基于線性回歸模型的顏色與物質濃度辨識應用研究

韋碧鵬，黎金清，劉劍鋒，楊雪

（柳州職業技術學院，廣西柳州545006）

1 問題背景

比色法是目前常用的一種檢測物質濃度的方法，即把待測物質制備成溶液后滴在特定的白色試紙表面，等其充分反應以后獲得一張有顏色的試紙，再把該顏色試紙與一個標準比色卡進行對比，來確定待測物質的濃度檔位。由于每個人對顏色的敏感差異和觀測誤差，這一方法在精度上存在很大的不確定性。隨著照相技術和顏色分辨率的提高，希望建立顏色讀數和物質濃度的數量關系，即只要輸入照片中的顏色讀數就能夠獲得待測物質的濃度。試根據附件所提供的有關顏色讀數和物質濃度數據完成下列問題：

（1）附件Data1.xls中分別給出了5種物質在不同濃度下的顏色讀數，討論從這5組數據中能否確定顏色讀數和物質濃度之間的關系，并給出一些準則來評價這5組數據的優劣。

（2）對附件Data2.xls中的數據，建立顏色讀數和物質濃度的數學模型，并給出模型的誤差分析。

（3）探討數據量和顏色維度對模型的影響。

具體附件請查看全國大學生數學建模競賽官網（http：//mcm.blyun.com/），且下載2017年全國大學生數學建模競賽C題進行查看。

2 問題分析

2.1 問題（1）的分析

結合附件1（Data1.xls），要研究5種物質在不同的濃度下顏色讀取和物質濃度的關系。由于附件1中給出的5種物質在不同濃度下顏色讀數的數據有一組，二組或者多組。首先對5種物質溶液下的數據進行求平均值，接著從不同物質溶液的角度出發，分別對顏色讀取和物質濃度進行多元線性回歸分析。對于物質濃度不能進行回歸分析的數據，運用相關分析進行分析。最后，從方差和極差的兩個角度出發對5組數據的優劣進行評價。

2.2 問題（2）的分析

結合附件2（Data2.xls），要研究顏色讀數與物質濃度的關系，采用多元線性回歸模型進行擬合，當采用多元線性回歸模型中的Enter法進行擬合時，發現所得到的模型不滿足顯著條件。為了能夠更好地研究顏色讀數和物質濃度的數學模型，先對附件2中的數據進行雙變量相關分析，運用Pearson相關系數，得出二氧化硫的濃度與顏色讀數R，G，B，H，S的相關關系，接著采用多元線性回歸模型中的逐步法進行擬合，得出附件2中二氧化硫濃度與顏色讀取的關系模型。最后，考慮所得出模型的誤差，引入了絕對誤差和相對誤差對其進行分析。

2.3 問題（3）的分析

為了探討數據量對模型的影響，結合附件2中的數據，分別從數據量多少和顏色維度的多少兩個角度進行分析，做4組數據實驗。首先，考慮數據量多少對模型的影響，做如下兩組實驗。實驗組A：刪掉二氧化硫濃度為20 ppm與50 ppm的數據；實驗組B：刪掉二氧化硫濃度為100 ppm與150 ppm的數據。通過數學軟件SPSS分別對實驗組A、B的數據進行多元線性回歸，然后用問題（2）所得出原模型的數據與實驗組A、B所得出的數據進行比較，分析數據量多少對模型的影響；其次，考慮顏色維度的多少對模型的影響，我們從增加顏色維度和減少顏色維度方向出發，取附件Data2.xls中的數據做兩個實驗組。實驗組C：減少顏色維度，刪除掉H和S兩個維度的數據；實驗組D：增加顏色維度I。最后，用問題（2）所得出原模型的數據與實驗組C、D所得出的數據進行比較，分析顏色維度對模型的影響。

