- 相關(guān)推薦
基于主成分分析及二次回歸分析的城市生活垃圾熱值建模
1. 引言
隨著人們經(jīng)濟(jì)水平的提高、環(huán)保意識的增強(qiáng)、環(huán)保法規(guī)日益嚴(yán)格和國家垃圾處理產(chǎn)業(yè)化政策的實(shí)施，垃圾填埋處理的弊端將引起重視、運(yùn)營費(fèi)用將大大增加，而垃圾焚燒處理的優(yōu)勢將逐漸呈現(xiàn)出來并最終獲得人們的認(rèn)可。以城市生活垃圾為燃料而建立垃圾電站進(jìn)行電力生產(chǎn)，很好的實(shí)現(xiàn)了生活垃圾的無害化、資源化利用。
而我國的城市生活垃圾成分復(fù)雜，用作為燃料時(shí)穩(wěn)定性較差，因此分析垃圾的成分、計(jì)算垃圾的熱值模型是垃圾焚燒發(fā)電的工藝設(shè)計(jì)和運(yùn)營管理中必不可少的基礎(chǔ)性工作。
因?yàn)槲覈煌貐^(qū)人們生活習(xí)慣及生活條件差異較大，導(dǎo)致城市生活垃圾成分也存在很大的地域性差異，因此，本文以深圳市為例，對深圳市寶安區(qū)的生活垃圾采樣數(shù)據(jù)進(jìn)行分析，并建立其計(jì)算模型。
2. 回歸分析及主成分分析理論
2.1. 回歸分析
回歸分析是一種應(yīng)用極為廣泛的數(shù)量分析方法。它用于分析事物之間的統(tǒng)計(jì)關(guān)系，通過回歸方程的形式描述和反應(yīng)這種關(guān)系。
2.2. 一般回歸模型
如果變量與隨機(jī)p 變量y 之間存在著相關(guān)關(guān)系，通常就意味著當(dāng)x , x ....x 1 2 p x , x ....x取定值后y 便有相應(yīng)的概率分布與之對應(yīng)，其概率模型為：
= ( , ... ) +e （2-1） 1 2 p y f x x x其中p為稱自變量，y 稱為因變量， 為自變量的確定性關(guān)系，ε表示x , x ....x 1 2 ( , .... ) 1 2 p f x x x隨機(jī)誤差。
2.3. 線性回歸模型
回歸模型分為線性回歸模型和非線性回歸模型，線性回歸又有一元線性回歸和多元線性回歸之分。當(dāng)變量之間的關(guān)系是線性關(guān)系的模型都稱為線性回歸模型，否則就稱之為非線性回歸模型。當(dāng)概率模型（2-1）中的回歸函數(shù)為線性函數(shù)時(shí)，有：
= b + b + b +e （2-2） p p y x ... x 0 1 1其中βi 是p+1 個(gè)未知參數(shù)，β0 稱為回歸常數(shù)，β1...βp 稱為回歸系數(shù)。
2.4. 主成分分析
上述的線性回歸模型的應(yīng)用前提是作為自變量的各指標(biāo)之間相互獨(dú)立，即不存在相關(guān)性。但由于本文研究的對象是股價(jià)的技術(shù)指標(biāo)，而對于實(shí)際的收集到得諸多變量在其提出及確定的過程中通常都會存在或多或少的相關(guān)性。我們將變量間信息的高度重疊和高度相關(guān)稱為多重共線性，而這種多重共線性會對線性回歸分析的結(jié)果產(chǎn)生較大的影響，出現(xiàn)較大的誤差。
主成分分析的核心是用較少的相互獨(dú)立的因子反映原有變量的絕大部分信息。主成份分析的主要思想是：從自變量中提取出新的變量，這些變量是原變量的適當(dāng)?shù)木�性組合，并且互不相關(guān)。從這些新變量中，我們選擇少數(shù)幾個(gè)變量，它們含有盡可能多的原變量的信息，然后再對這些變量進(jìn)行回歸分析。
3. 模型建立與檢驗(yàn)
3.1. 數(shù)據(jù)來源
本文收集深圳市寶安區(qū)不同地點(diǎn)的城市生活垃圾，按照四分法制備樣品，對垃圾的物理組成進(jìn)行了詳細(xì)的分類，對各成分的含量和含水率進(jìn)行了精確測定，最后采用煤的發(fā)熱量測定方法測定熱值。分析整理后共得到37 組實(shí)驗(yàn)數(shù)據(jù)，如表3-1（由于數(shù)據(jù)量較大，只給出部分?jǐn)?shù)據(jù)）符號G、PA、PL、TE、GD、W 和LHV 分別表示有機(jī)物、紙類、塑料橡膠、紡織物、木竹、含水率和低位熱值。
