CUMCM 2021-B:乙醇偶合制备C4烯烃(多元线性回归分析)

目录

一、竞赛赛题

二、问题(1)分析

三、问题(2)分析

四、多元线性回归分析(Stata)

1.多元自变量的选定

(1)乙醇转化率

(2)C4烯烃选择性

2.定量变量的描述性统计(Stata)

3.异方差检验

(1)散点图检验 

(2)BP检验(怀特检验的特例)

(3)怀特检验(使用范围广,优先考虑)

4.多重共线性检验(方差膨胀因子:VIF)

5.向后逐步回归

(1)乙醇转化率

(2)C4烯烃选择性


一、竞赛赛题


二、问题(1)分析

CUMCM 2021-B:乙醇偶合制备C4烯烃(1)_Destiny坠明的博客-CSDN博客


三、问题(2)分析

CUMCM 2021-B:乙醇偶合制备C4烯烃(2)_Destiny坠明的博客-CSDN博客


四、多元线性回归分析(Stata)

1.多元自变量的选定

(1)乙醇转化率

        由问题(1)拟合结果可知,乙醇转化率y与温度T呈Logistic阻滞增长关系,故需要将温度T做形式变换后加入到多元线性回归模型中。


        根据问题(1)的阻滞增长模型的拟合结果,r的波动较小,均值为0.0265,其分布散点图如下:


         y0在经过剔除离群值的处理之后,也稳定在一个区间内,均值为0.0386,其分布散点图如下:


        将原式第二项分母中的y0与r用其均值近似代替,并引入β作为补偿系数,可知β≈1.1;再将系数全部移入第一项中,即第一项整体视为多元回归系数β'。


        综上,乙醇转化率(Y1)的多元自变量(X)为:

X1装料方式
X2Co负载量
X3Co/SiO2
X4HAP
X5Co/SiO2 和 HAP装料比
X6乙醇浓度
X7温度的指数形式(阻滞增长)
X8温度的二次形式
X9温度

 


(2)C4烯烃选择性

        由问题(1)拟合结果可知,C4烯烃选择性y与温度T呈二次多项式关系,故需要将温度T做形式变换后加入到多元线性回归模型中。

         综上,C4烯烃选择性(Y2)的多元自变量(X)为:

X1装料方式
X2Co负载量
X3Co/SiO2
X4HAP
X5Co/SiO2 和 HAP装料比
X6乙醇浓度
X7温度的二次形式
X8温度


2.定量变量的描述性统计(Stata)

// 导入数据
import excel "C:\Users\熊锐成\Desktop\XY.xlsx", sheet("XY") firstrow

<XY.xlsx>

装料方式M1M2Co负载量(wt%)Co/SiO2(mg)HAP(mg)Co/SiO2和HAP装料比(mg:mg)乙醇浓度(ml/min)指数型温度二次项温度温度(℃)温度乘乙醇浓度乙醇转化率(%)C4烯烃选择性(%)
A10120020011.68753.7042126625002504202.07 34.05
A10120020011.681461.911347756252754625.85 37.43
A10120020011.682835.574959000030050414.97 46.94
// 定性变量的频数分布,并得到相应字母开头的虚拟变量
tabulate 装料方式 ,gen(M)
// 定量变量的描述性统计
summarize Co负载量wt CoSiO2mg HAPmg 乙醇浓度mlmin 温度 乙醇转化率 C4烯烃选择性


3.异方差检验


(1)散点图检验 

①残差-拟合值散点图(乙醇转化率)

// OLS回归(乙醇转化率)
regress 乙醇转化率 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 指数型温度 二次项温度 温度

// 残差与拟合值的散点图
rvfplot

// 残差与自变量x的散点图
//rvpplot x

        当拟合值处在不同的区间范围内,残差的变化程度差别较大,存在异方差现象。


②残差-拟合值散点图(C4烯烃选择性)

