美賽真題回顧-多元線性回歸模型預測全球海平面上升幅度

2021-01-20 數模樂園

「 Take  a Bath」 是2008年美國大學生數學建模競賽 的 A 題。


基於前面收集的數據和已有結果, 這裡將建立多元線性回歸模型來預測由於北極冰雪融化 (主要是格陵蘭冰蓋和北極海冰的融化) 所導致的全球海平 面上升幅度。如圖 1-16 所示為使用多元線性回歸模型對海平面上升幅度進行預測的流程。

圖1-16

使用多元線性回歸模型對海平面上升幅度進行預測的流程


眾所周知, CO2 等溫室氣體的排放以及冰雪消融對全球氣溫的升高具有重要影響。同時, 全球氣溫的升高和冰雪消融對海平面的升高也具有重要的影響。因此, 首先需要根據因素之間的相關性選取對海平面上升影響最顯著的因素。



顯然, 全球氣溫直接受到溫室氣體排放和北極冰雪融化的影響。因此, 這裡首先建立對全球溫度變化進行預測的多元線性回歸模型。


式中, ΔVice 表示北極冰雪融化量, ΔMco2表示CO2的排放量。


全球海平面的上升將受到北極冰雪融化和全球氣溫變化的直接影響。類似 地, 可以建立多元線性回歸模型

為了確定上述多元線性回歸模型的係數, 這裡選取了佛羅裡達州四個城市 (佛羅裡達東海岸的聖彼得斯堡和彭薩科拉, 佛羅裡達西海岸的費南迪納比奇 和維吉尼亞島) 附近的海面的觀測數據。回歸方程 (1.67 ) 和 ( 1.17) 的係數可以使用spss軟體確定


顯著性檢驗的結果表明, α1 和 α2 、 β1 和 β2 都是顯著的, 而且線性關係也 比較顯著———這也說明選擇多元線性回歸模型對全球平均氣溫和全球海平面上 升幅度進行預測是比較合理的。



根據收集的數據, 求解建立的模型,可以預測未來50 年中全球海平面的上升幅度、 佛羅裡達附近海平面的上升幅度以及對海岸線的侵蝕。


( 一) 全球海平面的上升幅度 

求解預測模型, 得到全球氣溫在未來 50年的變化預測值 ( 圖1-17) 。 


IPCC報告中全球未來50年的溫度預測見表 1-2 。 


表 1-2 IPCC 報告中全球未來 50 年的溫度預測

使用預測模型 ( 1.17) 對未來 50 年由於北極冰雪融化所導致的海平面上 升幅度進行了預測, 具體結果如圖 1-18 所示。

根據上面的計算結果不難發現, 在未來50年中, 北極冰雪融化將導致海 平面顯著上升。


( 二) 佛羅裡達附近海平面的上升幅度 

根據題目的要求, 這裡將預測佛羅裡達州附近海平面的上升幅度, 仍然以 費南 迪 納 比 奇 、 聖 彼 得 斯 堡  、 彭 薩 科 拉 和維吉尼亞島四個海岸城市為例。

因為Fernandina是最靠近Jacksonville的觀測中心, 這裡選取它的數據來 確定回歸模型的係數, 然後再進行預測。使用 SPSS 軟體易得

根據該模型, Fernandina附近海平面高度見表1-3。


表 1-3 Fernandina 附近海平面高度/m

根據該表不難發現, Fernandina 附近的海平面將以每年 2 mm 的速度持續上升 (見圖 1-19) 。

圖1-19 

北極冰雪融化所導致的Fernandina附近海平面的上升幅度


同樣的, 使用上述預測模型可以得到其他幾個城 市的海平面上升幅度 (見表 1-4 和圖 1-20 ) 。

圖1-20 佛羅裡達州5 個大城市附近海平面的上升趨勢圖 


( 三) 對海岸線的侵蝕

當海平面上升時, 它會產生兩方面的影響。首先, 部分較低的陸地和河岸 會被海水淹沒、 侵佔, 因此, 海岸線會向內陸侵蝕。但是, 通過多年的氣象觀 測可以證明這種影響是非常弱的。其次, 隨著海平面上升, 海洋的波浪作用也 可能對海岸造成巨大的額外侵蝕。根據布容法則 ( Bruu n Rule)可以計算出被侵蝕的海岸線距離

式中, R 表示海岸線被侵蝕的距離, b 表示海邊沙灘的高度, h 表示近海的深 度, L 表示從海灘到深度為 h 的近海的橫向距離, S 為海平面高度。


一般地, 可以用 1 /tanθ 代替 L/(b+h), 這裡 tan θ 表示海灘附近的平均傾斜度, 沙灘的傾斜度一般是 1 /50 ~1/100。所以, 上面的公式可以簡化為


