论岩土施工企业生产效率预测与评估方法.docxVIP

?

?

论岩土施工企业生产效率预测与评估方法

?

?

廖辉辉

摘要：根据已知数据结构特点，进行回归分析形成线性的预测函数，对其显著性进行比较并进行优化处理，突破常规的用一次函数进行线性拟合的方法，最终建立起比线性预测函数精度更高的多元非线性关系的预测数学模型。对某岩土工程施工企业连续7个月在每个月的工程项目投入产出观测值与预测值进行比较，对其生产效率进行分析评估。这种分析方法也适用对其它领域的研究分析。

关键词：回归分析;拟合函数;显著;效率

Abstract：Accordingtotheknowndatastructurecharacteristics，regressionanalysisiscarriedouttoformalinearpredictionfunction，anditssignificanceiscomparedandoptimized，whichbreaksthroughtheconventionalmethodoflinearfittingwithprimaryfunction，andfinallyestablishesapredictionmathematicalmodelofmulti-elementnonlinearrelationshipwithhigheraccuracythanthelinearpredictionfunction.Thispapercomparestheobservedvalueandpredictedvalueoftheprojectinputandoutputofageotechnicalengineeringconstructionenterpriseineachmonthforsevenconsecutivemonths，analyzesandevaluatesitsproductionefficiency.Thismethodcanalsobeappliedtootherfields.

Keywords：regressionanalysis;fittingfunction;significance;efficiency

1?回归分析建立初步预测函数

1.1已知数据结构特点

已知数据结构特点见表1。

1.2回归分析

以Q为因变量，L和K为自变量进行回归分析，方差分析结果如表2、表3所示。

根据回归分析的结论得出回归方程即拟合函数：Q=-79.75+15.09×L+0.70×KF≥F1-α（m，n-m-1）时，回归效果显著，由方差分析有F=554.9319267F0.95（2，4）=6.94，所以回归方程显著。

2?比较并优化预测函数

2.1数据比较

根据前面所求的拟合函数即回归方程Q=-79.75+15.09×L+0.70×K求出预测值与观测值的偏差率，数值及图像直观对比如表4、图1、图2所示。

2.2数据优化

图可见，回归方程对总体的拟合效果显著，在序号为3、4、5、7项偏差较大，第4项偏差高达161.88%，可見拟合效果在局部范围存在较大缺陷，需进一步完善优化。

保持产值Q不变，对人力投入L和资金投入K进行数学转换，见表5。

以产值Q为因变量，L2和lnK为自变量进行回归分析，方差分析结果如表6、表7。

根据回归分析的结论得出回归方程即拟合函数：Q=-28.85+0.97×L2+9.95×lnKF≥F1-α（m，n-m-1）时，回归效果显著[1]，由方差分析有F=5118.1705F0.95（2，4）=6.94，所以回归方程显著。

根据回归方程Q=-28.85+0.97×L2+9.95×lnK，求出预测值与观测值的偏差率，数值及图像直观对比如表8。

以L2（X1）为自变量时，产值Q（Y）的预测值与观测值对比图，图3。

以lnK（X2）为自变量时，产值Q（Y）的预测值与观测值对比图，图4。

从上方表格和图像明显可见预测值与实际值几乎重合，回归方程效果显著，最大偏差为第4项，相对偏差控制在5.39%以内，对总体及各点拟合均比前次所求回归方程显著。用Q=-28.85+0.97×L2+9.95×lnK进行预测效果更好，将此式作为投入产出预测函数。

特别指出，在进行优化处理时为何将多元一次线性回归方程即初次拟合的预测函数Q=-79.75+15.09×L+0.70×K转为含有幂函数和对数函数的多元非线性的预测函数关系式Q=-28.85+0.97×L2+9.95×lnK，以及如何在众多的函数关系中选定何种函数进行优化处理，需要另外进行专题讨论，本文中不