3 模型假設

(1)假設題目所給附件1和附件2中的數據無誤；

(2)假設各種物質的實驗組數據都是在同樣的環境下進行的。

4 模型建立與求解

4.1 問題（1）模型的建立與求解

4.1.1 組胺溶液的濃度與顏色讀數的關系

在組胺溶液中，題目附件1給出了兩組同一組胺物質濃度的數據，為了減少實驗的誤差，取兩組實驗數據的平均值，得出組胺溶液在不同的濃度下的R，B，H，S值，見表1。

表1 兩組組胺溶液的RGBHS平均值

組胺溶液中，為了研究物質濃度與顏色讀數的關系，對其做多元線性回歸擬合，具體模型如下：

其中y1表示組胺溶液的濃度，xR、xG、xB、xH、xS分別表示變量紅色、綠色、藍色、色調、飽和度，a1、a2、a3、a4、a5分別表示它們的系數，b表示常數。

通過數學軟件SPSS22，對表1中的數據代入進行多元線性回歸擬合，運用輸入回歸法可得結果見表2，3。

表2 變異數分析a

表3 系數a

從表2，3中可知，模型的顯著性概率為0.00小于0.01，因此，該線性回歸模型有效。又因為模型中常數、變量G，R，H，S的顯著性概率為0.00均小于0.01，則該模型通過檢驗，具體模型為：

4.1.2 溴酸鉀溶液的濃度與顏色讀數的關系

在溴酸鉀溶液中，題目附件1給出了兩組同一溴酸鉀物質濃度的數據，為了減少實驗的誤差，取兩組實驗數據的平均值，得出溴酸鉀溶液在不同的濃度下的R，G，B，H，S值。為了研究溴酸鉀溶液濃度與顏色讀數的關系，同理，對其做多元線性回歸擬合，通過SPSS22軟件，進行多元線性中的輸入回歸可得結果，從中可知，模型的顯著性概率為0.00小于0.01，因此，該線性回歸模型有效。又因為模型中常數、變量G，R，H，S的顯著性概率為0.00均小于0.01，因此該模型通過檢驗，具體模型為：

4.1.3 工業堿溶液的濃度與顏色讀數的關系

在工業堿溶液中，為了研究物質濃度與顏色讀數的關系，我們首先求出同一個顏色在不同濃度下的顏色讀數極差，見表4。

表4 工業堿的RGBHS值

根據前面的理論，對其進行多元線性回歸，發現其模型顯著性都大于0.05，模型不顯著。為了更好地分析物質濃度與顏色讀數之間的關系，對工業堿溶液中的數據進行變量之間的相關分析，具體結果見表5。

表5 工業堿溶液中的數據進行變量之間的相關分析

從表5中可以看出工業堿溶液濃度與B，G，R，H，S的相關系數都低于0.8，顯著性均大于0.05，所以顯著性不明顯，該線性回歸無效。由表5可知顏色R，G，B都隨著工業堿溶液濃度的增加而減少，而色調H和飽和度S則隨著工業堿溶液濃度的增加而增加，因此工業堿溶液濃度與顏色R，G，B成負相關，與H，S成正相關，從極差可以看出飽和度S對工業堿溶液濃度的影響比較大，R的影響最小。

4.1.4 硫酸鋁鉀溶液的濃度與顏色讀數的關系

在硫酸鋁鉀溶液中，題目附件1給出了6組同一硫酸鋁鉀物質濃度的數據，為了減少實驗的誤差，取6組實驗數據的平均值，得出硫酸鋁鉀溶液在不同的濃度下的R，G，B，H，S值。根據前面的做法，對數據進行多元線性回歸擬合，結果發現模型的顯著性不高。為了研究硫酸鋁鉀溶液的濃度與顏色讀數的關系，對數據進行雙變量分析，通過SPSS22軟件計算，得出結果見表6。

表6 硫酸鋁鉀溶液的濃度與顏色讀數的關系

由表6可以看出硫酸鋁鉀溶液濃度與B，G，R，H，S的相關系數都低于0.7，顯著性均大于0.05，線性回歸無效，通過分析表6可以得出R隨著硫酸鋁鉀溶液濃度的增大而減少成負相關，G隨著硫酸鋁鉀溶液濃度的變化值不明顯，成不相關，顏色B，H，S隨著硫酸鋁鉀溶液的增大而增大，成正相關，其中S與硫酸鋁鉀溶液濃度的極差最大，即影響最大。

