数学建模论文-私家车保有量增长及调控数学模型

私家车保有量增长及调控数学模型摘要我国经济的快速发展为私人汽车提供了巨大的发展空间。据中国汽车工业协会估算，截止到2006年底，中国私人汽车保有量约为2650万辆，占全国汽车保有量的60%左右。在2006年，我国汽车销量为710多万辆，私人购买比例超过77%，中国已经成为仅次于美国的全球第二大新车市场。本文对针对某地区私家车保有量增长及调控问题进行了探讨和研究。分别建立了主成份分析模型分析影响汽车保有量的因素并对汽车保有量进行预测。利用经济学相关知识分别建立了私人汽车保有量与人均国内生产总值、存款准备金率及一年存款利率之间的函数关系，对应建立了多元线性回归模型，通过建立一个线性优化模型，来到到对未来一段时间该地区公交车及私人小汽车保有量的一个合理调控方案。关键词：主成分分析多元线性回归模型线性优化模型一、问题重述据世界银行的研究，汽车保有量(尤其是私人汽车)与人均国民收入成正比。2003年，我国国内人均GDP首次突破1000美元，这预示着中国汽车开始进入家庭消费阶段。而事实表明，随着中国人均GDP的稳健增长，近年来，我国的家用汽车销量以两位数的增速急剧扩大。汽车特别是用于消费的私人汽车保有量的多少，与经济发展程度、居民收入以及道路建设等有着密切的联系。随着私人汽车消费时代的到来，汽车保有量上升的一个重要因素就是国内汽车消费的快速增长。消费者购买力的增强和个体私营经济的快速发展，也带动了私人汽车的大发展。私人汽车保有量与一个国家或地区的社会经济发展的有关数据有着密切关系。附表提供了我国某一经济发达地区的一些相关统计数据。然而，当我们快速迈进以私人汽车为主体的汽车社会的时候，也面临着新的考验，除了能源紧缺、燃油价格上涨、土地资源有限等诸多不利因素对汽车发展带来巨大的压力外，环境污染也对汽车工业的发展提出了严格的要求。我国于上世纪1999年对生产的小汽车废气CO、HC、NOX和PM允许排放量制订了国家标准(相当于欧洲标准)。规定生产的汽车从2000年1月1日起实施国Ⅰ排放标准，从2005年1月1日起实施国Ⅱ排放标准，从2007年7月1日起实施国Ⅲ排放标准，从2010年1月1日起实施国Ⅳ和国Ⅴ排放标准(实现基本与欧洲标准同步)。据有关资料介绍，在城市交通中，小汽车与公共汽车相比，单位小汽车排放的污染物比公共汽车高9倍。如果对这种快速增长不从战略的高度加以科学引导和调整，汽车的迅猛增长将不再单纯体现经济建设成就，巨大的负面效应也将成为社会发展的阻碍因素。因此，基于上述的现象我们研究下述问题：1、根据附表中的相关数据建立数学模型，分析影响该地区私人汽车保有量的因素，并预测到2010年该地区私人汽车保有量有多少？2、自2007年以来，CPI指数累创新高，为了稳定宏观经济，控制投资与物价的过快上涨，防止过大的资产价格泡沫和过度的投机,政府决定自去年开始及今后一段时期内采取从紧的货币政策，如，加息、提高人民币存款准备金等等.据统计,2007年政府5次升息，9次上调存款准备金率，分析这些措施对该地区私人汽车保有量有什么样的影响？3、假设私人汽车的年运行公里数是公交车年运行公里数的五分之一。按照汽车废气国III排放标准（欧III）（要求CO排放量每公里不超过2.3克，HC+NOX排放量每公里不超过0.56克，PM排放量每公里不超过0.05克）,如何根据该地区的汽车废气的排放情况，来调控公交车和私人汽车保有量？二、基本假设1.假设附录中所提供的历史数据真实有效；2.假设社会是稳定的，发展是平稳的，不考虑因突发事件而导致保有量的突变；3.假设汽车生产厂家不会出现停产或者供应不足的现象；三、问题分析问题一的分析：对于问题一，要求我们分析影响该地区私人汽车保有量的因素，并预测到2010年该地区私人汽车保有量。从所给数据表中我们知道影响汽车保有量的因素有11个。考虑到用主成分分析法，从所有因素出发，不区分经济因素和环境因素，采用降维的思想，通过对所有因素的相关性分析，剔除相关性较差的影响指标，从而分析出对汽车保有量影响较大的因素，采用这些指标，不仅可以最大程度地反映原始信息，同时使得变量减少，更利于我们的模型建立和模型求解，更具实用性。问题二的分析：对于该问题，政府采取的一系列货币政策，如加息、提高人民币存款准备金率等，其直接的影响因子为居民的人均可支配收入以及居民存储款余额，从而影响私人汽车保有量。我们可以通过查阅相关资料，得到我国历年的息率调整以及存款准备金率的调整值。由经济学的相关常识可以知道，人均国内生产总值对人均可支配收入有直接影响。我们可以建立居民人均可支配收入与人均国内生产总值以及存款准备金率之间的关系，然后通过分析，建立居民储蓄款余额与人均国内生产总值以及利率调整之间的函数关系式。问题三的分析：问题三要求对公交车和私人汽车保有量进行调控，首先我们希望选定调控标准，即表示方法。由于题目中并没有给出具体的数据来显示该地区的公交车量数，因此我们没有办法给出具体到辆的调控方案，因此我们决定采用比例的形式给出调控方案。使得该地区私家车保有量与公交车辆数保持在一定的比例，只要给出总的汽车辆数，即可知道两类车具体的数量。四、符号说明符号意义备注1x人均国内生产总值单位：元2x全社会消费品零售总额单位：亿元3x全社会固定资产投资总额单位：亿元4x运营公交车辆数单位：辆5x公交营运总数单位：亿人次6x城市交通干线噪音均值单位：亿人次7x公交车营运总里程单位：万公里8x道路总长(公里)单位：公里9x居民人均可支配收入单位：元10x居民储蓄款余额单位：亿元11x汽油(93号)年均价单位：元/升p存款准备金率q一年期存款基准利率n1欧II标准标准的私家车的数量n2欧III标准的私家车的数量m1欧II标准标准的公家车的数量m2欧III标准的公家车的数量t时间年号s1单位私家车年运行总数s2单位公家车年运行总数a0b0c0分别为国标II私家车的三种污染物排放标准a1b1c1分别为国标III私家车的三种污染物排放标准a2b2c2分别为国标II公家车的三种污染物排放标准a3b3c3分别为国标III公家车的三种污染物排放标准五、模型的建立及求解问题一的模型建立及求解：主成分分析预测模型：主成分分析是利用降维的思想,通过构造原始指标的适当的线性组合,以产生一系列互不相关的综合性指标,从中选出少数几个综合指标,并使它们含有尽可能多的原始指标所反映的信息,进而用这较少的几项综合性指标来刻画个体。