检验临界值，可查相关表格得到。

以上准则是以数据按正态分布为前提的，当数据偏离正态分布,特别是测量次数很少时，则判断的可靠性就差。因此，对粗大误差除用剔除准则外，更重要的是要提高工作人员的技术水平和工作责任心。另外,要保证测量条件稳定，防止因环境条件剧烈变化而产生的突变影响。3.狄克逊（dixon）法

狄克逊法是采用极差比的方法，经严密推算和简化而得到的准则。

狄克逊研究了n次测量结果，按其数值大小排列成如下次序：x(1)≤x(2)≤…≤x(n)

当xi服从正态分布时，用不同的公式求得下表中的f值，再经过查表，得到相应的临界值，进行比较,若计算值>f(n,α)视为异常值，舍弃；再对剩余数值进行检验，直到没有异常值为止。狄克逊通过模拟实验认为：n≤7，使用f10；8≤n≤10，用f11；11≤n≤13，用f21；n≥14，用f22效果好。nf(n,α)f的计算公式α=0.01α=0.05x(1)可以时可以时30.9880.94140.8890.76550.7800.64260.6980.56070.6370.50780.6830.55490.6350.512100.5970.447110.6790.576120.6420.546130.6150.521140.6410.546150.6160.525160.5950.507170.5770.490180.5610.475190.5470.462200.5350.450210.5240.440220.5140.430230.5050.421240.4970.413250.4890.406例题

用狄克逊法判断下列测试数据(40.02，40.15，40.20，40.13，40.16)中的40.02是否应舍弃？解：将数据排列，取α=0.0540.0240.1340.1540.1640.20因为，0.611＜0.642所以40.02应保留。三、数据的误差分析（一）几种误差的基本概念绝对误差：绝对误差＝观测值-真值。绝对误差反映了观测值偏离真值的大小。通常所说的误差一般是指绝对误差。相对误差：相对误差是绝对误差和真值的比值，常用百分数表示。算术平均误差可以反映一组数据的误差大小。标准误差也称均方根误差或标准偏差，它常用来表示观测数据的精密度，能明显地反映出较大的个别误差，标准误差越小，说明数据精密度越好。例题:滴定的体积误差V绝对误差相对误差20.00mL0.02mL0.1%2.00mL0.02mL1.0%（二）误差的来源及分类1.随机误差随机误差是在一定条件下以不可预知的规律变化着的误差。这些偶然因素是操作者无法严格控制的，故无法完全避免随机误差。但它的出现一般具有统计规律，大多服从正态分布。2.系统误差

3.过失误差过失误差是由于操作人员不仔细、操作不正确等原因引起的，它是完全可以避免的。系统误差是指由某个或某些不确定的因素所引起的误差。当条件一旦确定，系统误差就是一个客观上的恒定值，它不能通过多次测量取平均值的方法来消除，只能根据仪器的性能、环境条件或个人偏差等进行校正，使之降低。（三）误差分析

误差可能是由于随机误差或系统误差单独造成的，还可能是两者的叠加。误差分析中，常采用精密度、正确度和准确度来表示误差的性质。精密度反映了随机误差大小的程度，是指在相同条件下，对被测对象进行多次反复测量，测量值之间的一致(符合)程度。

正确度指测量值与其“真值”的接近程度。对于一组数据来说，精密度高并不意味着正确度也高；反之，精密度不好，但当测量次数相当多时，有时也会得到好的正确度。准确度指被测对象测量值之间的一致程度以及与其“真值”的接近程度。准确度、正确度和精密度的关系四、数据的标准化处理

在大批的环境统计数据中，当数据的物理量不同、单位或量值差别较大时，常常会给下一步分析带来困难，这时就有必要对数据进行标准化处理，从而提高计算的精度。环境管理与规划中，常采用下面的公式进行标准化处理：式中：uij为xij标准化后对应的数据，xij(i=1，2，3，…，m；j=1，2，3，…，n)为一批数据中第i个因子的第j个数据，si、分别为第i个因子标准差和平均值。第二节最优化分析方法

