线性回归预测案例一(LM)

目的：根据历史数据值，正对每一个dlbh，给定具体预测值，并且给的其预测值的浮动区间

代码如下：

1、连接Oracle数据库

library(DBI)

library(ROracle)

drv=dbDriver('Oracle')

conn=dbConnect(drv,'AQTS_ZHZX','AQTS_ZHZX','localhost:1521/jgyw')

2、查询需要的BASE数据（以七天数据为一个历史数据）

数据：gcsjrq为日期，dlbh与日期为多对多关系、dlbh与dlmc为一对一关系，zll 为总流量

# get the flux of the DL 

rs=dbSendQuery(conn,"select d.gcsjrq,t2.dlbh, sum(ZLL) zll ,t4.dlmc from dw_fact_flux d

join Road_Place_Direct t2 on d.jkdbh=t2.jkdbh

               join road_baseinfo t4 on t2.dlbh=t4.dlbh

               where d.gcsjrq >= to_char(sysdate-8,'yyyymmdd') and d.gcsjrq<to_char(sysdate,'yyyymmdd')

               group by t2.dlbh,d.gcsjrq,t4.dlmc

               order by t2.dlbh,d.gcsjrq,t4.dlmc asc")

rsv=dbSendQuery(conn,"select to_char(sysdate,'yyyymmdd') from dual ")

datad=fetch(rsv)

datad=as.matrix(datad)

data=fetch(rs)

data=as.matrix(data)

3、对dlbh去重，获得起对应dlmc值

dluniq=as.numeric(unique(data[,2]))

dlmcuniq=unique(data[,4])

4、对每一个dlbh生成预测值

for ( i in  1:length(dluniq))

{

5、对每一个dlbh，取得其对应行，并设定进行下一步的判定条件

  aa=data[data[,2]==dluniq[i],]

  t=nrow(as.matrix(aa,3,1))/3

  if (t>1)

  {

6、  数据格式转变，以及生成x,y值

   pre=as.matrix(as.numeric(aa[,3])) 

   z=as.data.frame(cbind(order(pre),pre))

   zn=as.data.frame(c(nrow(pre)+1))

   colnames(zn)=c('x')

   colnames(z)=c('x','y')

7、   生成拟合函数，生成预测值

   fit2 <- lm(y ~ x, z)

   PRE_FLUX=round(predict(fit2,zn,interval = "prediction"))

   #plot(z$x,z$y)

   #abline(fit2)

8、把需要结果写入数据库

    PRE_FLUX=cbind(datad,dluniq[i],PRE_FLUX,dlmcuniq[i])

    colnames(PRE_FLUX)=c('YCRQ','DLBH','PREV','PREMIN','PREMAX','DLMC')

    PRE_FLUX=as.data.frame(PRE_FLUX)

    if(as.matrix(PRE_FLUX$PREMIN)<0)

      PRE_FLUX$PREMIN=0

    dbRemoveTable(conn, 'FLUX_PREDICT_DL')

    dbWriteTable(conn,'FLUX_PREDICT_DL',PRE_FLUX, row.names = F, append = TRUE)

  }

  

}

9、建模、报表展现

记录日常点滴，成长自己，方便他人，如有错误的地方欢迎提出宝贵意见！