這裡取 tan θ=1/50 。根據前面的海平面預測數據, 可以預測出海平面上升 對佛羅裡達州海岸線的侵蝕量 (見圖 1-21 ) 。顯然, 佛羅裡達海岸正在受到海水的侵蝕, 雖然被侵蝕的 「速度」 各地 不同, 但是海平面的持續上升必然增加大陸遭受海水侵蝕的威脅。

圖1-21 佛羅裡達附近海平面的上升對海岸線的侵蝕

模友們可能已經發現:現在公眾號推送文章的順序,已經不會按時間排列了。這種變化,可能會讓各位模友錯過我們每天的推送。


所以,如果你還想像往常一樣,聚焦數模樂園,就需要將「數模樂園」標為星標公眾號,同時在閱讀完文章後,別忘了給一個「在看」哦。


(1)點擊頁面最上方「數模樂園」,進入公眾號主頁


(2)點擊右上角的小點點,在彈出頁面點擊「設為星標」,就可以啦。

相關焦點

  • 多元線性回歸的模型解釋、假設檢驗、特徵選擇
    線性回歸是最流行和討論最多的模型之一,它無疑是深入機器學習(ML)的入門之路。這種簡單、直接的建模方法值得學習,這是進入ML的第一步。在繼續討論之前,讓我們回顧一下線性回歸可以大致分為兩類。簡單線性回歸:當只有一個輸入變量時,它是線性回歸最簡單的形式。
  • 原理+代碼|Python實戰多元線性回歸模型
    其中多元共線性這個問題將貫穿所有的機器學習模型,所以本文會「將原理知識穿插於代碼段中」,爭取以不一樣的視角來敘述和講解「如何更好的構建和優化多元線性回歸模型」。,這裡需要轉換一下,而多元線性回歸模型中類別變量的轉換最常用的方法之一便是將其轉化成虛擬變量。
  • 多元線性回歸預測spss - CSDN
    回歸一直是個很重要的主題。因為在數據分析的領域裡邊,模型重要的也是主要的作用包括兩個方面,一是發現,一是預測。而很多時候我們就要通過回歸來進行預測。關於回歸的知識點也許不一定比參數檢驗,非參數檢驗多,但是複雜度卻絕對在其上。回歸主要包括線性回歸,非線性回歸以及分類回歸。本文主要討論多元線性回歸(包括一般多元回歸,含有虛擬變量的多元回歸,以及一點廣義差分的知識)。
  • 零基礎的同學如何用stata做多元線性回歸模型?
    上一期,我們分享了如何用stata做一元線性回歸模型,不知道同學們學的怎麼樣呢?有沒有自己動手操作一遍呢?這一期:我們將學習如何用stata做多元線性回歸模型!這些是小王(邀請者)最近學習計量時的一些心得和體會,希望能與大家一起分享。
  • spss多元線性回歸模型專題及常見問題 - CSDN
    多元線性回歸,主要是研究一個因變量與多個自變量之間的相關關係,跟一元回歸原理差不多,區別在於影響因素(自變量)更多些而已,例如:一元線性回歸方程 為:    毫無疑問,多元線性回歸方程應該為:那麼,多元線性回歸方程矩陣形式為:
  • 多元線性回歸與模型診斷
    一、多元線性回歸1.
  • 專家預測:2100年,全球海平面或將上升40釐米
    外媒援引研究人員的話稱,格陵蘭島和南極洲的冰蓋正按照聯合國預測的海平面上升的最壞情況發展,這凸顯了當前氣候變化模型的缺陷。這兩處冰蓋完全消融後的融水量,足以使海平面上升65米。據法新社巴黎8月31日報導,從2007年至2017年,由於冰川消融崩塌所造成的冰蓋大規模減少幾乎與政府間氣候變化專門委員會作出的最極端的預測結果完全一致。該委員會預測,到2100年,格陵蘭島和南極洲的冰蓋將使全球海平面上升40釐米。他們在《自然·氣候變化》月刊上發表了其預測結果。
  • r語言多元線性回歸相關性_多元線性回歸調整相關性 - CSDN
    多元線性回歸多元線性回歸的核心問題:應該選擇哪些變量???RSS(殘差平方和)與R2  (相關係數的平方)選擇法:遍歷所有可能的組合,選出使RSS最小,R2  最大的模型。
  • 範例分析:多元線性回歸分析
    基礎回顧簡單線性和多元線性回歸理論基礎請回顧:相關與回歸分析基礎;一元(簡單線性)相關分析與回歸分析
  • 【線性回歸】多變量分析:多元回歸分析
    實際上大部分學習統計分析和市場研究的人的都會用回歸分析,操作也是比較簡單的,但能夠知道多元回歸分析的適用條件或是如何將回歸應用於實踐,可能還要真正領會回歸分析的基本思想和一些實際應用手法!下面我們就來談談多元回歸分析,這張圖是利用多元線性回歸製作的策略分析圖,你可以理解X軸是重要性,Y軸是表現;首先,多元回歸分析應該強調是多元線性回歸分析!
  • 數學建模:一個多元線性回歸做預測的例子
