下载文档原格式
水处理耗水量分析及相关措施和建议针对目前厂区用水量大的现状，对其原因进行了初步分析：通过公用系统周报表中8月份第二周（8.8-8.14）相关数据可以看出，水处理系统的用水量占总用水量的60％，平均每天高达952m³，这是导致总用水量高的主要原因；其次，生产装置通过消防水系统向储油罐加水以及对热阱间断性的加消防水降温是导致总用水量高的次要原因。
为了准确分析出水处理系统耗水量大的原因，8月15日对水处理系统的运行状况进行了现场观察和跟踪，并通过相关计量数据得出以下结果：一、超滤段排水量计算1、一期装置进水量19m³/h，产水量16 m³/h，即向地沟排浓水3 m³/h；2、二期装置进水量35m³/h，产水量32 m³/h，即向地沟排浓水3 m³/h；3、两套装置同时连续运行，即向地沟排浓水6 m³/h；二、一级反渗透段排水量计算1、一期装置进水量20m³/h，产水量12 m³/h，即向地沟排浓水8 m³/h；2、二期装置进水量24m³/h，产水量17 m³/h，即向地沟排浓水7 m³/h；3、两套装置同时连续运行，即向地沟排浓水15 m³/h；三、各段运行时间及排放总量计算1、水处理进水量952m³/日，两套超滤装置同时连续运行，其运行时间为：952÷（19+35）=17.6小时/天2、超滤产水量即为一级反渗透进水量：17.6×（16+32）=845m³/日；则两套一级反渗透同时连续运行的时间为：845÷（20+24）=19.2小时/天3、两套装置连续运行的浓缩水排放量为：17.6×6+19.2×15=394m³/天四、各段自动冲洗排水量计算1、超滤每累计运行40分钟进行1次自动反洗使用的是一级反渗透浓水，故不计算排放量；超滤每次启动时均首先自动冲洗90秒钟，每启动1次的排水量为：（19+35）÷3600×90=2.7m³，即使两套超滤装置连续运行17.6小时，每隔40分钟将停运反洗，即每40分钟将发生1次停止和启动现象，17.6小时内将发生26次暂停反洗，反洗前后的停启冲洗水排放总量为26×1.35=35m³/天；如果中途有液位控制的启停现象，冲洗水的排放量更大。
机组耗水率影响因素的回归分析摘要数理统计是具有广泛应用的数学分支，在生产过程和科学实验中，总会遇到多个变量，同一过程中的这些变量往往是相互依赖，相互制约的，也就是说他们之间存在相互关系，这种相互关系可以分为确定性关系和相关关系。
变量之间的确定性关系和相关关系在一定条件下是可以相互转换的。
本来具有函数关系的变量，当存在试验误差时，其函数关系往往以相关的形式表现出来相关关系虽然是不确定的，却是一种统计关系，在大量的观察下，往往会呈现出一定的规律性，这种函数称为回归函数或回归方程[1]。
回归分析是一种处理变量之间相关关系最常用的统计方法，用它可以寻找隐藏在随机后面的统计规律。
确定回归方程，检验回归方程的可信度等是回归分析的主要内容。
按回归模型类型可划分为线性回归分析和非线性回归分析。
本文运用多元线性回归分析方法建立耗水率与出库流量、库水位的模型。
首先收集数据并利用MATLAB软件[2]进行数据处理，作出散点图。
分析图发现耗水率与出库流量、库水位有明显的线性关系。
在此基础上假设并建立模型。
对回归参数做点估计及区间估计，并作出显著性检验，发现显著效果良好，然后利用残差图[3]检验回归效果，发现异常点，进而改进模型，最后利用回归方程做点预测和区间预测。
关键词：相互关系；多元线性回归分析；线性回归方程；显著性检测目录1 设计目的 02 设计原理 02.1 线性回归方程的建立 02.2 参数估计 02.3 回归模型的假设检验 (1)2.4 回归系数的假设检验和区间估计 (2)2.5 利用回归模型进行预测 (2)3 设计题目 (3)4 实现过程 (3)4.1 回归方程的确立 (3)4.2 回归方程显著性检验 (5)4.3 模型改进 (6)4.4 回归预测 (7)5 设计总结 (8)参考文献 (9)1 设计目的为了进一步理解概率论与数理统计的基本概念、理论和方法，基本掌握MATLAB 等具有统计分析功能软件的使用，并具备初步的运用计算机完成数据处理的技能，实现理论与实践的结合。
基于回归分析法对我国水资源现状的分析水资源是人类生活和经济发展的基础资源，对于一个国家的可持续发展具有重要意义。
当前我国水资源存在着一些问题，如地区不平衡、供水短缺、水质污染等。
为了更好地了解我国水资源现状，本文将基于回归分析法对我国水资源进行分析，并提出相应的解决方案。