由于该方法具有消除指标之间的相关性而降维,以及指标权重确定的客观性(以各主成分方差贡献率作为指标的权重值)的特点,因而独具特色，并且特别适用于本问题的研究。题中所给的历史数据并没有明确的指出影响该地区的私人汽车保有量的因素，因此，基于主成分分析法是建立在各个变量相关的基础上，本文通过对题目中所给的十一个变量的相关性分析，我们可以看到：除去城市交通干线噪音均值这一因素与其它相关性为负外，其余的都有很强的相关性。所以在这一模型中忽略这一因素对私家车保有量的影响。即假定影响私家车保有量的只有十个因素。模型的求解：求解预处理：首先对影响因素标准化，我们选择2007年的各项因素指标单位为1，其它年份的因素指标参照2007年均分别进行标准化，得到无量纲的各因素的标准比值如表所示。表1.标准化结果年份人均国内生产总值(元)全社会消费品零售总额(亿元)全社会固定资产投资总额(亿元运营公交车辆数（辆公交营运总数(亿人次)公交车营运总里程(万公里)道路总长(公里)居民人均可支配收入（元）居民储蓄款余额(亿元)汽油(93号)年均价(元/升)私人汽车保有量(万辆)19960.34090.15610.24350.32460.33920.22670.25440.54270.1540.38470.027419970.38650.17060.29030.33740.37310.24350.27240.61870.18660.44750.031919980.42020.2220.35290.34210.30810.2540.30860.66150.22730.45530.037219990.42530.24540.42350.35260.41720.26950.35040.67360.24840.46710.042520000.51790.28250.45820.35660.44250.27990.41350.71940.28550.53580.059320010.54720.43680.51030.42680.47690.34780.46980.78320.36210.56720.080520020.58110.49440.5860.42680.51450.35270.59030.82960.46310.55350.11520030.68030.57490.72050.59660.51880.51390.72490.86270.57990.60450.167320040.74830.65650.81230.65660.54350.61140.79880.88470.69220.69870.256620050.81440.75470.87440.74390.80910.73840.8630.94780.85150.78120.452220060.89130.87730.9470.89220.90380.93460.90230.98550.98740.97740.692200711111111111通过matlab软件编程求解，得到：特征值、特征向量以及方差贡献率。表2.特征值及方差贡献率主成分特征值方差贡献率累积贡献率109.695940.9700.97090.1978320.0200.99080.05420410.0050.99570.02436570.0020.99760.01298060.0010.99850.008355540.0010.99940.0033949830.0024161920.00050645916.5151e-006方差贡献率是衡量各因子相对重要程度的指标，方差贡献率的大小，表示各个主成分的相对重要程度。在统计学中，一般认为主成分的累积贡献率达到85%即可保留有效信息。由表可知，第一，第二，第三主成分的累计贡献率已高达99.5%，说明前三个主成分提供了原始数据的足够信息，通过检验，提取前三个主成分。故只需求出第一、第二、第三主成分123,,zzz即可。模型求解：计算出三个特征值的特征向量123,,eee，再求出各个变量1x，2x10x在主成分123,,zzz上的载荷。0.31990.10130.01080.31970.1069-0.00550.31720.32120.09340.3164-0.29050.45080.3100-0.4579-0.58500.3166-0.33280.31650.31620.33990.25410.31070.5048-0.45100.31990.01870.13630.3155-0.3155-0.2429z112345678910212345678910310.31990.31970.31720.31640.31000.31660.31620.31070.31990.31550.10130.10690.3212-0.2905-0.4579-33280.33990.50480.0187-0.31550.0108-0zxxxxxxxxxxzxxxxxxxxxxzx2345678910.00550.09340.4508-0.58500.31650.2541-0.45100.1363-0.2429xxxxxxxxx根据表的数据，各个变量1x，2x10x在主成分123,,zzz上的载荷如下表所示：表3.各变量在主成分上的载荷0.93620.0036-0.14951.04970.0152-0.18121.12180.1030-0.1