    一個多元線性回歸做預測的例子例. 某商品5年的按季度銷售量如下表所示:預測第6年各季度的銷售量。繪圖觀察數據規律t=1:length(Y0);plot(t,Y0,'*-');xlabel('季度'), ylabel('銷售量');grid on可見,數據具有明顯的季節(周期)性,可以考慮採用時間序列分析法,或回歸預測法
  • 機器學習之多元線性回歸模型梯度下降公式與代碼實現(篇二)
    上一篇我們介紹了線性回歸的概述和最小二乘的介紹,對簡單的一元線性方程模型手推了公式和python代碼的實現。機器學習之線性回歸模型詳細手推公式與代碼實現(篇一)今天這一篇來介紹多元線性回歸模型多元線性回歸模型介紹在回歸分析中,如果有兩個或兩個以上的自變量,就稱為多元回歸
  • 多元線性回歸分析:納入多元回歸自變量的確定及求解多元回歸方程
    許栩原創專欄《從入門到高手:線性回歸分析詳解》第五章,多元線性回歸分析:如何求解多元線性回歸方程。在前面的章節中我講到,實際需求預測場景中,通常,影響需求的因素不止一個,對需求影響的因素可能多種多樣,也就是說自變量多種多樣,很少能用單一的變量(也即一元線性回歸分析)來做好需求預測。這時,我們需要用到多元線性回歸分析。回歸分析在需求預測的應用,也主要是多元線性回歸分析。對需求預測而言,多元線性回歸更具有實用性和有效性。
  • r語言 多元回歸模型_r語言多元回歸模型殘差分析 - CSDN
    1、多元線性回歸模型1.1多元回歸模型與多元回歸方程設因變量為y,k個自變量分別為,描述因變量y如何依賴於自變量和誤差項ε的方程稱為多元回歸模型。其一般形式可表示為:式中,為模型的參數,ε為隨機誤差項。
  • 多元線性回歸spss結果分析_spss多元線性回歸分析結果分析 - CSDN
    通過查閱北京統計局出示的有關數據以及閱讀相關文獻,搜集北京市近15年的統計資料,基於SPSS多元線性回歸中的逐步回歸分析法,建立回歸模型。
  • 值 多元線性回歸模型專題及常見問題 - CSDN
    多元線性回歸模型通常用來研究一個應變量依賴多個自變量的變化關係,如果二者的以來關係可以用線性形式來刻畫,則可以建立多元線性模型來進行分析。1.模型簡介1.1模型的結構多元線性回歸模型通常用來描述變量y和x之間的隨機線性關係,即:
  • 多元線性回歸模型很難?5分鐘學會數據錄入、軟體操作、結果分析
    多元線性回歸模型是一元線性回歸模型的升級版,目標是利用兩個或兩個以上的不同變量值來預測一個變量值。比如在預測顧客對某產品的購買意願時,除了商品價格這個影響因素之外,產品的品牌形象、促銷活動力度也是影響顧客購買意願的因素。因此,為了探究這些因素是否可以預測顧客的購買意願,此時就需要建立多元線性回歸模型來研究這些變量間的關係。
  • 逐步回歸分析調整後r2和模型的顯著性f值_多元線性回歸方程的顯著...
    (2)相關分析主要是描述兩個變量之間相關關係的密切程度;回歸分析不僅可以揭示變量X對變量Y的影響程度,還可以根據回歸模型進行預測。回歸分析模型主要包括線性回歸及非線性回歸兩種。線性回歸又分為簡單線性回歸、多重線性回歸;而非線性回歸,需要進行對數轉化等方式,將其轉化為線性回歸的形式進行研究。
  • 線性回歸分析詳解10(完結篇):線性回歸分析預測的十大步驟
    許栩原創專欄《從入門到高手:線性回歸分析詳解》第10章,這是本專欄的最後一章,是專欄的完結篇:用線性回歸分析做預測,多元線性回歸分析預測的十大步驟。線性回歸分析專格欄總目錄請見上圖,前9章,我分別講述了回歸分析及與回分析相關的概念,一元、多元線性回歸分析的公式與計算方法,以及多重共線性、回歸方程的精度、顯著性驗證和置信區間等進行回歸分析的重要步驟及其計算方法。至此,以回歸分析進行需求預測的各項知識點及各項準備工作全部完成,我們可以正式的以回歸分析進行需求預測。
  • 論文推薦王苗苗:無縫線性回歸與預測模型
    對此,本文提出了一種嚴格考慮所有變量觀測誤差的無縫線性回歸和預測模型,該模型將回歸模型的建立和因變量預測聯合處理,在建立回歸模型過程中對待預測自變量的觀測誤差進行估計並修正,從而提高了模型預測效果。理論證明,現有的幾種線性回歸模型都是無縫線性回歸和預測模型的特例。試驗結果表明,無縫線性回歸和預測模型的預測效果優於現有的幾種模型,尤其在變量觀測誤差相關性較大時,無縫模型對預測效果的改善更為顯著。