多元回归分析的原材料对混凝土裂缝的影响分析
摘要
通过对多元回归分析原理及模型介绍, 结合三峡工程大坝混凝土试验实测数据, 运用统计分析程序SPSS 对影响混凝土抗裂性能指标的五大因素进行了多元线性回归分析, 得到了各因素之间的相互关系及各因素对抗裂指标的影响权重。
关键词: 多元回归分析; 原材料; 水工混凝土; 裂缝
Abstract
The paper has made a mul t iple linear re gression analysis of the five major fac tors that af fect concrete crack-
resistant performance inde xes and obtained the correlations among the factors and the weight of each factor af fecting the
crack resistance indexes based on theThree Gorges dam concrete laboratory test results by introducing the multiple regres _
sion analysis principle and model and by applying the statistical analysis program SPSS as well.
Key words : mul ti- element regres sion analysis; raw material; hydraulic concrete; crack
一、多元回归分析原理与模型
1.1多元线性回归分析原理与数学模型
讨论的问题是如何同时考虑多个因素对同一结果的影响。此时, 因变量( Dependent Variable) 只有1个, 也称为反应变量或响应变量( Response Variable) ,常用y 表示。自变量( Independent Variable) , 也称解释变量( Explanatory Variable) 有多个, p 个自变量用向量形式表示为( x 1 , 2 , , p ) 。设有n 例观察对象,第i 例( i= 1, 2, , n) 的一组观察值为( y i , x i1 , x i2 ,, x ip ) 。当因变量与自变量组之间存在多重线性关系时, 应用多重线性回归模型可以很好地刻画它们之间的关系。yi = y^ i+ ei= b0+ b 1xi1+ + bpx ip + ei ( 1)
由公式( 1) 可以看出, 实测值yi 由两部分组成, 第一部分为其估计值, 用y^ 表示, 即给定各自变量取值时, 因变量y 的估计值, 表示能由自变量决定的部分。ei 为残差, 是应变量实测值y 与其估计值y^之间的差值, 表示不由自变量决定的部分。它对于判断当前建立的模型是否成立, 是否还有别的变量需要引入模型等一系列问题是非常有价值的。公式中b0 为常数项, 它表示当所有自变量取值均为零时因变量的估计值, bi 为偏回归系数, 表示当其他自变量取值固定时( 所以在回归系数前加上! 偏?字) , 自变量xi 每改变一个单位时, 决定y^ 的变化量式。
公式( 1) 有n+ 1 个参数, 如何确定它们的取值? 假设从数轴的最左端- # 开始, 直至数轴最右端+ # 结束, 如果任意地决定这n + 1 个参数, 将得到无穷多个回归模型。分别应用这无穷多个回归模型, 对每一条记录求其反应变量预测值与实测值之差的平方和( yi - y^ i ) 2 , 将其累加, 在无穷多个可能的回归模型中累加值? ( yi - y^ i ) 2 最小的那个回归模型就是我们所需要的, 这就是所谓的最小二乘法(Least Square) 。即使得以下指标达到最小:
与一元线性回归一样, 进行多元线性回归还是需要进行回归系数的检验, 需要估计回归系数的置信区间, 需要进行预测与假设检验等方面的讨论。所不同的是, 由于多元回归涉及到多个自变量, 进行回归时就要考虑各个自变量之间的关系, 如它们之间是否存在共线性的问题。
1.2 SPSS 简介
SPSS( Statistical Package for the Social Science) 社会科学统计软件包是世界最著名的统计分析软件之一。该软件包理论严谨, 各种统计分析功能齐全, 其内容覆盖了从描述统计、探索性数据分析到多元分析的几乎所有统计分析功能, 目前已经在国内逐渐流行起来。SPSS 的基木功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS 统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类。每类中又
