以a=0.05为显著性水平,求出各个理化因子的置信区间如下表:
表3-3 每个主要理化因子置信区间统计表 总磷 磷酸盐磷 总氮 硝态氮 亚硝态氮 铵态氮
因为1号池塘为发生轻微水华,而由上表得每个理化因子的置信区间上限值分别为14.93045404,0.201131467,11.20798359,2.604117291,8.382504421,32.4057669,下限值分别为4.99921263,-0.018104801,3.208309738,0.202096042,-0.324324421,9.832539765。因此,我们预测发生重度水华时的主要理化因子的含量将大于置信区间的上限值,而不发生水华的主要理化因子范围小于置信区间的下限值。 4.4 问题四的解答 建立鱼类生长模型
针对问题四,由附件4里体长和体重的数据,通过matlab里的cftool工具对鳙鱼数据进行回归。具体处理结果如下: Linear model Poly3:
f(x) = p1*x^3 + p2*x^2 + p3*x + p4 Coefficients (with 95% confidence bounds):
p1 = 0.0144 (0.01062, 0.01817) p2 = -2.367 (-2.827, -1.906) p3 = 156 (140.5, 171.6) p4 = 891.1 (766.8, 1015)
Goodness of fit: SSE: 9.385e+07 R-square: 0.9154
Adjusted R-square: 0.915 RMSE: 428.6
得出方差SSE的数值是9.385e+07,这个值很小,回归可决系数R=0.9154,说明拟合效果很好,此次鳙鱼的生长和体重关系拟合可行。故
y=0.0144*x^3 -2.367*x^2 + 156*x + 891.1 (4)
10
置信区间1 4.99921263 -0.018104801 3.208309738 0.202096042 -0.324324421 9.832539765
置信区间2 14.93045404 0.201131467 11.20798359 2.604117291 8.382504421 32.4057669
用matlab画出函数图像如下:
图4-1 鳙鱼体长与体重函数关系拟合图
同理对鲢鱼的数据进行拟合,数据处理结果如下:
Linear model Poly3:
f(x) = p1*x^3 + p2*x^2 + p3*x + p4 Coefficients (with 95% confidence bounds):
p1 = 0.006887 (0.006181, 0.007592) p2 = -1.058 (-1.139, -0.9772) p3 = 80.2 (77.58, 82.82) p4 = 106.3 (85.02, 127.6)
Goodness of fit: SSE: 1.461e+06 R-square: 0.9954
Adjusted R-square: 0.9954 RMSE: 53.21
得出方差SSE的数值是1.461e+06,这个值很小,回归可决系数R=0.9954,说明拟合效果很好,此次鲢鱼的生长和体重关系拟合可行。故
y=0.006887*x^3 -1.058*x^2 + 80.2*x + 106.3 (5)
用matlab画出函数图像如下:
11
图4-2 鲢鱼体长与体重函数关系拟合图
由以上分析可得鱼类生长与体重呈现正相关关系。
4.5 问题五的解答
通过查阅网络资源,我们得到有利于池水养殖池塘水体的自净化的方法为广投喂颗粒饲养。在加工颗粒饲养时,通过选择饲养中所含的能量值与蛋白含量的最佳比,对饲养各营养元素实行科学配比,并根据不同品种、不同生长阶段、各种水体的养殖模式、水域的环境而采取不同的配方,满足养殖动物生长过程中对各种营养元素和各种微量元素的要求,确保在饲养上能起到增强体质、提高抗病免疫能力、快速生长的作用,以降低饲料的溶散和损失。在投饲方法上,要用饲料台,并多点投喂,按少量多次的原则进行。饲料投喂机可弥补人工投喂的不足,它具有饲料投喂面积大、分散均匀,利于水产动物分散、均匀摄食,并能做到定质、定量、定时、定点、人工随意性小的优点。[2]
五、模型评价
5.1模型的优点
本文独特新颖,不雷同,并能够很好地运用多种软件建立模型,使文章结构不单一。通过一系列图表,使阅者清晰易懂。 5.2模型的缺点
本文最主要的缺点为没能全面地解决问题,有些问题没回答完整,另外是符号说明不全。
六、参考文献
[1] 刘峰,养殖水体水华发生的原因探讨[M],东北农业大学,第24-35页,2007年6月20日,
[2]出自黄仁国,杨宝圣《生产养殖对生态环境污染表现及控制措施》,http://www.doc88.com/p-239402167748.html
12
附录:load pz.txt
mu=mean(pz);sig=std(pz); rr=corrcoef(pz); data=zscore(pz); n=6;m=1;
x0=pz(:,1:n);y0=pz(:,n+1:end); e0=data(:,1:n);f0=data(:,n+1:end); num=size(e0,1); chg=eye(n); for i=1:n
matrix=e0'*f0*f0'*e0; [vec,val]=eig(matrix); val=diag(val);
[val,ind]=sort(val,'descend'); w(:,i)=vec(:,ind(1)); w_star(:,i)=chg*w(:,i); t(:,i)=e0*w(:,i);
alpha=e0'*t(:,i)/(t(:,i)'*t(:,i)); chg=chg*(eye(n)-w(:,i)*alpha'); e=e0-t(:,i)*alpha'; e0=e;
beta=[t(:,1:i),ones(num,1)]\\f0; beta(end,:)=[];
cancha=f0-t(:,1:i)*beta; ss(i)=sum(sum(cancha.^2)); for j=1:num t1=t(:,1:i);f1=f0;
she_t=t1(j,:);she_f=f1(j,:); t1(j,:)=[];f1(j,:)=[];
betal=[t1,ones(num-1,1)]\\f1; betal(end,:)=[];
cancha=she_f-she_t*betal; press_i(j)=sum(cancha.^2); end
press(i)=sum(press_i); if i>1
Q_h2(i)=1-press(i)/ss(i-1); else
Q_h2(1)=1; end
if Q_h2(i)<0.0975
fprintf('提出的成分个数 r=%d',i); r=i; break
13