以北京某大型民营连锁加油站为例，该站采用Mini9000集中式二次油气回收系统。zhong所周知集中式油气回收系统回收气量非常不稳定，气液比数据跳动性强。我们随机选取该加油站距离真空泵最远的10号加油枪，连续152个加油样本数据，建立算法模型。
|
|
通过绘制油气流量(Y)和燃油流量 (X)的散点图，来分析两个变量之间存在线性关系。从散点图可以看出油气流量(Y)和燃油流量(X)大体呈现为线性关系，所以建立如下线性模型： | 从上表可以看出油气流量与燃油流量之间相关系数为0.982，为高度线性相关，进步确认建立一元线性回归模型。 |
3.建立线性回归模型
|
|
| 结果分析：表1中相关系数为0.982，判定系数为0.982，调整判定系数为0.964，估计值的标准误差1.80858。表2是回归分析中的系数：常数项a0=1.648，燃油流量X的回归系数a2=1.035。a2的标准误差为0.016，回归系数t的检验值为63.020，P值为0，满足95%的置信区间，可认为回归系数有显著意义。 得到线性回归方程：Y=1.035X+1.648 |
|
|
4.残差分析
| 1）残差自相关分析 | 2）残差异方差检验 |
|
|
|
| 从上图可以残差之间相关性特别小，其相关系数都在95%的置信区间之间，相对于自相关性的伴随概率都小于0.05，说明序列之间不存在显著的相关性。 | 从上图可以看出残差不存在异方差性 |
5.预测分析
| 1）根据前面建立的模型，对油气流量进行预测分析，其真实值与拟合值的图形如下： | 2）拟合预测的误差分析结果如下： |
|
|
从上图可以看出平均绝对误差仅为1.27，绝对误差所占总误差的比例仅3.85%，说明模型拟合的不错，模型可以应用实际工作中。 |
![1)L{%{N]GFQ[J2(EM1BKYN0.png](https://img76.chem17.com/9/20210823/637653228892865253646.png "1)L{%{N]GFQ[J2(EM1BKYN0.png")
![5V}2YNVZ]WZ%9GENL)CJIAV.png](https://img76.chem17.com/9/20210823/637653232648721253778.png "5V}2YNVZ]WZ%9GENL)CJIAV.png")
