数理统计课程设计(一元线性回归)
二氧化碳吸附量与活性炭孔隙结构的线性回归分析
摘要:本文搜集了不同孔径下不同孔容的活性炭与CO2吸附量的实验数据。分别以同一孔径下的不同孔容作为自变量,CO2吸附量作为因变量,作出散点图。选取分布大致呈直线的一组数据为拟合的样本数据。对样本数据利用最小二乘法进行回归分析,参数确定,并对分析结果进行显著性检验。同时利用matlab的regress函数进行直线拟合。结果表明:孔径在3. 0~3. 5 nm之间的孔容和CO2吸附量之间存在较好的线性关系。
关键字:活性炭孔容CO2吸附量matlab
一、问题分析
1.1.数据的收集和处理
本文主要研究同一孔径的孔容的活性炭和co2吸附量之间的线性关系,有关实验数据是借鉴双全,罗雪岭等人的研究成果[1]。以太西无烟煤为原料、硝酸钾为添加剂,将煤粉、添加剂和煤焦油经过充分混合后挤压成条状,在600℃下炭化15 min,然后用水蒸气分别在920℃和860℃下活化一定时间得到2组活性炭,测定了CO2吸附等温线,探讨了2组不同工艺制备的活性炭的CO2吸附量和孔容的关系.数据如下表所示:
表1:孔分布与CO2吸附值
编号1~12是在不同添加剂量,温度,活化时间处理下的对照组。因为处理方式不同得到不同结果是互不影响的,可以看出CO2的吸附量的值是互相独立的。我们将不同孔径下的孔容分为1~7组。 作出不同孔径下与CO2吸附量的散点图如下:
编号
孔容/(1
1
10L g μ--?)
CO2吸附
量
1/()
mL g -?
0.5~0.8n m 0.8~1.2n m 1.2~1.8n m 1.8~2.2nm 2.2~2.2n m 2.5~3.0nm 3.0~3.5nm 1 7.18 16.2 24.4 75.2 70 96 115 64 2 6.59 14.4 18.4 53.7 50 85.6 91 55.1 3 4.54 11 18.9 71 65 78.3 91 53.7 4 5.13 13.4 29.9 10.3 90 76 122 53.7 5 4.16 10.5 18.9 83.8 78 80.5 113 61.7 6 4.92 12.1 23.4 81.6 72 56 99 53.6 7 5.08 12.6 23.8 93.5 86 77.8 122 65.5 8 5.29 13 25.1 88.4 69 66.4 107 57.7 9 7.47 16.9 26.9 46.4 78 93.2 107 58.2 10 5.44 13 21.4 44.1 91 98.6 137 76.6 11 1.81 64.6 18.3 53.1 114 110 142 75 12
1.24 27.7 39.5 126 114 98.6 183 98.7
2
46
8
孔容
C O 2吸附量
1020
30
4050
60
70
孔容
C O 2吸附量
1520
2530
35
40
孔容
C O 2吸附量
50
100
150
孔容
C O 2吸附量
4060
80100
120
孔容
C O 2吸附量
50
60
70
8090
100
110
孔容
C O 2吸附量
80
100
120
140160
180
200
孔容
C O 2吸附量
图1:不同孔容与CO2吸附量的散点图
图1中从左往右依次是第1到第7组孔容,从图中可以看出第五、六、七组的点大致分散在一条直线附近,说明两个变量之间有一定的线性相关关系。且自
变量的变化导致因变量CO2的浓度变化,因变量变化具有独立性。我们就选取第七组的数据进行回归分析。
二、问题假设
1.假设误差分布服从正态分布。
2.为了简化模型,便于回归分析,我们不考虑实验中各种因素对活性炭吸附的影响,考虑孔容与co2吸附量的数据之间的线性关系。
三、模型建立
3.1.回归参数的引进
回归函数()(|)y f x E Y X x ===是线性函数的回归分析称为线性回归,当可控制变量只有一个时,即回归函数为01()y f x x ββ==+,那么
称为一元线性回归模型,上式称为Y 对x 的一元线性回归方程或者一元线性回归直线,0β、1β称为回归系数,常数0β、1β、2σ均未知。 3.2回归方程的构建
由于总体回归方程01()y f x x ββ==+中的参数0β、1β在实际中并不知
道,需要通过样本值对它们进行估计,得到估计值0?β,1?β,从而得到样本回归方程01??Y x ββ=+,此样本方程可用作总体回归方程()(|)y f x E Y X x ===的估计。
通常可用最小二乘法估计得到公式
由于总体回归方程01()y f x x ββ==+中的参数0β、1β在实际中并不知
道,需要通过样本值对它们进行估计,得到估计值0?β,1?β,从而得到样本回归方程01??Y x ββ=+,此样本方程可用作总体回归方程()(|)y f x E Y X x ===的估计。
通常可用最小二乘法估计得到公式
012(0,)
Y x N ββεεσ=++??
?(1)
2
σ=
101?/??xy xx l l y x
βββ?=??=-??1121
01()()?()??n
i i i n
i i x x y y x x y x
βββ==?
--?
?=??
-??=-??∑∑
其11n i i x x n ==∑,11n
i i y y n ==∑,记
12
112xy i i i l x y x y
==-?∑= ,
12
2
2
1
12xx i i l x x
==-∑
12
22
1
12yy i i l y y ==-∑
1?/xy xx
l l β=
01?y x ββ=-
2?e T R xx xx S S S l l β=-=- 可得
2.3求一定孔容下的CO2的吸附量的回归直线方程
利用matlab 对数据进行计算,结果如下表所示:
实验编号
孔容i x
CO2吸附量
i
y
2i x 2i y
i i x y
1 115 64 13225 4096 7360
2 91 55.1 8281 3036.01 5014.1
3 91 53.7 8281 2883.69 4886.7
4 122 53.7 14884 2883.69 6551.4
5 113 61.7 12769 3806.89 6972.1
6 99 53.6 9801 2872.96 5306.4
7 122 65.5 14884 4290.25 7991
8 107 57.7 1144
9 3329.29 6173.9 9 107 58.2 11449 3387.24 6227.4 10 137 76.6 18769 5867.56 10494.2 11
142
75
20164
5625
10650
(2) (3)
12
183 98.7 33489 9741.69 18062.1 ∑
1429
773.5
177445
51820.27
95689.3
表2:孔容与C02吸附度的回归计算
讲结果代入上上述公式可得下列计算表:
表3:回归参数的计算表
由此可得线性回归方程为:
0.49 5.88y x =+
四、回归方程的显著性检验
对回归方程是否有意义做判断就是对如下的检验问题做出判断:
01:0
H β=
vs 11:0
H β≠
拒绝域0H 表示回归方程是显著的。利用F 检验对参数进行检验。经计算有
i x ∑=1429.00
n=12
i y ∑=773.50
x =119.08
y =64.46
2i
x
∑=177445.00
i i x y ∑=95689.30
2i
y
∑=51820.27
2nx =2129340.00
n x y ??=1148271.60
2ny =621843.24 xx l =7274.92 xy l =3578.34
yy l =1961.75
e S =201.66
2σ=63.77
1/xy xx l l β==0.49
01
?y x ββ=-=5.88
(
4) (5)