// OLS回归(C4烯烃选择性)
regress C4烯烃选择性 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 二次项温度 温度
// 残差与拟合值的散点图
rvfplot

         当拟合值处在不同的区间范围内,残差的变化程度差别较大,存在异方差现象。


(2)BP检验(怀特检验的特例)

①乙醇转化率

// OLS回归(乙醇转化率)
regress 乙醇转化率 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 指数型温度 二次项温度 温度

// BP检验
estat hettest ,rhs iid

         P值小于0.05,说明在95%的置信水平下拒绝原假设,即我们认为乙醇转化率的多元线性回归模型的扰动项存在异方差。


②C4烯烃选择性

// OLS回归(C4烯烃选择性)
regress C4烯烃选择性 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 二次项温度 温度

// BP检验
estat hettest ,rhs iid

         P值小于0.05,说明在95%的置信水平下拒绝原假设,即我们认为C4烯烃选择性的多元线性回归模型的扰动项存在异方差。


(3)怀特检验(使用范围广,优先考虑)

①乙醇转化率

// OLS回归(乙醇转化率)
regress 乙醇转化率 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 指数型温度 二次项温度 温度

// 怀特检验
estat imtest,white

          P值小于0.05,说明在95%的置信水平下拒绝原假设,即我们认为乙醇转化率的多元线性回归模型的扰动项存在异方差。


②C4烯烃选择性

// OLS回归(C4烯烃选择性)
regress C4烯烃选择性 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 二次项温度 温度

// 怀特检验
estat imtest,white

           P值小于0.05,说明在95%的置信水平下拒绝原假设,即我们认为C4烯烃选择性的多元线性回归模型的扰动项存在异方差。


         由于原始数据的异方差扰动严重,我们使用OLS+稳健的标准误作为指标,以防止异方差影响假设检验的计算。


4.多重共线性检验(方差膨胀因子:VIF)


①乙醇转化率

// OLS回归(乙醇转化率)
regress 乙醇转化率 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 指数型温度 二次项温度 温度

// VIF检验
estat vif

         乙醇转化率的多元线性回归模型的平均VIF为200.93,远大于VIF最小经验值,故其存在多重共线性的问题。


②C4烯烃选择性

// OLS回归(C4烯烃选择性)
regress C4烯烃选择性 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 二次项温度 温度

// VIF检验
estat vif

          C4烯烃选择性的多元线性回归模型的平均VIF为116.68,远大于VIF最小经验值,故其存在多重共线性的问题。


         此处我们将采用逐步回归的方法解决多重共线性的问题,以变量显著性为依据,不断筛选自变量,从而构建出最适的多元回归模型。


5.向后逐步回归

(1)乙醇转化率

// 向后逐步回归(乙醇转化率)
stepwise regress 乙醇转化率 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 指数型温度 二次项温度 温度 ,  r pr(0.05)

①设定显著性水平为0.05,使用OLS+稳健的标准误作为指标,向后逐步回归得到多变量回归结果:


②进一步引入乙醇浓度与温度的交叉项,设定显著性水平为0.05,使用OLS+稳健的标准误作为指标,再次向后逐步回归:

// 添加 温度-乙醇 交叉项
stepwise regress 乙醇转化率 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 指数型温度 二次项温度 温度 温度乘乙醇浓度 ,  r pr(0.05)

         加入乙醇浓度与温度的交叉项之后,拟合优度提高,显著因素增多,模型的泛化能力更强。


(2)C4烯烃选择性

// 向后逐步回归(C4烯烃选择性)
stepwise regress C4烯烃选择性 M1 Co负载量wt CoSiO2mg HAPmg CoSiO2和HAP装料比mgmg 乙醇浓度mlmin 二次项温度 温度 ,  r pr(0.05)

设定显著性水平为0.05,使用OLS+稳健的标准误作为指标,向后逐步回归得到多变量回归结果:

 

