Evaluation of accuracy of linear regression models in predicting urban stormwater discharge characteristics

Stormwater 流量为环境作为污染的来源被识别了，特别为收到水。为了确定并且管理 stormwater 的影响，环境，预兆的模型和数学模型上的流量被开发了。象回归模型那样的预兆的工具广泛地被用来预言 stormwater 分泌物特征。袭击事件特征，例如先前的干燥的天(增加) ，与反应变量有关，例如污染物质负担和集中。然而，考虑是在许多研究之中的一个争论问题作为一个重要变量加在一起预言 stormwater 分泌物特征。在这研究，我们在预言车道流量的分泌物特征检验了一般线性回归模型的精确性。17 个暴风雨事件的一个总数在二个高速公路片断被监视，在 Gwangju 定位了，朝鲜。从监视的数据被用来校准美国环境保护机构的暴风雨水管理模型(SWMM ) 。校准的 SWMM 为全部的推迟的固体(TSS ) 的 55 个暴风雨事件，和结果被模仿分泌物负担和事件平均数集中(EMC ) 被提取。从这些数据，线性回归模型被开发。回归的 R2 和 p 值增加因为 TSS 负担和 EMC 被调查。结果证明污染物质负担更好在多重回归模型比污染物质 EMC 被预言。回归不能提供地点特定的特征的真效果，由于在数据的无常。