一、线性规划二、非线性规划三、动态规划一、线性规划

在环境规划管理中，线性规划常常用来解决两类优化问题：一是如何优化资源配置使产值最大或利润最高，二是如何统筹安排以便消耗最少的资源或排放最少的污染物。

≤（=≥）

≤（=≥）

≤（=≥）

≥0一般线性规划问题的求解，最常用的算法是单纯形法。线性规划从数学上说，线性规划问题可以描述为：1）通过一组未知量表示规划的待定方案，这组未知量的确定值代表了一个具体方案。未知量的取值是非负2）对于规划的对象，存在若干限制条件，限制条件以未知量的线性等式或不等式约束表达3）存在一个目标要求，这个目标由未知量的线性函数来描述。线性规划的一般表达式max(min)f=cxAx≤(=,≥)b

式中：，由n个决策变量构成的向量，即规划问题的备选方案；c=，由目标函数中决策变量的系数构成的向量；A是由线性规划问题的m个约束条件中关于决策变量的系数组成的矩阵；，由m个约束条件的常数构成的向量。例子在一个小区有三个排放总悬浮颗粒物（TSP）的点源，其中两个是燃煤发电厂，另一个是水泥厂的窑炉。发电厂每烧1t煤排放95kgTSP，水泥厂每生产1t水泥排放85kgTSP。水泥厂的产量为250000t/a,两个发电厂燃煤量分别是400000和300000t/a。下表给出污染控制方法及费用。现在要求将TSP的总量削减80%，写出最佳的控制方法的LP模型。控制方法去除效率（%）1.隔板沉淀槽592.多级除尘器743.长锥除尘器844.喷雾洗涤器945.静电除尘器97可行控制方法的费用（美元/t）控制方法发电厂1发电厂2水泥厂1.隔板沉淀槽1.001.401.102.多级除尘器----1.203.长锥除尘器----1.504.喷雾洗涤器2.002.203.005.静电除尘器2.803.00--求解过程本例中的决策变量定义为Xij——点源 i（i=1,2,3)采用控制方法j（j=0,1,…5）的量（t/a）。ji=1i=2i=30X10X20X301X11X21X312__X323__X334X14X24X345X15X25_采用年总费用（美元/t）作为目标函数：minZ=1.0X11+2.0X14+2.8X15+1.4X21+2.2X24+3.0X25+1.1X31+1.2X32+1.5X33+3.0X34发电厂和水泥厂的TSP排放量：i1=400000*95=38000000kg/ai2=300000*95=28500000kg/ai3=250000*85=21250000kg/a总计=87750000kg/a，削减80%后的总量为17550000kg/a。用排污系数和去除效率计算实际的TSP总排放量。发电厂1燃烧1t煤的排放量是：95X10+95*0.41X11+95*0.06X14+95*0.03X15=95X10+39X11+5.7X14+2.9X15则整个小区大气污染控制目标的限制为（95X10+39X11+5.7X14+2.9X15）+（95X20+39X21+5.7X24+2.9X25）+（85X30+34.9X31+22.1X32+13.6X33+5.1X34)≤17550000发电厂燃煤量和水泥厂产量的质量平衡X10+X11+X14+X15=400000X20+X21+X24+X25=300000X30+X31+X32+

X33+X34=250000目标函数minZ=1.0X11+2.0X14+2.8X15+1.4X21+2.2X24+3.0X25+1.1X31+1.2X32+1.5X33+3.0X34控制变量：（95X10+39X11+5.7X14+2.9X15）+（95X20+39X21+5.7X24+2.9X25）+（85X30+34.9X31+22.1X32+13.6X33+5.1X34)≤17550000X10+X11+X14+X15=400000X20+X21+X24+X25=300000X30+X31+X32+