  • 5
    点赞
  • 115
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
题目描述: 一艘质量为$m$的船停靠在距离海岸线$L$的海域, 用一根长为$L$的铁锚将其系住。现有一条绳子, 一端固定在海岸上某点, 另一端系在船上。 要求绳子始终保持水平, 即绳子与水面的夹角为90°。 现在需要设计一个系泊系统,使得满足以下要求: 1. 绳子的长度为$L$; 2. 系泊系统能够承受风浪力矩$mgl\sin\theta$($\theta$为船在水平方向上的倾斜角度,$g$为重力加速度,$m$为船的质量,$l$为船到绳子固定点的水平距离); 3. 系泊系统的总重力不超过$G$,其中包括锚和绳子的重力; 请设计一个系泊系统,确定锚点在海岸线上的位置,以及绳子的长度。 思路: 1. 通过分析,可以得到系泊系统的主要受力情况:重力,浮力,张力和风浪力矩。其中,重力和浮力是与锚点位置无关的,可以先计算出来;风浪力矩是与船的倾斜角度有关的,需要在计算时考虑。 2. 假设锚点位置为$(0,0)$,船的位置为$(x,y)$,则绳子的长度$L$可以表示为$\sqrt{x^2+y^2}$。考虑绳子的张力,由于绳子与水面垂直,所以绳子的张力只有水平方向的分量,即$T\sin\theta$,其中,$\theta$为绳子与水平面的夹角。 3. 计算重力和浮力。船的重力为$mg$,浮力为$\rho Vg$,其中,$\rho$为水的密度,$V$为船的体积。绳子和锚的重力可以通过绳子的长度$L$和锚的重量来计算,即$g(L-x)\rho_s A$,其中,$\rho_s$为锚的密度,$A$为锚的横截面积。 4. 考虑风浪力矩的影响。假设风浪力矩对船的影响可以视为一个力矩,大小为$mgl\sin\theta$,方向垂直于船的水平方向,根据右手定则可以确定其方向。由于绳子的张力与水平方向平行,所以风浪力矩只对船的倾斜角度$\theta$有影响。 5. 在计算时,可以将锚点位置和绳子长度作为变量,通过求解最优化问题,确定最佳的锚点位置和绳子长度,使得系泊系统满足要求。可以考虑使用数值优化方法进行求解。 参考代码: ``` import numpy as np from scipy.optimize import minimize def objective(x): L = np.sqrt(x[0]**2 + x[1]**2) theta = np.arctan(x[1] / x[0]) T = (m*g + rho*V*g + (L-x[0])*rho_s*A) / np.sin(theta) M = T * L * np.sin(theta) return -M def constraint1(x): L = np.sqrt(x[0]**2 + x[1]**2) theta = np.arctan(x[1] / x[0]) T = (m*g + rho*V*g + (L-x[0])*rho_s*A) / np.sin(theta) return G - (m + rho_s*A*(L-x[0]) + rho*V)*g - T*np.cos(theta) def constraint2(x): return x[0] def constraint3(x): return x[1] # 系泊系统参数 m = 1000 # 船的质量 V = 100 # 船的体积 rho = 1000 # 水的密度 rho_s = 7800 # 锚的密度 A = 10 # 锚的横截面积 g = 9.8 # 重力加速度 G = 100000 # 系泊系统的总重力 # 初始值 x0 = [10, 10] # 约束条件 cons = [ {'type': 'ineq', 'fun': constraint1}, {'type': 'ineq', 'fun': constraint2}, {'type': 'ineq', 'fun': constraint3} ] # 求解最优化问题 sol = minimize(objective, x0, method='SLSQP', constraints=cons) # 输出结果 print(sol) ``` 参考资料: [1] 赵凌宇. 数学建模算法与应用[M]. 北京:清华大学出版社,2016. [2] 谷超豪,李涛,刘宝印,等. 数学建模算法应用与分析[M]. 北京:科学出版社,2016.

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值