数学建模包括统筹优化类模型,评价决策类模型,启发式算法,预测控制类模型,其中预测控制类数学模型包括:
1.灰色模型预测
2.回归分析预测
3.微分方程预测
4.时间序列预测
5.bp神经网络
做题过程中都可能遇到多个准则的问题,比如2017全国大学生数学建模竞赛c题中的5种颜色读数和物质浓度之间的关系(多个系数,建立多元线性回归模型)。
首先,要对多元线性回归模型进行整体性检验,看因变量和自变量之间的线性关系在总体上是否线性显著。
1.用matlib进行F检验法,若F>=Fa,拒绝H0,否则,接受H0
2.用matlib算复相关系数检验法,通常R>=0.8才认为先关关系成立。
-
散点图分析: 绘制因变量与各个自变量之间的散点图,观察是否呈现出线性的趋势。如果散点图显示出大致的线性关系,那么就可能存在线性关系。
-
-
残差图分析: 在建立模型后,绘制模型的残差图(实际观测值与预测值之间的差异),观察残差是否随机分布在零线附近。如果残差图呈现出明显的非线性模式,可能表明数据不具有线性关系。
-
部分回归图: 绘制部分回归图,展示某个自变量与因变量之间的关系,同时控制其他自变量的影响。这有助于检测特定自变量与因变量之间的线性关系。
-
相关系数矩阵: 计算各个自变量与因变量之间的相关系数,观察是否有较强的线性相关性。
-
变量变换: 如果发现数据不具有线性关系,可以尝试进行变量变换,如对数变换、平方根变换等,来改善数据的线性性质。