X33+X34=250000Xij≥0线性规划的求解问题一般线性规划问题求解，最常用的算法是单纯形法，也可采用对偶单纯形法和两阶段法求解。

如果线性规划问题的部分或全部变量的取值有整数的限制要求，这类特殊的线性规划称为整数规划。要求全为非负数的称为纯整数规划。整数规划中一类特殊的情况是0—1规划，它的决策变量取值仅限于0或1。整数规划用于污水处理设施数量或环境规划方案的取舍等污染控制系统规划的决策问题。求解整数规划分支定界法割平面法针对0—1规划的隐枚举法二、非线性规划

在环境规划与管理中，某些问题的决策模型可能会出现下面的情况：①目标函数非线性，约束条件为线性；②目标函数为线性，约束条件非线性；③目标函数与约束条件均为非线性函数。上述情况均属于非线性规划问题，其数学模型的一般形式是：

≥0上页式中：（x1，x2，…，xn

）T为n维欧氏空间En中的向量，它代表一组决策变量。如果需目标函数最大，可由=-转换为求-的最小问题。当某约束为，则可用不等式约束代替。

数值求解非线性规划的算法大体分为两类：一是采用逐步线性逼近的思想，通过一系列非线性函数线性化的过程，利用线性规划获得非线性规划的近似最优解；二是采用直接搜索的思想，根据部分可行解或非线性函数在局部范围内的某些特性，确定迭代程序，通过不断改进目标值的搜索计算，获得最优或满足需要的局部最优解。三、动态规划

在环境规划管理中，经常遇到多阶段最优化问题，即各个阶段相互联系，任一阶段的决策选择不仅取决于前一阶段的决策结果，而且影响到下一阶段活动的决策，从而影响到整个决策过程的优化问题。这类问题通常采用动态规划方法求解。

基本原理为：作为多阶段决策问题，其整个过程的最优策略应具有这样的性质，即无论过去的状态和决策如何，对前面的决策所形成的状态而言，其后一系列决策必须构成最优决策。可以把多阶段决策问题分解成许多相互联系的小问题，从而把一个大的决策过程分解成一系列前后有序的子决策过程，分阶段实现决策的“最优化”，进而实现“总体最优化”方案。为使最后决策方案获得最优决策效果，动态规划求解可用下列递推关系式表示：任何多阶段决策问题的最优决策序列，都有一共同的基本性质，这就是动态规划问题的最优化原理（优化贝尔曼原理）。即：一个多阶段决策问题的最优决策序列，对其任一决策，无论过去的状态和决策如何，若以该决策导致的状态为起点，其后任一决策必须构成最优决策序列。这种决策一般采用逆序求解的方法建立模型。式中：k—阶段数，k=n-1，…，3，2，1xk—第k阶段的状态变量，即k－1阶段决策的结果。第k阶段所有状态成一状态集；—第k阶段的决策变量，它代表第k阶段处于状态xk时的选择，即决策；—第k阶段从状态xk转移到下一阶段状态uk(xk)时的阶段效果。第三节常用决策分析方法

决策是指通过对解决问题备选方案的比较，从中选出最好的方案。决策贯穿于环境管理与规划的各个方面，是管理与规划的核心。技术经济分析中的决策，是指对多方案进行评价与择优，从而选定一个最满意的方案。决策的分类按决策的条件确定型、非确定型、风险型按决策的对象宏观、微观按决策在企业组织中的地位分类高层决策、中层决策、基层决策决策技术一、决策树法含义：决策树是把方案的一系列因素按它们的相互关系用树状结构表示出来，再按一定程序进行优选和决策的技术方法。优点：（1）便于有次序、有步骤、直观而又周密地考虑问题；（2）便于集体讨论和决策；（3）便于处理复杂问题的决策。决策树图形

—表示决策点，从它引出的分枝称为策略方案分枝，分枝树反映可能的方案数；—表示策略方案节点，其引出的分枝称为概率分枝，分枝数目反映可能的自然状态数；—表示事件节点，又称末梢。决策树图形

