内容发布更新时间 : 2026/6/29 6:47:09星期一 下面是文章的全部内容请认真阅读。
资料收集于网络，如有侵权 请联系网站删除
数学建模作业11.1（第6组）
成员——纪鹏程:201311061017 宫庆周:201311061018 孔贺:201311061019
解 x,x,x,x,x,x,x分别表示自变量直接蒸馏成，重整汽油，原油热裂化，原
1234567油催化油，聚合物，烷基化物，天然香精y分别表示因变量原辛烷值，自变量的
1观测数据矩阵记为
A?(aij)12?7，因变量的观测数据矩阵记为
B?(bij)12?1
。
（1）数据标准化。将各指标值
aij转换成标准化指标值aij，
(1)jaij?其中
aij??s(1)j,i?1,2,,12,j?1,2,,7即
?(1)jn1121(1)(1)2?aij,sj?(a????ijj)(j?1,12i?112?1i?17),(1)为第个自变量的样本均值和样本标准差。对应地，称 j?(1),sxjjjxj?为标准化指标变量。
xj??s(1)j(1)j
,j?1,7（2）求相关系数矩阵。表11.1给出了这7个变量的简单相关系数矩阵。
表11.1 相关系数矩阵 蒸馏(x1) 重整(x2) 热裂(x3) 催化(x4) 聚合(x5) 烷基(x6) 天然(x7) 天然(x7) 蒸馏(x1) 重整(x2) 脉搏(x3) 热裂(x3) 催化(x4) 聚合(x5) 天然(x7) 天然(x7) 1.0000 0.1042 0.9999 0.3707 -0.5480 -0.8046 0.6026 -0.8373 0.1042 0.9999 0.3707 1.0000 0.1008 -0.5369 0.1008 1.0000 0.3740 -0.5369 0.3740 1.0000 -0.2926 -0.5482 -0.2113 -0.1912 -0.8052 0.4958 -0.5900 0.6071 0.9159 -0.0708 -0.8380 -0.7067 -0.5480 -0.2926 -0.5482 -0.2113 1.0000 -0.6457 -0.2744 0.4938 -0.8046 -0.1912 -0.8052 -0.6457 0.4629 1.0000 -0.6564 0.9851 0.6026 -0.5900 0.6071 0.9159 -0.2744 -0.6564 1.0000 -0.7411 -0.8373 -0.0708 -0.8380 -0.7067 0.4938 0.9851 -0.7411 1.0000 （3）分别提出自变量组和因变量组的成分 求得的各对成分分别为
?u1??0.0906x1?0.0575x2?0.0804x3?0.1160x4?0.0238x5?0.0657x7,??v1?3.1874y1?u2??0.0212x1?0.3817x2?0.0072x3?0.2170x4?0.1606x5?0.0587x7,??v2?0.0582y1?u3?0.0556x1?0.0995x2?0.0744x3?0.2825x4?0.2048x5?0.0530x7,??v3?0.0094y1前三个成分解释自变量的比率为92.83%，只要取三对成分即可。 （4）求三个成分对时，标准化指标变量与成分变量之间的回归方程
得自变量组和因变量组与u1,u2,u3之间的回归方程分别为
只供学习与交流
资料收集于网络，如有侵权 请联系网站删除
x1??2.9999u1?0.1186u2?1.0472u3,x5?1.9461u1?0.1267u2?1.9001 u3,x2?0.2095u1?2.7981u2?1.7237u3,x6?3.0547u1?1.2260u2?0.4044u3,x3??3.0044u1?0.1088u2?1.0386u3,x7??2.7279u1?1.3298u2?1.3002u3,x4??2.3543u1?0.7756u2-2.0454u3,y1?3.1874u1?0.7617u2?0.3954u3.（5）求因变量组与自变量组之间的回归方程 把（3）中成分
ui代入（4）中yi的回归方程，得到标准化指标变量之间的回
yj,xj归方程为
y1??0.1391x1?0.2087x2?0.1376x3?0.2932x4?0.0384x5?0.4564x6?0.1434x7将标准化变量分别还原成原始变量，得到回归方程
yj,xj(j?1,7)
y1?92.676?9.8283x1?6.9602x2?16.6662x3?8.4218x4?4.3889x5?10.1613x6?34.529x7.（6）模型的解释与检验
为了更直观、迅速地观察各个自变量在解释
yj(j?1,7)时的边际作用，可
以绘制回归系数图，见图11.2。这个图是针对标准化数据的回归方程的。
0.50.40.30.20.10-0.1-0.2-0.312345678
图11.2 回归系数的直方图
从回归系数的直方图中可以观察到，原有催化裂化油和烷基化舞变量在解释回归方程时起到了极为重要的作用。
为了考察这三个回归方程的模型精度，我们以?为坐标值，对所有的样本点绘制预测图。y?是第
ijj个因变量指标在第i个样本点(yij)的预测值。
(yij,yij)只供学习与交流
资料收集于网络，如有侵权 请联系网站删除
在这个预测图上，如果所有点都能在图的对角线附近均匀分布，则方程的拟合值与原值差异很小，这个方程的拟合效果就是满意的。原辛烷值的预测图见图11.3。
100原辛烷值预测图9080706050403020100 0 102030405060708090100
图11.3 原辛烷值得预测值 计算和画图的Matlab程序：
clc,clear
ab0=load('11.1.txt'); %原始数据存放在纯文本11.1txt中 mu=mean(ab0); sig=std(ab0); %求均值和标准差 rr=corrcoef(ab0); %求相关系数矩阵 ab=zscore(ab0); %数据标准化
a=ab(: ,[1:end-1]);b=ab(:,end); %提出标准化后的自变量和因变量数据 [XL,YL,XS,YS,BETA,PCTVAR,MSE,stats]=plsregress(a,b)
xw=a\\XS %求自变量提出成分系数，每列对应一个成分，这里xw等stacts.W yw=b\\YS %求因变量提出成分的系数
ncomp=input('请根据PCTVAR的确定提出成分的个数ncomp=');
[XL2,YL2,XS2,YS2,BETA2,PCTVAR2,MSE2,stats2]=plsregress(a,b,ncomp) n=size(a,2); m=size(b,2); %n是自变量的个数，m是因变量的个数
%原始数据回归方程的常数项
beta3(1,:)=mu(n+1:end)-mu(1:n)./sig(1:n)*BETA2([2:end],:).*sig(n+1:end);
只供学习与交流