我们可以通过回归分析法对我国水资源总量进行预测和分析。
回归分析是一种通过建立数学模型来揭示变量之间关系的方法，可以通过分析历史数据来预测未来的水资源总量。
我们可以通过对过去几年的水资源总量数据进行回归分析，得出与其他相关因素（如人口增长率、经济发展水平）的关系，从而预测未来水资源总量的趋势。
回归分析还可以用来分析我国不同地区的水资源分布情况。
我国地域广阔，不同地区的水资源分布不平衡是一个突出的问题。
通过回归分析法，我们可以确定不同地区的水资源分布与其它因素（如地形、降水量、水资源开发状况）的关系，并对未来的水资源分布进行预测。
这样可以为相关部门提供科学合理的水资源调配方案，实现资源的合理配置。
回归分析还可以用来分析我国水资源供需状况。
当前，我国水资源供需紧张，供水短缺的问题日益凸显。
通过回归分析方法，我们可以将我国未来的水资源需求与供应进行对比，分析供需矛盾的程度和未来的发展趋势。
根据分析结果，相关部门可以制定合理的水资源供需平衡策略，包括加大水资源的开发利用力度、提高供水效率、推动水资源节约和循环利用等措施。
回归分析法还可以用来分析我国水质污染情况及其影响因素。
水质污染是我国水资源面临的另一个重大问题，严重影响人民生活和经济发展。
通过回归分析，我们可以找出水质污染与其他相关因素（如工业排放、农业面源污染、城市化进程等）的关系，并预测未来的水质污染趋势。
这样可以为相关部门制定科学的水质保护措施提供依据，包括改善工业和农业的污染治理、建设污水处理厂、推动生态环境保护等措施。
基于回归分析法的水资源现状分析可以帮助我们深入了解我国水资源面临的问题，预测未来变化趋势，为相关部门提供科学合理的决策依据。
基于回归分析法对我国水资源现状的分析近年来，我国的水资源问题一直备受关注。
随着经济的快速发展和人口的快速增长，水资源供需矛盾日益凸显。
为了更好地了解我国水资源现状，本文将采用回归分析法对我国水资源进行分析，以期为相关决策提供参考。
我们需要了解我国水资源的基本情况。
据统计，我国境内淡水资源总量约为28000亿立方米，居世界第四位，但由于我国地域广阔、水资源分布不均匀，加之受气候等自然因素的影响，我国水资源的利用率并不高。
随着人口增长和经济发展，我国的水资源管理面临着重大挑战。
接下来，我们将通过回归分析法来分析我国水资源现状。
回归分析法是一种通过建立数学模型来描述变量之间关系的统计方法，它可以帮助我们了解不同因素对水资源的影响程度。
我们将从人口增长、工业化进程、农业发展等方面来探索这些因素对水资源的影响。
我们将分析人口增长对水资源的影响。
人口是对水资源需求的直接体现，随着人口的增加，对水资源的需求也会相应增加。
我们利用回归分析法对过去几年的数据进行分析，发现人口增长对水资源的消耗呈现出较为明显的正相关关系。
这表明我国应对人口增长对水资源的影响，需要在人口政策、城市规划等方面做出相应调整。
我们将分析工业化进程对水资源的影响。
随着工业化的进程，工业生产对水资源的需求也逐渐增加。
我们利用回归分析法对工业化进程和水资源利用率的关系进行研究，发现工业化对水资源的消耗也呈现出正相关关系。
这表明我国应在推动产业结构调整的加大水资源的开发和利用效率。
通过以上分析，我们可以看到不同因素对我国水资源的影响程度。
人口增长、工业化进程和农业发展等因素对水资源的消耗都呈现出较为明显的正相关关系，这意味着我国水资源供需矛盾日趋加剧。
我国需要在加强水资源管理、提高水资源利用效率方面做出更多努力。
通过回归分析法对我国水资源现状进行分析，我们可以更好地了解不同因素对水资源的影响程度。
这有助于我们更合理地制定相关政策，推动水资源可持续利用，为我国水资源管理提供科学依据。
火电厂循环冷却塔耗水量影响因素分析（《电站辅机》2005年第四期）翟培强（三门峡华阳发电有限责任公司河南三门峡472143）摘要：火力发电厂是一个耗水大户，循环冷却塔的耗水量约占整个电厂耗水量的60%以上。
文中给出了循环冷却塔耗水量影响因素的定量分析。
从影响冷却塔耗水量的因素入手，用计算后的数值说明了冷却塔耗水量并提出一些结论和建议。