4.1.5 奶中尿素溶液的濃度與顏色讀數的關系

在奶中尿素溶液中，題目附件1給出了兩組同一奶中尿素物質濃度的數據，為了減少實驗的誤差，取兩組實驗數據的平均值，得出奶中尿素溶液在不同的濃度下的R，G，B，H，S值。同理，對其進行多項式擬合，通過數學軟件SPSS可以得出結果，該模型的顯著性為0.027小于0.05，回歸系數B，R，H，S的顯著性均小于0.05，所以線性回歸方程有效，B，R，H，S的線性回歸方程為：

4.1.6 評價5組數據優劣性的模型

（1）從方差角度判別數據的優劣。要判別5種物質數據的優劣，采用整理取平均值后的數據進行分析，用Excel軟件求取各組物質濃度與顏色讀數關系的方差，從而求出各種物質濃度的方差平均值見表7。

表7 各種物質濃度方差

根據統計學知識，數據方差的值越小，即數據越穩定。因此，這5組數據從優到劣的順序依次為：組胺＞奶中尿素＞溴酸鉀＞硫酸鋁鉀＞工業堿。

（2）從極差角度判斷數據的優劣性。同上所示，采用整理取平均值后的數據進行分析，用Excel軟件求各組物質的濃度與顏色讀數關系的極差，從而求出各種物質濃度的極差平均值，見表8：

表8 各種物質濃度的極差

研究不同物質溶液對不同顏色讀數數據的優劣性，根據極差越小，證明數據越穩定原則。這5組數據從優到劣的順序依次為：組胺＞硫酸鋁鉀＞溴酸鉀＞奶中尿素＞工業堿。

4.2 問題（2）模型的建立與求解

4.2.1 建立顏色讀數和物質濃度的數學模型

首先對附錄2中的數據進行補充完整，要研究顏色讀數與物質濃度之間的關系，根據問題（1）的思路，建立多元線性回歸模型。運用SPSS軟件對其數據進行擬合，擬合方法選取Enter法，得出如下結果（見表9，10）。

表9 變異數分析a

表10 系數a

根據以上結果，雖然該模型的顯著性小于0.01，然而，可以看出模型中顏色變量G，B，S的顯著性大于0.05。因此，運用多元線性回歸模型Enter輸入法進行擬合的線性回歸模型失效，因此該模型不好。為了能夠更好地研究顏色讀數和物質濃度的數學模型，我們先對附件2中的數據進行雙變量相關分析，運用Pearson相關系數，得出相應的結果。從結果中可以看出，二氧化硫的濃度與R，G，H的相關系數較高，從而可判斷，二氧化硫的濃度與R，G，H有關。接著，通過SPSS22軟件進行多元線性中的逐步回歸得出結果，見表11，12。

表11 模型摘要

表12 系數a

可以得出，在顯著性相同的情況下，模型2的R值比模型1的R值大，因此選擇模型2更為合理。由此可得數學模型：

其中y二氧化硫表示的是二氧化硫的濃度，xG表示顏色綠色的讀數，xH表示色調的讀數。

4.2.2 模型的誤差分析

為了考慮所得出模型的誤差，我們引入了絕對誤差和相對誤差對其進行分析，具體公式如下：絕對誤差公式為：

其中：L為絕對誤差，N為真實值，M為預測值。

相對誤差的公式為：

結合附件2-1中的數據，在模型（5）的作用下，我們得出模型（5）的預測值，接著，運用公式（6）和公式（7），得到表13：

從表13可以看出該模型數據的相對誤差0～1.8的范圍內，產生如此大的誤差，可能是由于數據的不穩定造成的。

表13 預測、絕對誤差與相對誤差的值

4.3 問題（3）模型的建立與求解

4.3.1 數據量對模型的影響

為了探討數據量對模型的影響，取附件2中的數據，做兩組實驗，實驗組A：刪掉二氧化硫濃度為20ppm與50ppm的數據。實驗組B：刪掉二氧化硫濃度為100ppm與150ppm的數據。通過數學軟件SPSS對實驗組A中的數據進行多元線性回歸擬合，運用逐步法可得結果，見表14，15。

