（定稿）XXX道路及附属工程建设项目建议书（喜欢就下吧）

与上面的结果进行比较。

上文也已经提到了，由于人口与妇女生育率的相对稳定，大致上来说，是呈现线性关系的，因此采用多变量的数据拟合的方法对于这个问题来讲，也是比较合适的。

至于系数的设置问题，由于条件的改变，需要从新设定，前面的已经不适用。

多变量的数据拟合的简介多变量的数据拟合的办法，主要针对的是多个变量同时对个数据产生影响的情况。

具体操作如下如果说影响变量的因素不是只有个，而是有几个，比如说有个因素，同时对变量产生影响，这是通过查询得到的组数据可以得到下表编号在般的情况下来说，如果选择的是近似方程为和前面提到的样，把数据代入方程之后将得到个矛盾方程组，所以这里任然利用最小二乘法的原理来确定方程中的全部系数。

使得，要求要使得，达到极小。

将式子，分别对，求偏微商，而且分别令，的偏微商等于就得到也就是说这也是个正规方程组。

当然这个这个正规方程组经过简化整理可以得到另种形式，该形式如下在这之中，，通过求解线性方程组即可以求得再从式子计算出，通过这两个方程组就可以求得全部的系数了。

因为通常我们假设观测数据的数组大于自变量的个数即，并且假设任自变量都不能用其他自变量的线性表出，这时方程总有唯解。

这就是多变量拟合的般过程和原理，大体上看来与最小二乘法是差不多的，只是变量的个数多了些。

接下来就是利用多变量数大学出版社，徐泽水不确定多属性决策方法及应用北京清华大学出版社，王应明应用离差最大化方法进行多指标决策与排序系统工程与电子技术徐萃微，孙绳武计算方法引论，北京高等教育出版社，致谢在论文结束之际，我要大力感谢李强老师对于本篇论文的严格审核，不厌其烦的指出了文章中的纰漏和，并给与了我大量的指导意见，让这篇存在着大量和漏洞的拙文变得流利通畅，在这里，我要再次感谢李强老师次次的辛勤付出，在百忙之中抽出时间指导我的写作。

在李强老师的帮助之下我顺利完成了这篇文章同时也非常感谢汪新凡老师赵育林老师以及其他任课老师的帮助据的拟合方法解决分孩次生育率与人口总量的数据拟合问题。

多变量的数据拟合的系数设置与前面的最小二乘法数据拟合相比，多变量的数据拟合问题的系数有所不同，前面自由个变量就是妇女生育率，而这里就涉及到了三个数据变量，他们分别是孩生育率，二孩生育率，以及三孩生育率。

同样的，为了不使数据溢出影响精度，仍然把人口总量作为因变量，而把妇女生育率作为自变量，因此，在这里把人口总量设置为，把孩生育率设置为，把二孩生育率设置为，把三孩生育率设置为。

因此这里涉及到组数据。

利用多变量的数据拟合求解在前文中已经已经查询到了关于年直到年七年的人口总量以及这几年的妇女生育的数据，这些数据如下表所示编号现在选择的近似方程是这是个线性方程，现在用最小二乘法的原理来确定系数，也就是要使得，取得极小值，为此，分别对，求偏微商，而且令他们的偏微商为得正规方程组由解得即，。

程序代码解得的近似方程为这里把多属性的数据拟合函数解出来了，仍然要对其进行检测，所选取得年份仍然是年，从上文可以看到年我国的孩生育率是，二孩生育率是，三孩生育率是，当年的人口总量是万人，把分孩次生育率代入到刚才的近似方程中，解得的结果是万，与实际人口数量的偏差为万，误差是比较大的，比直接用最小二乘法解得的数据误差大些，因此用最小二乘法解更加的合适。

小结本文利用最小二乘法和多变量的数据拟合的方法来求解分孩次生育率与人口总量之间的函数关系，首先查询得到历年的人口数据，然后是查询得到历年的妇女生育率的数值，利用离差最大化的决策方法来给分孩次的妇女生育率加权，使各孩次的贡献程度比较直观的表示出来了。