适用对象：多阶段决策、前一阶段的决策影响后续阶段的结构和决策的项目。方法：用决策树的形式列出决策问题的逻辑结构。从决策树的末梢向决策点倒退，计算出不同决策方案下的期望值，将未占优的方案去掉，直到得出初始的决策方案。运用决策树技术的步骤：（1）绘制决策树图；（2）预计可能事件（可能出现的自然状态）及其发生的概率；（3）计算各策略方案的损益期望值；（4）比较各策略方案的损益期望值，进行择优决策。若决策目标是效益，应取期望值大的方案；若决策目标是费用或损失，应取期望值小的方案。例题：

（参考书目：环境管理学-杨贤智编著）

有一石油化工企业，对一批废油渣进行综合利用。它可以先做实验，然后决定是否综合利用；也可以不做实验，只凭经验决定是否综合利用。做实验的费用每次为3000元，综合利用费每次为10000元。若做出产品，可收入40000元；做不出产品，没有收入。各种不同情况下的产品成功概率均已估计出来，都标在图1上。试问欲使收益期期望值为最大，企业应如何作出决策。根据图中给出数据求解。决策树采用逆顺序计算法。

1．计算事件点②、③、④的期望值1234①试验概率为0.6②综合利用△-3000△-10000产品成功概率为0.85产品不成功概率为0.15不综合利用0040000③④图1决策树产品成功概率为0.1产品成功概率为0.55产品不成功概率为0.9产品不成功概率为0.45不综合利用不综合利用00004000040000不试验概率为0.4综合利用综合利用△-10000△-10000好不好─决策点─决策（事件）点─支出符号②40000×0.85＋0×0.15＝34000③40000×0.10＋0×0.90＝4000④40000×0.55＋0×0.45＝22000原决策树根据以上算出的期望值可简化为图2a：2.在决策点2、3、4作出决策2按max[（34000－10000），0]＝24000，决定综合利用。3按max[（4000－10000），0]＝0，决定不综合利用。4按max[（22000－10000），0]＝12000，决定综合利用。决策树继续简化为图2b：

图2决策树3.计算状态点①的期望值：24000×0.6＋0×0.4＝144004.在决策1作出决策。5.最后得出整个问题的决策序列为：不做实验、直接综合利用，收入期望值为12000元。

二、决策矩阵

决策矩阵又称为损益矩阵，它是利用损益的期望值进行决策，常用于有限条件下资源分配的最优化决策问题。方案自然状态s1(P1)…sj(Pj)…sn(Pn)1V11…V1j…V1n………………iVi1…Vij…Vin………………mVm1…Vmj…Vmn

1，2，…，m是满足决策目标要求的m个可行的独立备选方案，所有方案构成的集合A={1，2，…，m}称为决策空间，决策者在此范围内选择最终方案；S1，S2，…，Sn是每一种方案都可能遇到的外部条件，所有外部条件的集合S={S1，S2，…，Sn}称为状态空间；P1，P2，…，Pn是各种外部状态可能发生的概率，其发生的概率总和为1，即：，决策矩阵的矩阵元素Vij表示第i个方案在第j种外部条件下所产生的收益或损失。三、多目标决策方法

在环境管理与规划问题中,同时存在着多个目标，每个目标都要求达到其最优值，并且各目标之间往往存在着冲突和矛盾，这类问题就是多目标决策问题。解决这类决策问题的方法就是多目标决策方法。

目标规划模型的形式为：式中：，是2m维行向量；—对应项的权数，（i=1，2，…，2m）；D=(

)T，是2m维列向量；X，A，R，B—分别是n维决策向量，X的系数矩阵m×2m阶矩阵，m维约束常数项组成的列向量。第四节环境数学模型

一、数学模型概述二、模型的建立三、模型参数的估算方法四、模型的检验一、数学模型概述

环境数学模型是应用数学语言和方法来描述环境污染过程中的物理、化学、生物化学、生物生态以及社会等方面的内在规律和相互关系的数学方程。它是建立在对环境系统进行反复的观察研究，通过实验或现场监测，取得大量的有关信息和数据，进而对所研究的系统行为动态、过程本质和变化规律有了较深刻认识的基础上，经过简化和数学演绎而得出的一些数学表达式，这些表达式描述了环境系统中各变量及其参数间的关系。

