R语言淮河流域水库水量数据相关性阐发、天文可视化、广义相加模子|附代码数据
全文下载：
比来我们被客户要求撰写关于水量数据的研究陈述，包罗一些图形和统计输出。
摘样地点：淮河流域一带，昭平台水库、白龟山川库、燕山川库、石漫滩水库、板桥水库、宿鸭湖水库、博山川库、南湾水库、石山口水库、五岳水库、泼河水库、鲶鱼山川库 。
查询拜访时间和地点
查询拜访内容
本次查询拜访在淮河流域的十二个水库停止，别离在水库的上、中、下流停止监测，丈量的目标有：各点位的经、纬度，水温、气温、PH、化解氧、CODmn、总磷、总氮、通明度等水量目标，以及在水深0.5m、1.0m、3.0m和5.0m处的叶绿素含量。
点击题目查阅往期内容
R语言广义加性模子GAMs阐发温度、臭氧情况数据绘造偏回回图与偏残差图
展开全文
摆布滑动查看更多
01
02
03
04
查询拜访成果
3.1查询拜访目标成果
查询拜访的出的各目标数据用R软件停止处置，各水库之间用大小图比照展现，分为上、中、下流，上、中、下流之间用箱图停止比照展现。
map("china",col = "black",lwd=2,ylim = c(31.5,35),xlim=c(112.5,115.5),panel.first = grid())
axis(1, lwd = 0); axis(2, lwd = 0); axis(3, lwd = 0); axis(4, lwd = 0)
#china-readOGR(".","China")
river.r12-readOGR(".","R12")
river.r5-readOGR(".","R5")
river.r4-readOGR(".","R4")
3.1.1上游各水库目标
points(A$Lon,A$Lat,pch=1,cex=A$WT/15)
points(A$Lon,A$Lat,pch=1,cex=A$PH/5)
3.1.2中游各水库目标
3.1.3下流各水库目标
3.1.4上中下流各目标比照
boxplot(A$PH1,A$PH2,A$PH3,col="lightblue",
3.2各目标相关性阐发成果
用R软件对所有的目标之间停止了相关性阐发，下面列出所有具有显著相关性的目标阐发成果。
3.2.1上游各目标相关性
3.2.2中游各目标相关性阐发
gam模子阐发
SITE1
PH~DO
PH~CODmn
PH~TP
4.2查询拜访成果目标相关性阐发
从3.2中上中下流各目标相关性阐发的表能够看出：
（1）PH和DO密切相关，P值远小于0.0001，相关系数均大于0.95，误差阐明度都在96%以上。因为光协感化消耗二氧化碳产生氧气，使DO和PH值均升高，二者成正相关。
（2）TP和通明度的相关性大，并且在上中下流均表现出来，相关系数都在0.65以上，误差阐明度都在96%以上。 TP的增高，会使得水体营养更足，进而浮游动物生长愈加兴旺，水体被净化得更清洁，从而通明度也就更大，即二者程正相关。
（3）DO、藻密度和叶绿素三者之间相关，那是因为浮游动物含有大量的叶绿素，通过光协感化能产生氧气，所以藻密度大其余两个目标也会响应增加。
查询拜访成果阐发
4.1查询拜访成果目标阐发
从大小图中能够大致看出：
（1）DO浓度是在石漫滩水库要稍大于其余水库的；
（2）CODmn、TP和TN浓度是在宿鸭湖水库明显大于其余水库；
（3）通明度则在板桥水库和鲶鱼山川库高于其他水库；
（4）叶绿素则整体在石漫滩和博山川库浓度含量较高；
（5）藻密度则是在石漫滩水库更高。
从箱图能够看出：
上中下流之间水库的均匀值中，
TP和TN的值相差无几；
PH、DO、通明度、最上层以及最下层叶绿素、藻密度是中游处更高；
CODmn和中间部门的叶绿素是下流部门更高。但总体来说，各目标的均值差距都不大。
点击文末 “阅读原文”
获取全文完全代码数据材料。
本文选自《R语言淮河流域水库水量数据相关性阐发、天文可视化、广义相加模子GAM查询拜访陈述》。
点击题目查阅往期内容
R语言广义加性模子GAMs阐发温度、臭氧情况数据绘造偏回回图与偏残差图
【视频】什么长短线性模子与R语言多项式回回、部分光滑样条、 广义相加GAM阐发工资数据|数据分享
MATLAB最小二乘法：线性最小二乘、加权线性最小二乘、稳重最小二乘、非线性最小二乘与剔除反常值效果比力
数据分享|R语言广义线性模子GLM：线性最小二乘、对数变更、泊松、二项式逻辑回回阐发冰淇淋销售时间序列数据和模仿
生态学模仿对广义线性混合模子GLMM停止功率（成效、效能、效劳）阐发power analysis情况监测数据
广义线性模子glm泊松回回的lasso、弹性收集分类揣测学生测验功效数据和穿插验证
有限混合模子聚类FMM、广义线性回回模子GLM混合利用阐发威士忌市场和研究专利申请数据
R语言贝叶斯广义线性混合（多条理/程度/嵌套）模子GLMM、逻辑回回阐发教导留级影响因素数据
R语言贝叶斯MCMC：GLM逻辑回回、Rstan线性回回、Metropolis Hastings与Gibbs摘样算法实例
R语言用lme4多条理（混合效应）广义线性模子（GLM），逻辑回回阐发教导留级查询拜访数据
R语言广义线性模子GLM、多项式回回和广义可加模子GAM揣测泰坦尼克号幸存者
R语言用Rshiny摸索lme4广义线性混合模子（GLMM）和线性混合模子（LMM）
R语言利用bootstrap和增量法计算广义线性模子（GLM）揣测置信区间
R语言广义线性模子(GLMs)算法和零膨胀模子阐发
R语言中广义线性模子(GLM)中的散布和毗连函数阐发
R语言中GLM(广义线性模子)，非线性和异方差可视化阐发
R语言中的广义线性模子（GLM）和广义相加模子（GAM）：多元（光滑）回回阐发保险资金投资组合信誉风险敞口
用广义加性模子GAM停止时间序列阐发
R和Python机器进修:广义线性回回glm，样条glm，梯度加强，随机丛林和深度进修模子阐发
在r语言中利用GAM（广义相加模子）停止电力负荷时间序列阐发
用广义加性模子GAM停止时间序列阐发
R和Python机器进修:广义线性回回glm，样条glm，梯度加强，随机丛林和深度进修模子阐发
在r语言中利用GAM（广义相加模子）停止电力负荷时间序列阐发