最后是分别用最小二乘法和多变量的数据拟合的方法分别拟合函数，并做个比较，最终的结果是使用最小二乘法的效果比使用多变量的数据拟合的方法误差要小，在本文的条件下，使用最小二乘法来拟合函数是比较适合的。

参考文献中国人口统计年鉴年年国家统计局中国统计年鉴年年国家统计局李勇胜人口统计学成都西南财经大学出版社，温勇人口统计学南京东南排序的作用越小。

反之则说明该属性对于排序来说起着更大的作用。

因此，从方案排序的方面来讲，偏差值越大的属性应该赋予更大的权重。

特别的，若所有方案在属性下的属性值无差异，则该属性对于方案的排序来说是不起任何作用，可令其权重为，而离差最大化的方法正是在这前提条件下通过计算方案的离差，并求解方案的离差模型达到最优值而求解出最终的结果。

但是考虑到本篇文章的特殊性，即不需要对方案进行最后的排序，只需要在计算出权重属性后计算出各年的决策属性值即可，因此舍去了决策分析的最后过程，具体的步骤如下步骤对于个多属性决策问题，我们首先需要做的是要构造个决策矩阵，并利用适当的方法把它规范化为规范化的方法为如果属性权重的类型是效益型，即属性值越大越好的属性，那么或者若属性权重值是成本型，也就是说属性值越小越好的属性，那么或者其中，为各个方案，为属性效益型以及成本型由此得到我的规范化矩阵步骤利用公式，计算出各方案的最优权重向量，，属性权重值就算出来了步骤根据上步所计算出来的属性权重值给各个方案进行加权，以此计算出来的结果即是每个属性的综合决策属性值。

由于本文并不需要对各年的妇女生育率属性进行排序，所以最后的步骤也就是排序的步骤就省略了。

由计算所得的决策权重计算各年的综合决策值骤由工体会矿井建设技术论文集第辑李亚青煤仓滑模施工的测量与纠偏河北煤炭，沈文亚洲最大节能环保型储煤仓在我国建成煤炭科技，菅永峰刘永杰八筒联体群仓分组滑模施工建筑技术李长山筒中筒煤仓仓体的滑模施工，建井技术，马杰滑模技术的重大突破新型保温煤仓全现浇复合仓壁的施工煤矿设计，，，吴恒立拱式体系稳定计算北京人民交通出版社，，，，，，导师意见导师签字年月日专家组审核意见专家组成员签字组长签字年月日学科审核意见负责人签字年月日学院审核意见院长签字年月日研究生院意见院长签字年月日，，，，，，，，，，郑先华，阮建成，邓守银等逐层空滑施工三联体煤仓的实践中国煤炭王聪明煤仓仓体滑模设计施工技术科技情报开发与经济张志，王增琴，何青等火电厂煤仓防爆安全监测系统的研究现代电力高升亮，郭滨大口径冻结立井井筒滞后出水治理技术城市建设理论研究电子版苏高峰贮煤仓的滑模施工山西建筑张荣富，苗志同大直径筒仓滑模施工技术山西建筑颜祝明，蒋建，夏季等燃煤电厂原煤仓动态监测方法研究及系统开发广东电力王博，王辉，等无粘结预应力筒仓滑模施工措施的改进实践特种结构，刘虎圆形仓体结构滑模施工技术河北工程技术高等专科学校学报王骏浅谈矿山建设中滑模技术的应用科技情报开发与经济付汉江等超大直径预应力矿井筒仓滑模施工技术硅谷冯晓勇，刘中华煤仓仓位监测显示系统煤矿机电刘洪波，朱绍岗，方华艳等原煤仓滑模施便施工成本较低且工程质量好，能有效解决现有连体仓滑模过程中存在的施工成本高施工难度大施工质量差及容易出现安全事故等实际问题。