表14 模型摘要

表15 系數a

從問題（2）的模型，可以知道在二氧化硫濃度下，未刪減數據時模型的R值為0.940，顯著性均為0。然而，實驗A模型的顯著性也為0。因此，刪除數據的實驗A與未刪除數據中問題二模型的顯著性是相同的。但是，通過做回歸發現，實驗組A中的R相比原數據的R值大，可以看出數據量對模型是有影響的。為了能夠減少實驗中一些非主要因素的干擾，我們在做一組實驗進行分析。同理，運用實驗組B中的數據進行多元線性回歸擬合，得出結果，見表16，17。

表16 模型摘要b

表17 系數a

在模型顯著性一樣的前提條件下，可以看到實驗組B模型的R值小于原數據模型的R值。因此，從兩組實驗組綜合起來比較，可能實驗B中刪除時刪掉了在濃度中主要的數據這種情況。通過用原數據與實驗組數據之間預測值差距，進一步判斷數據量對模型的影響，見表18。

表18 原數據與實驗組數據預測值比較

50 80 80 80 100 100 100 150 150 150 150 85.57 184 75.34 260 75.34 260 70.29 437 95.53 553 100.58 377 90.48 730 132.11 332 130.47 484 137.16 155 132.11 332 80 80 80 100 100 100 150 150 150 150 85.91 058 85.91 058 80.86 630 106.08 770 111.13 198 101.04 342 143.75 282 142.00 402 148.79 710 143.75 282 50 80 80 80 55.76 353 59.63 625 59.63 625 59.63 625

從表18中，可以明確地看出，未刪減過的數據與刪減過的數據對模型有著很明顯的影響，因此，可以得出數據量的多少與模型是有顯著影響的。

4.3.2 顏色維度對模型的影響

為了更好探討顏色維度對模型的影響，我們從增加顏色維度和減少顏色維度的兩個方向出發，同樣，取Data2.xls中處理過的數據做兩組實驗。

根據參考文獻[3]可知，顏色維度I等于顏色維度R、G、B三者的平均值。

實驗組C：減少顏色維度，刪除掉H與S中的數據；實驗組D：增加顏色維度I的數據。通過數學軟件SPSS對實驗組C中的數據進行多元線性回歸擬合，運用逐步法可得結果，見表19，20。

表19 模型摘要

表20 系數a

從問題（2）的模型，可以知道在二氧化硫濃度下，原來模型的R值為0.940，顯著性均為0。然而，實驗C模型的顯著性也為0。因此，刪除維度的實驗C與問題二模型的顯著性是相同的。同時，我們通過做回歸發現，實驗組C中的R相比原模型的R值相差不大。為了能夠更好地分析顏色維度對模型的影響，同理，繼續做實驗組D中的數據進行多元線性回歸擬合，得出結果。在模型顯著性一樣的前提條件下，實驗D模型的R與原模型相差也不大。因此，我們繼續通過原模型數據與實驗組數據之間的預測值進行比較，見表21。

表21 原數據與實驗組數據預測值比較

由表21可知，顏色維度的增減對于模型的影響還是較為明顯的。

5 結語

為了研究顏色讀數和物質濃度之間的關系，本文結合2017年全國大學生數學建模競賽C題目，詳細地對不同物質顏色讀數和濃度之間的關系進行研究，且通過4組實驗探索數據量增加與減少、顏色維度增加與減少對模型的影響。其次，本文考慮問題能夠從多個角度對問題進行分析，給出分析結果，準確性高；通過數學軟件Excel、SPSS對數據進行分析和處理，操作簡便，適用性強；且該模型具有較大的普遍性，便于應用到類似的實際問題中，如：解決有關醫學研究、藥物測量與制作及化學等領域。