3.2. 全變量線性回歸模型
首先我們利用數(shù)據(jù)表中的全部變量進(jìn)行回歸分析，建立多元線性回歸方程，模型的建立過程和各類分析圖表在SPSS 統(tǒng)計(jì)軟件中完成。根據(jù)相關(guān)性分析，得到簡單相關(guān)系數(shù)分析表如下：
從殘差分布直方圖可以判斷，樣本殘差基本上均勻的分布在正態(tài)分布曲線以內(nèi)，可以認(rèn)為樣本殘差服從標(biāo)準(zhǔn)正態(tài)分布。
將表3-1中的數(shù)據(jù)帶入到模型Ⅰ中，得到閉集檢驗(yàn)誤差為9.77%，說明線性回歸方程模擬實(shí)際情況的誤差較大。分析表3-3中的多重共線性檢驗(yàn)，從容忍度和方差膨脹因子看，自變量之間存在多重共線性，影響了線性回歸的準(zhǔn)確度。
3.3. 主成分分析
將標(biāo)準(zhǔn)化的數(shù)據(jù)進(jìn)行spss 因子分析，得到因子載荷矩陣：
我們以y1，y2 來表示主成分分析出的因子。根據(jù)表3-4 的系數(shù)矩陣我們可以得到方程組Ⅰ：
y1 = 0.818TE + 0.741PL + 0.696G + 0.571PA + 0.316GD + 0.574Wy2 = 0.007TE - 0.620PL - 0.693G + 0.667PA + 0.638GD + 0.617W
3.4. 二次回歸
此時(shí)我們可以以新提出的兩個(gè)因子作為自變量進(jìn)行回歸分析，但考慮到實(shí)際的生活垃圾熱值與各變量之間的關(guān)系不可能是簡單的線性關(guān)系，因此為了提高精度，我們建立二次回歸方程，應(yīng)用二次函數(shù)來擬合實(shí)際模型。即我們以y1，y2，y1y2，y12，y22 這5 個(gè)變量作為自變量進(jìn)行回歸分析，可以得到關(guān)于各組成成分的二次方程模型，并且這5 各自變量之間不存在多重共線性，可以保證回歸分析的精度。
利用spss 進(jìn)行回歸分析得到：
這樣根據(jù)表3-5 可以得到模型Ⅱ：
ZLHV = 0.456 y1+ 0.071 y2 + 0.02 y1y2 - 0.104 y12 - 0.188 y22 + 0.284（其中y1 與y2 以方程組Ⅰ計(jì)算）將表3-1 中的數(shù)據(jù)帶入方程組Ⅰ，再將y1 與y2 帶入模型Ⅱ中，計(jì)算得到閉集檢驗(yàn)誤差為6.27%，實(shí)驗(yàn)結(jié)果表明主成分分析后再進(jìn)行二次回歸得到的模型比較好的去除了原自變量之間的多重共線性，得到了比較準(zhǔn)確的垃圾熱值計(jì)算模型。
4. 結(jié)論
城市生活垃圾焚燒發(fā)電處理是一種高效的垃圾處理技術(shù)，垃圾熱值是影響垃圾焚燒處理可行性的重要因素之一。本文采用數(shù)據(jù)縮減及回歸分析的方法，首先對原有變量進(jìn)行主成分分析，提取公共因子，然后以主成分因子為自變量，建立了二次回歸方程，利用二次方程擬合實(shí)際的熱值模型。以深圳市的垃圾處理數(shù)據(jù)為例，對主成分-二次回歸模型進(jìn)行了實(shí)際檢驗(yàn)，并取得了較好的效果。
中國碩士論文網(wǎng)專業(yè)提供代寫碩士論文服務(wù)，并提供大量碩士畢業(yè)論文，如有業(yè)務(wù)需求請咨詢網(wǎng)站客服人員！
【基于主成分分析及二次回歸分析的城市生活垃圾熱值建�！肯嚓P(guān)文章：
基于財(cái)務(wù)指標(biāo)的主成分分析03-21
淺析主成分分析法在預(yù)測飛行能力中的應(yīng)用03-01
基于汽車駕駛模擬器的動(dòng)力學(xué)建模分析03-07
主成分分析在上市公司績效評價(jià)中的應(yīng)用12-07
基于ＩＦＥ矩陣的ＣＰＭ分析03-21