结合胡家河块煤仓工程对该方法的深入研究和总结，将为类似连体仓的滑模施工提供借鉴和参考。

本课题研究的内容与方法本课题分别对五连体筒仓设计计算及施工进行了研究。

筒仓结构特点筒仓作为种现代结构，具有高耸特征及荷载大，重心高的特点。

筒仓的平面布置应根据工艺条件地形条件工程地质条件进行技术经济比较后确定。

胡家河矿井块的工艺要求建五个仓。

当储存的物料品种单或储量较小时，用独立仓或单列布置。

当储存的物料品种较多或储量大时，则布置成群仓。

仓顶标高，筒仓厚度为，仓顶为框架结构，建筑物总高度。

为了容易施工和钢筋配置，建设钢筋混凝土圆形群仓时，应选用仓壁和筒壁仓下支承结构外圆相切的连接方式。

筒仓的平面形状，宜优先选用圆形。

筒仓按截面形式可划分为方形筒仓和圆形筒仓，其中圆形筒仓具有受力均匀充分合理利用材料等优点，因而应用较广。

为了使滑模能够连续施工，钢筋混凝土筒仓应尽量选择圆形仓。

直径大于米的钢筋混凝土圆形筒仓，因单仓荷载较大。

应尽量避免使用群仓布置方案。

胡家河矿井块煤仓工程选用直径为米的五连体钢筋砼圆筒仓。

设计计算计算要素胡家河矿井五连体筒仓设计计算日报，朱建庚风险预防原则与海洋环境保护北京人民法院出版社，阎政美国核法律与国家能源政策北京北京大学出版社，尤函切尔诺贝利核电站爆炸泄漏事故概况及启示国防科技工业，全立法中也不例外。

对筒仓结构特点根据功能确定筒仓设计计算要素桩基础力学分析仓顶框架受力分析仓下漏斗受力分析优化步数值的三个因素。

与上面的结果进行比较。

上文也已经提到了，由于人口与妇女生育率的相对稳定，大致上来说，是呈现线性关系的，因此采用多变量的数据拟合的方法对于这个问题来讲，也是比较合适的。

至于系数的设置问题，由于条件的改变，需要从新设定，前面的已经不适用。

多变量的数据拟合的简介多变量的数据拟合的办法，主要针对的是多个变量同时对个数据产生影响的情况。

具体操作如下如果说影响变量的因素不是只有个，而是有几个，比如说有个因素，同时对变量产生影响，这是通过查询得到的组数据可以得到下表编号在般的情况下来说，如果选择的是近似方程为和前面提到的样，把数据代入方程之后将得到个矛盾方程组，所以这里任然利用最小二乘法的原理来确定方程中的全部系数。

使得，要求要使得，达到极小。

将式子，分别对，求偏微商，而且分别令，的偏微商等于就得到也就是说这也是个正规方程组。

当然这个这个正规方程组经过简化整理可以得到另种形式，该形式如下在这之中，，通过求解线性方程组即可以求得再从式子计算出，通过这两个方程组就可以求得全部的系数了。

因为通常我们假设观测数据的数组大于自变量的个数即，并且假设任自变量都不能用其他自变量的线性表出，这时方程总有唯解。

这就是多变量拟合的般过程和原理，大体上看来与最小二乘法是差不多的，只是变量的个数多了些。

接下来就是利用多变量数大学出版社，徐泽水不确定多属性决策方法及应用北京清华大学出版社，王应明应用离差最大化方法进行多指标决策与排序系统工程与电子技术徐萃微，孙绳武计算方法引论，北京高等教育出版社，致谢在论文结束之际，我要大力感谢李强老师对于本篇论文的严格审核，不厌其烦的指出了文章中的纰漏和，并给与了我大量的指导意见，让这篇存在着大量和漏洞的拙文变得流利通畅，在这里，我要再次感谢李强老师次次的辛勤付出，在百忙之中抽出时间指导我的写作。

在李强老师的帮助之下我顺利完成了这篇文章同时也非常感谢汪新凡老师赵育林老师以及其他任课老师的帮助据的拟合方法解决分孩次生育率与人口总量的数据拟合问题。

多变量的数据拟合的系数设置与前面的最小二乘法数据拟合相比，多变量的数据拟合问题的系数有所不同，前面自由个变量就是妇女生育率，而这里就涉及到了三个数据变量，他们分别是孩生育率，二孩生育率，以及三孩生育率。

同样的，为了不使数据溢出影响精度，仍然把人口总量作为因变量，而把妇女生育率作为自变量，因此，在这里把人口总量设置为，把孩生育率设置为，把二孩生育率设置为，把三孩生育率设置