数学模型主要应用于环境规划与管理、环境影响评价和环境质量预测几个方面，其类型主要包括大气扩散模型、水文与水动力模型、水质模型、土壤侵蚀模型、沉积物迁移模型和物种栖息地模型等，每一类模型又可按模型的空间维数、时间相关性、数学方程特征等来进行分类。按空间维数分类零维模型一维模型二维模型三维模型按时间相关性分类动态模型稳态模型按数学方程特征分类按模型是否含随机变量分类按模型中变量阶次分类按模型所属数学分支分类代数模型微分方程模型函数方程模型不等式模型随机模型确定性模型线性模型非线性模型初等数学模型几何模型图论模型马氏链模型规划模型按数学方法分类按建模目的分类描述模型分析模型预报模型优化模型决策模型控制模型

白箱模型黑箱模型灰箱模型按对模型结构了解程度分类二、模型建立建立数学模型的步骤了解问题的实际背景，明确建模目的，搜集必需的各种信息，尽量弄清对象的特征。根据对象的特征和建模目的，对问题进行必要的、合理的简化，用精确的语言作出假设，是建模至关重要的一步，建模者能充分发挥想象力、洞察力和判断力，善于辨别主次，而且为了使处理方法简单，应尽量使问题线性化、均匀化。1.建模准备2.模型假设1.图解法采用点和线组成的用以描述系统的图形称为图模型，可用于描述自然界和人类社会中大量事物和实物之间的关系。图模型形象、直观，对决策者了解系统结构和功能之间的关系很有帮助。但图解建模法作为一种描述性方法，往往精确度较差，而且受人的视觉影响而局限于三维空间中，因此它通常作为建立系统方程式模型的辅助分析工具来用。

建立模型的方法2.质量平衡法

根据质量平衡原则建立微分方程是最常用的建立白箱模型的方法。应用质量平衡方法必须知道物质流的方向和通量，污染物质反应的方式和速度，以及各种污染物之间的相关关系和关联作用。环境数学模型中很多都是在质量平衡的基础上建立的。值得注意的是，几乎每一个利用质量平衡原则建立的模型中都包含了一个或多个待定参数，它们一般很难由过程的机理确定，且数值又随时间、空间变化，因此需要借助于大量的观测数据最终确定参数。3.概率统计法回归分析法建立在对客观事物进行大量试验和观察的基础上，是一种用来寻找隐藏在某些现象中的规律性的数理统计方法。回归分析法就是通过分析因素之间的因果关系和影响程度进行预测，用过去和现在的环境监测数据确定函数关系式，按最小二乘法原则确定函数式中的参数值，进而建立回归预测模型，用于预测环境要素特征发展变化的规律。根据变量之间函数形式的不同，回归分析分为线性回归和非线性回归；根据自变量个数的多少，可分为一元回归和多元回归。根据数据处理方法的不同，时间序列预测方法主要分为移动平均法、加权滑动平均法和指数平均法。

三、模型参数的估值方法

由于环境系统中的模型基本上都是灰箱模型，其中至少存在着一个待定参数，因此参数的估计是建立环境数学模型非常重要的一项工作。下面介绍几种主要的估值方法。（一）图解法凡是给定的公式或数据可以直接描述成一条直线，或经过一定处理后可以转化为直线时，常常采用图解法估计参数。作图时，将自变量x和因变量y标注在直角坐标系中，确定每一个数据点位，把所有的点位连接起来，形成一条直线，其数学表达式为：y=b+ax

式中：a是直线的斜率，b是直线在y轴上的截距。

（二）经验公式法

根据长时期的实际经验，人们提出了许多经验公式来估计数学模型中的相关参数。应注意的是，使用经验公式要求该系统条件与建立经验公式的条件一致或相近，否则就会出现很大偏差。（三）