分好几个统计过程, 比如回归分析中又分线性回归分析、曲线估计、Logistic 回归、Probit 回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程, 而且每个过程中又允许用户选择不同的方法及参数。
二、三峡大坝混凝土抗裂性能试验结果的多元回归分析
2.1变量选取
根据三峡工程大坝混凝土的部分试验实测数据(详见表1) , 建立数据文件。选取其中极限拉伸值y 为预报量, 用水量x 1、粉煤灰掺量x 2、减水剂掺
量x 3、引气剂掺量x 4、水胶比x 5、5 项指标作为预报因子。为了探寻各预报因子之间的相互关系及对于预报量贡献值的大小, 采用多元全回归法对预报量y 与预报因子Xi 之间的关系进行了回归分析。
2. 2线性逐步回归分析过程
在SPSS 菜单栏上选择Analyze→ Regression→Linear, 则出现Linear Regression( 线性回归分析) 主对话框, 见图1。将y 选入Dependent( 因变量) 框中, 将x 1、x 2、x 3、x 4、x 5 选入Independent ( 自变量) 框中。Method 框选择Enter( 全回归法, 及所选自变量全部引入方程) ; 单击Statistics 按钮, 在Statistics( 线性回归统计量子对话框) 中, 选择Estimate、ModelFit, 单击Cont inue, 回到Linear Regression主窗口, 选择 In-clude Constant In Equation,单击Continue, 回到
Linear Regression 主窗口, 然后点击“OK“按钮,得到线性回归结果。
表1回归分析变量表
图1线性回归分析过程图
2. 3线性逐步回归分析结果
根据以上的操作步骤可以得到如下的回归结果。表2给出了自变量进入模型的方式, 5个自变量用水量x 1、粉煤灰掺量x 2、减水剂掺量x 3、引气剂掺量x 4、 水灰比x 5强制纳入回归模型。表3显示了相关系数R = 0.956,可决系数R2= 0.915及校正的可决系数 R2adj = 0. 844,说明因变量极限拉伸值y与所选五个自变量之间存在较为密切线性相关性。
表2变量输入输出表
表3模型综合表
表4方差分析表
表4是方差分析表, 也即模型中所有自变量的回归系数等于零的F检验结果。回归平方和SRR=1330. 956,残差平方和SSE= 123.961,总偏差平方和
SST= 14. 917,对应的自由度分别为5,6,11,回归均方差MSR=266.191,残差均方MSE=20.660,回归方程的显著性检验统计量F=12.884,检验 P=0.004<0.05,说明至少有1个自变量的回归系数0.004<0.05,说明至少有1个自变量的回归系数不为零,所建立的回归模型有统计学意义。
表5系数分析表
表6共线性诊断表
表5 为系数分析表, 给出了回归模型中各项的偏回归系数和各自标准差, 以及对各参数是否等于零的t检验结果。常数项回归系数(Constant)为93.483,x1 的系数为2.170,x2的系数为-1.525,x 3的系数为-80.062,x 4的系数为2756.5, x 5的系
数为-361.278,回归系数的标准差( Std. Error)分别为268.942、2.072、1.576、41.555、4406.136、112.214,x 1、x 2、x 3、x 4及x 5标准化回归系数Beta分别为0.215、-3.043、-1.233、1.827、-2.802。t值分别等于0.348、1.047、-0.968、-1.927、0.626、-3.220,P值分别为0.740、0.335、0.371、0.102、0.555、0.018。按a=0.05显著性水平,分析认为除了自变量x 5以外,自变量x 1、x 2、x 3、x 4均与因变量不存在较为显著的线性关系。
表6为共线性诊断表。变异构成( Variance Pro-portions) ,即回归模型中各项(包括常数项)的变异被各主成分所能解释的比例,换句话说,即各主成分对模型中各项的贡献。如果某个主成分对两个或多个自变量的贡献均较大(如大于0.5),说明这几个自变量间存在一定程度的共线性。由表可见,第4主成分的x 3 与x 5,第5主成分的x 2与x 4均存在较为严重的共线性问题。