关键词：火电厂冷却塔耗水量分析Analysis on Influencing Factor for Recycle Water Consumption ofCooling Tower in Power PlantZhaiPeiQiangSanmenxia Huayang Power Generation Co. Ltd.Henan Sanmenxia 472143Abstract:Fossil-fired power plant is a bigger consumer, and the cooling water will take 60 percent water consumption of the whole power plant. In the article, the quantitative analysis on influencing factor has been given for recycle water consumption of cooling tower in the power plant. A conclusion and some suggestions have also been put forward in the article.key words: power plant cooling tower water consumption analysis我国是一个水资源十分贫乏的国家，一些地区水资源已成为制约经济发展的主要因素之一，节约用水成了一个社会发展所必须面对的问题。
基于回归分析法对我国水资源现状的分析
我国水资源是我国重要的自然资源之一，对于国家的经济发展和人民的生活起着重要的作用。
分析我国水资源现状对于保护水资源、合理利用水资源具有重要的意义。
水资源分析是通过回归分析法可以揭示我国水资源现状的变化趋势和主要影响因素的方法之一。
回归分析是一种统计学上常用的方法，可以通过研究自变量和因变量之间的关系，来预测和解释因变量的变化。
我们可以选择一些相关的自变量，如经济发展水平、人口增长率、工业化程度等来分析其对水资源的影响。
然后，通过收集相关的数据，建立回归模型，来分析这些自变量对水资源的影响。
我们可以发现经济发展水平对水资源的利用有重要的影响。
随着经济的发展，人们对水资源的需求也会增加，同时工业化程度的增加也会对水资源的利用产生影响。
我们可以通过回归分析的方法对这些影响进行量化和分析，并提出相应的政策建议，以实现对水资源的合理利用和保护。
回归分析还可以对我国不同地区的水资源现状进行比较和分析。
通过将不同地区的自变量和因变量进行比较，我们可以得出不同地区的水资源现状存在差异的结论，并进一步探讨其原因。
基于回归分析法对我国水资源现状进行分析可以帮助我们了解水资源的变化趋势和主要影响因素，并提出相应的政策建议。
这对于保护水资源、合理利用水资源具有重要的意义。
回归分析也可以用于对我国不同地区的水资源现状进行比较和分析，为区域的水资源管理提供参考依据。
通过这些分析，我们可以更好地保护和利用我国的水资源，实现可持续发展。
机组耗水率影响因素的回归分析摘要数理统计是具有广泛应用的数学分支，在生产过程和科学实验中，总会遇到多个变量，同一过程中的这些变量往往是相互依赖，相互制约的，也就是说他们之间存在相互关系，这种相互关系可以分为确定性关系和相关关系。
变量之间的确定性关系和相关关系在一定条件下是可以相互转换的。
本来具有函数关系的变量，当存在试验误差时，其函数关系往往以相关的形式表现出来相关关系虽然是不确定的，却是一种统计关系，在大量的观察下，往往会呈现出一定的规律性，这种函数称为回归函数或回归方程[1]。
回归分析是一种处理变量之间相关关系最常用的统计方法，用它可以寻找隐藏在随机后面的统计规律。
确定回归方程，检验回归方程的可信度等是回归分析的主要内容。
按回归模型类型可划分为线性回归分析和非线性回归分析。
本文运用多元线性回归分析方法建立耗水率与出库流量、库水位的模型。
首先收集数据并利用MATLAB软件[2]进行数据处理，作出散点图。
分析图发现耗水率与出库流量、库水位有明显的线性关系。
在此基础上假设并建立模型。
对回归参数做点估计及区间估计，并作出显著性检验，发现显著效果良好，然后利用残差图[3]检验回归效果，发现异常点，进而改进模型，最后利用回归方程做点预测和区间预测。
