- 上一篇：Floyd基于动态优化交巡警服务平台设置与调度的研究+建立模型+源码
- 下一篇：六年级数学小论文范文
U＝S－T＝948.1990,
F＞ .
这个结果接受H0（H0：各个因子的期望值都相等），说明 与 , , , 的线性关系显著，说明这个线性回归方程的建立是合理的.
有以上结果可知这些自变量的回归系数即为该变量每变化一单位对风险度量的影响程度有多大，从而可确定影响水资源短缺的影响明显的风险因子为 ：农业用水， ：工业用水， ：污水处理， ：常住人口.
则可得到风险度量和主要风险因子之间的关系式是
. （2）
根据2012年北京统计年鉴上的数据具体内容见表格4
表格4 2012年北京统计年鉴数据
年份 水资源总量（亿立方米） 总用水量（亿立方米） 农业用水（亿立方米） 工业用水（亿立方米） 污水处理率（%） 常住人口（万人）
2009 21.8 35.5 12.0 5.2 80.3 1860
2010 23.1 35.2 11.4 5.0 81.0 1961
2011 26.8 26.8 10.9 5.1 81.7 2018
则有公式（2）可得到2009-2011年的水资源风险度量见，同时根据2012年北京统计年鉴上的实际数据计算出水资源风险度量见，具体见表格5:
表格5风险度量数据
年份 实际风险度量 预测风险度量
2009 4.7 4.5
2010 2.1 2.0
2011 0 0
有上述表格知：实际风险度量和预测的风险度量比较接近，由于实际和理论总是存在一定的误差，所以可以认为该预测的结果是合理的，同时也说明了上述多元线性回归关系式（2）是合理的.
2.3北京市未来二年水资源短缺风险的预测及相关措施
对于北京市未来二年水资源短缺风险的预测可考虑建立一元回归模型或风险度量的时间序列模型来说明.但当建立以时间t为自变量、风险度量为因变量的一元回归模型时，该模型的图像并不能显现出风险度量随时间的变化规律，从而无法对未来的风险度量做出预测，从而无法确定未来二年处于什么等级的风险；所以下建立风险度量的时间序列模型来说明. 在时间序列分析中由于数据较少 ，采用简单平均滑动的方法对结果进行预测， 首先要确定平滑期数M，平滑期数M即平滑所选取的周期数，一般情况下，平滑期数越长所包含的过去的信息较多，对未来的预测也较准确，但是对于平滑期数的具体选择没有统一的标准，要视情况而定，因此本文对于平滑期数M的选择采用简单判断原则，由于时间序列图不平滑，非自相关，因此使用长周期预测效果好，即采用5-期简单平均滑动预测， 同时采用2-期简单平均滑动预测，并且采用2-期简单平均滑动预测与5-期简单滑动预测进行对比，2-期简单平均滑动表格与5-期简单滑动表格如下：
表格6 2-期简单平均滑动表格
年份 农业用水（亿立方米） 工业用水（亿立方米） 污水处理率（%） 常住人口（万人） 对农业用水的2-简单滑动平均预测 对工业用水的2-简单滑动平均预测 对污水处理的2-简单滑动平均预测 对常住人口的2-简单滑动平均预测
1979 24.18 14.37 10.2 897.1