根据回归系数分析表,用全回归法最后得到的多元回归方程式为:y= 2.170X1-1.525X2-80.062X3+2756.5X4-361.278X5+93.483
模型的回归系数为R=0.956。
三、结论
1)混凝土原材料的选择与用量与其抗裂性能指标之间存在较为显著的线性回归关系。但从多元回归分析的结果来看,原材料各因素之间存在较为强烈的共线性问题,如例中的减水剂 x 3与水灰比x 5、粉煤灰x 2与引气剂 x 4,这说明原材料各因素之间也不是完全
相互的,存在相互影响、相互制约的关系,在混凝土配合比设计中应充分考虑到这些相关联的影响因子。
2) 由于标准化偏回归系数( Standardized Coef ficient)比较可靠的反应了自变量( x 1,x 2 ,。。。,xp)对因变量y的贡献大小,结合例中数据(标准化回归系数Beta依次为0.215、-3.043、-1.233、1.827、-2.802),容易得出原材料各因素对混凝土抗裂性能指标的影响权重,即粉煤灰掺量>水胶比>引气剂掺量>减水剂掺量>用水量。
由表4的计算结果,绘制亚碧罗大坝表面保护标准与表面抗拉安全系数的关系曲线,见图3。
图3亚碧罗大坝表面散热系数_与表面抗裂安全系数的关系曲线
由图3可知,在工况3作用下亚碧罗大坝表面开裂风险性最大,工况1和2 的表面开裂危险性相近。亚碧罗工程设计时表面抗裂安全系数取k=1.25,则查图3得出:工况3的表面放热系数?=0.7KJ/(m2?h?.C),工况1的表面放热系数?=32.5 KJ/(m2?h?.C),工况2的表面放热系数?=30.0KJ/(m2?h?.C)。
通过以上的仿真计算及结果分析,得出亚碧罗大坝表面保护标准:1)早龄期混凝土表面开裂的风险性较大,尤其是冬季新浇筑的混凝土表面开裂的可能性更大,必须及时做好早龄期混凝土表面保护工作,使得混凝土表面放热系数?<=7.0 KJ/(m2?h?.C);2)高龄期混凝土仍存在表面开裂的可能性,尤其当夏季浇筑的混凝土越冬时开裂的危险性更大,需采取措施控制混凝土表面放热系数? <=30.0 KJ/(m2?h?.C)。
四、结语
以亚碧罗碾压混凝土重力坝为研究对象,考虑混凝土水化热、徐变和水管冷却等因素,利用三维有限元法,对早龄期混凝土遭遇寒潮进行了仿真计算及对比分析,得出:冬季新浇筑的混凝土在早龄期遭遇寒潮袭击时,其表面开裂风险最大;在相同龄期和保温措施下,混凝土遇降幅相同的寒潮袭击时,寒潮作用时间越长,产生表面开裂的危险性越大。进而通过对气温年变幅和日变幅的分析,提出了亚碧罗大坝表面保护设计的气温变化最不利组合,最终通过仿真计算分析, 提出了亚碧罗大坝合理的表面保护标准。
参考文献:
[1] 朱伯芳 大体积混凝土温度应力与温度控制[ M] 北京:中国电力出版社, 1999.
[2] 朱伯芳 有限单元法原理与应用( 2版) [ M] 北京:中国水利水电出版社, 1998.
[3] 龚召熊,张锡祥,肖汉江等 水工混凝土的温控与防裂[ M] 北京:中国水利水电出版社,1999.
[4] 龚召熊,罗承管,张锡祥 气温骤降与大体积混凝土表面裂缝[J] 人民长江, 1990,21( 12) : 10- 15.
[5] 朱伯芳 混凝土坝温度控制与防止裂缝的现状与展望[J] 水利学报,2006, 37(12) : 1424- 1432.
[6] 朱伯芳 建设高质量永不裂缝拱坝的可行性及实现策略[J] 水利学报,2006, 37(10) : 1155- 1162.
[7]张怀芝,何蕴龙,彭云枫 桑郎碾压混凝土拱坝温度场仿真分析[J] 水利水运工程学报,2007. 12.
[8] 朱伯芳 混凝土拱坝运行期裂缝与永久保温[J] 水力发电,2006,32(8) : 21- 24.
[9] 杨虎,黄玮,黄达海等 混凝土施工期表面保护仿真研究[J] 云南水力发电,2007,23(6) : 35- 38.
[10] 黄春晓 大体积混凝土表面保护的计算分析[J] 武汉水利电力学院学报,1991,24(2) : 212- 216.
[11] K. J. Bathe. ADINA Theory and Modeling Guide Volume ): ADINA- T[R] . ADINAR&D,2003.
因篇幅问题不能全部显示,请点此查看更多更全内容
Copyright © 2019- efsc.cn 版权所有 赣ICP备2024042792号-1
违法及侵权请联系:TEL:199 1889 7713 E-MAIL:2724546146@qq.com
本站由北京市万商天勤律师事务所王兴未律师提供法律服务