?@34=A6B9@C3@DE@FG7G>G9=A.9?=@3>G7H34I@D7@99?7@D.>D-’""(J=4-’$+K=-)文章编号:!""#!$%&(’""()")""*"""> ?@34=A6B9@C3@DE@FG7G>G9=A.9?=@3>G7H34I@D7@99?7@D.>D-’""(J=4-’$+K=-)文章编号:!""#!$%&(’""()")""*""" />
回归分析在水泥热量预测中的应用

回归分析在水泥热量预测中的应用

ID:23956262

大小:381.50 KB

页数:7页

时间:2018-11-10

回归分析在水泥热量预测中的应用_第1页
回归分析在水泥热量预测中的应用_第2页
回归分析在水泥热量预测中的应用_第3页
回归分析在水泥热量预测中的应用_第4页
回归分析在水泥热量预测中的应用_第5页
资源描述:

《回归分析在水泥热量预测中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、’""(年%月第’$卷第)期沈阳航空工业学院学报<=>?@34=A6B9@C3@DE@FG7G>G9=A.9?=@3>G7H34I@D7@99?7@D.>D-’""(J=4-’$+K=-)文章编号:!""#!$%&(’""()")""*""’回归分析在水泥热量预测中的应用刘罗曼(沈阳师范大学数学与系统科学学院,辽宁沈阳+!!""$))摘+要:为了利用回归分析预测水泥热量,选用某种水泥在凝固时放出的热量作为因变量,四种化学成分含量作为自变量,利用多元线性回归分析方法建立回归方程并求出预测区间,再利用化学成分含量的

2、观测结果对热量进行预报,从而说明了回归分析方法在化学方面的应用。关键词:回归分析;回归方程;预测区间;显著性检验中图分类号:,’!’-!文献标识码:.!+多元线性回归分析数学模型[!][’]$+对数据进行分析设因变量!和"个自变量,,⋯,###!’"有线(!)作逐步回归分析][]。[!’性关系0⋯0",进行$次观察逐步回归分析是一种建立“最优”回归方!/!0!0!##"!!""!得到多元线性回归分析的数学模型程的方法。先根据方差分析结果选择符合判据的!/!0!#%"!%!0⋯0!#"%"0"(%/!,⋯,$),

3、其中%,,⋯,!!!"!"自变量进入回归方程,然后再将方程中不符合判是"0!个待估计参数,!,,⋯,##!"是可观测变据的自变量剔除模型,重复进行直到模型中的自量,(%/!,⋯,$)相互独立且服从同一正态分布"%变量均符合进入模型的判据,模型外的自变量均&(",’)。称0⋯为!的回不符合进入模型的判据为止。!1#/!0!#0!#"!!""归值。用对统计量值进行检验的显著性概率值作"’+数据来源(部分数据见表!):为进入或剔除模型以及检验回归方程和回归系数是否显著的判据。对相应的*统计量和+统计数据为某种水泥在凝

4、固时放出的热量量计算显著性概率值,,若,:")"&(或")"!),则!’克)与水泥中四种化学成分含量(()的样本数在置信度为*&((或**()下可以引入变量以及据:可以认为回归方程和回归系数是显著的,否则剔#:$23,·!.4,’$的成分(5);除变量以及认为回归方程和回归系数是不显著#:$23,·’67,’的成分(5);的。#:)23,·$.4,·’$89,’$的成分(5);本文样本数据经过四次逐步回归和检##:’23,·)67,’的成分(5);验],最终只有[][’$[][’$##,!’两个变量进入回归方程

5、,表!+部分原始数据下面列出逐步回归过程每一步的结果:样本!#!#’#$#)样本!#!#’#$#)模型!:!1/!!#)$#;")#$)##,常数项和))的+检验显著性概率值分别为")""",")""’,均小于!#%)&#’((("#!"’)#$#!!#(")"&,回归方程的*检验显著性概率值为")""’,’#))$!’*!&&’%#’)&!$!’’))小于")"&,系数和方程都显著。$!"))$!!&(%’"**$)!’&)!%’’)%#)(!!$!%)#!"!!&)*’!)#)’(模型’:!1/!"$)’%

6、&0!)))’#!;")(!%#,常)&*&)*#&’($$!!%$)%!)"’$$)数项,#!和#)的+检验显著性概率值都为")"""小于")"&,回归方程的*检验显著性概率值为(!"*)’!!&&*’’!’!!$)$!!((*!’")""",小于")"&,系数和方程都显著。收稿日期:’""("$"*模型$:!/(#)"!)0!))(’#1!0"))%(#;’作者简介:刘罗曼(!*##),女,辽宁沈阳人,助教万方数据")!%*####,常数项,,和的+检验显著性概)!’)率值分别为")""’,")""",")

7、"$(,")$!),回归方第"期1111111111111刘罗曼:回归分析在水泥热量预测中的应用1111111111111-&1程的!检验显著性概率值为!"!!!,虽然回归方式进行预报:)()(!)$!"-%,)(#.(!/#/#####程显著,但是系数不显著,应该剔除。),!)$!"--。先估计.,!/#/#("(-&,!$##模型":#$%&"’(")&""*’$)!"’+*$,各项(!"!!!小于#&系数的%检验显著性概率值都为*剩剩’+$%"(%$("(-&,(模型!!中$"*"(%,$-)。*剩+剩"

8、的方差分析!"!%,回归方程的!检验显著性概率值为 现对自变量有一组观测值(&!,’+,+,&(),带!"!!!小于!"!%,系数和方程都显著,此时不再需要引入入回归方程中计算回归值:或剔除变量,逐步回归分析结束。(()共线性诊断"]。[&][##$%&"’(")&""*’$)!"’+*$&(&""*’0&!)!"’+*0’+$&&,"&,$%&"’(")在回归方程中,虽然各自变量对因

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。