关键词：相互关系；多元线性回归分析；线性回归方程；显著性检测目录1 设计目的 (1)2 设计原理 (1)2.1 线性回归方程的建立 (1)2.2 参数估计 (1)2.3 回归模型的假设检验 (2)2.4 回归系数的假设检验和区间估计 (3)2.5 利用回归模型进行预测 (3)3 设计题目 (4)4 实现过程 (4)4.1 回归方程的确立 (4)4.2 回归方程显著性检验 (6)4.3 模型改进 (7)4.4 回归预测 (8)5 设计总结 (10)参考文献 (10)1 设计目的为了进一步理解概率论与数理统计的基本概念、理论和方法，基本掌握MATLAB 等具有统计分析功能软件的使用，并具备初步的运用计算机完成数据处理的技能，实现理论与实践的结合。
2 设计原理2.1 线性回归方程的建立设Y 是一个可观测的随机变量，受到P(P>0)个非随机变量因素PX X X ,,21和随机因素ε的影响若Y 与P X X X ,,21有如下线性关系：()1.1.222110εββββ++++=P P X X X Y其中p ββββ ,,,210是固定的未知参数，称为回归系数，ε服从()2,0σN ，Y 称为被解释变量，模型（2.1.1）称为多元线性回归模型[4]。
已知 n 个独立观测数据()m n n i x x y im i i >=,,,1,,,1 应满足下式()2.1.22211022222211021112211101⎪⎪⎩⎪⎪⎨⎧+++++=+++++=+++++=nnp p n n n p p p p x x x y x x x y x x x y εββββεββββεββββ其中),2,1(n i i =ε相互独立，且设),,2,1)(,0(~2n i N i =σε，记⎪⎪⎪⎪⎪⎭⎫⎝⎛=n y y y Y 21 ⎪⎪⎪⎪⎪⎭⎫⎝⎛=nm n n m m x x xx x x x x x X 212222********* ⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=m ββββ 10 ⎪⎪⎪⎪⎪⎭⎫⎝⎛=n εεεε 212.2 参数估计对模型中参数m βββ,,,10 ，使用最小二乘法进行估计，即应选取估计值j ∧β，使当m j j j ,,2,1,0, ==∧ββ时，误差平方和()()1.2.21211012∑∑==----==ni im m i i n i i x x y Q βββε达到最小。
为此，令 ()2.2.2,,2,1,0,0n j Qj==∂∂β整理得()()()3.2.2,,2,1,0202111011100⎪⎪⎩⎪⎪⎨⎧==-----=∂∂=-----=∂∂∑∑==mj x x x y Q x x y Qijni im m i i jni im m i i ββββββββ整理化为正规方程组的矩阵形式()4.2.2YX X X T T =β当矩阵 X 列满秩时， X X T 为可逆方阵，上式的解为 ()()5.2.21YX X X T T -∧=β将∧β代回原模型得到 y 的估计值 ()6.2.21mm x x y ∧∧∧∧+++=βββ而这组数据的拟合值为∧∧=βX Y ，拟合误差 ∧-=Y Y e 称为残差，可作为随机误差ε的估计，而残差平方和（或剩余平方和）为()7.2.22112∑∑=∧=⎪⎭⎫ ⎝⎛-==ni i i ni i y y e Q2.3 回归模型的假设检验检验因变量y 与自变量 m x x x ,,21之间是否存在线性关系。
显然，如果所有的()m j j ,,2,1 =∧β都很小，y 与 m x x x ,,21的线性关系就不明显，所以可令原假设为()m j H j ,,2,10:0 ==β当0H 成立时由回归平方和U 和残差平方和Q 满足()()()1.3.21,~1----=m n m F m n Q mU F在显著性水平α下有上α分位数，()1,--n m m F α ，若 ()1,--<n m m F F α接受0H ；否则，拒绝。
2.4 回归系数的假设检验和区间估计当上面的0H 被拒绝时，j β不全为零，但是不排除其中若干个等于零。
所以应进一步作如下 m+1个检验 ()m j ,,1,0 =：()0:0=j j H β若假设成立 ()()()1.4.21~1----=∧m n t m n Q c t jjj β对给定的α，若()12--<m n t t j α，接受()j H 0；否则，拒绝。
对j β作区间估计()m j ,,1,0 =，在置信水平1−α下，j β的置信区间为()()()2.4.21,122⎥⎦⎤⎢⎣⎡--+---∧∧jj j jj j c s m n t c s m n t ααββ其中1--=m n Qs 。
2.5 利用回归模型进行预测当回归模型和系数通过检验后，可由给定的()m x x x 0010,, = 预测0y ， 0y 是随机的，显然其预测值（点估计）为()1.5.201100omm x x y ∧∧∧∧+++=βββ给定α可以算出0y 的预测区间（区间估计），结果较复杂，但当 n 较大且 x 0i 接近平均值x i 时，y 0 的预测区间可简化为()2.5.2,2020⎥⎦⎤⎢⎣⎡+-∧∧s z y s z y αα其中2αz 是标准正态分布的上2α分位数。
对y 0 的区间估计方法可用于给出已知数据残差 ()n i y y e i i i ,1=-=∧的置信区间，e i 服从均值为零的正态分布，所以若某个 e i 的置信区间不包含零点，则认为这个数据是异常的，可予以剔除。
3 设计题目本文选用葛洲坝机组发电耗水率数据进行分析得到其主要影响因素为库水位,出库流量。
数据如表3.1所示，利用多元线性回归分析方法建立耗水率与出库流量、库水位的模型。
表3.1 某天耗水率与出库流量、库水位的数据4 实现过程4.1 回归方程的确立本文采用二元线性回归模型[8]，分析机组耗水率与其影响因素出库流量、库水位的关系。
故选用“机组发电耗水率”为应变量Y ，选用“出库流量”、“库水位”为21,X X ，对已知数据进行数据处理。
运用MATLAB 软件[5]作出散点图。
输入： A=[65.08 15607 60.46 65.10 15565 60.28 65.12 15540 60.10 65.17 15507 59.78 65.21 15432 59.44 65.37 15619 59.25 65.38 15536 58.91 65.39 15514 58.76 65.40 15519 58.73 65.43 15510 58.63 65.47 15489 58.4865.53 15437 58.31 65.62 16355 57.96 65.58 14708 57.06 65.70 14393 56.43 65.84 14296 55.83];% 做散点图subplot(1,2,1),plot(A(:,1),A(:,3),'+') xlabel('x1(库水位)')ylabel('y(耗水率)')subplot(1,2,2),plot(A(:,2),A(:,3),'o') xlabel('x2(出库流量)') ylabel('y(耗水率)')结果：图4.1.1 散点图从图中可以看到无论是库水位还是出库流量都与机组发电耗水率具有线性关系，因此，可以建立机组发电耗水率与库水位和出库流量的二元线性回归模型。
()1.1.422110εβββ+++=X X Y再利用 MATLAB 统计工具箱中的回归分析命令[6]进行分析， 输入：[m,n]=size(A); y=A(:,3); x=A(:,1:2);[b,bint,r,rint,stats]=regress(y,[ones(m,1),x]); b,bint,stats并得出结果：b =373.8698 -4.9759 0.0007bint =340.0820 407.6577 -5.4642 -4.4875 0.0004 0.0009stats =0.9863 468.4118 0.0000 0.0278将结果整理得下表：表4.1.1 回归模型的系数、系数置信区间与统计量210007.09759.48698.373xx y +-=∧4.2 回归方程显著性检验（1）拟合优度检验相关系数9863.02=R ，非常接近1，说明本模型对样本数据拟合较好，即解释变量“出库流量”、“库水位”对被解释变量“耗水率”的绝大部分差异做出了解释。
（2）F 检验由MATLAB 所得数据F=468.4118，查F 分布表，在显著水平α=0.005的情况下，()19.813,2005.0=F ，比较得F 远大于8.19，说明耗水率与出库流量、库水位间存在显著的线性关系。
（3）残差分析残差分析的基本方法是由回归方程[7]作出残差图，通过观测残差图，以分析和发现观测数据中可能出现的错误以及所选用的回归模型是否恰当；在残差图中，残差点比较均匀地落在水平区域中，说明选用的模型比较合适，这样的带状区域的宽度越窄，说明模型的拟合精度越高，回归方程的预报精度越高。
在MATLAB 界面下输入：rcoplot(r,rint);得到残差图如下：图４.2.1 残差示意图4.3 模型改进考虑删除异常点程序并重新建立模型。
