河北科技大学气象资料的分析与预测数学建模
缓慢降低趋势，最低气温缓慢升高趋势，平均湿度缓慢降低趋势，降水量缓慢降低，平均风力缓慢增大等。
5．极端天气监测预报体系模型的建立
5.1建立模型：
为了能够更客观地对极端天气监测预警，我们对影响极端天气发生的主要指标之一——最高气温Y，建立监测预报的数学模型。由假设可知，最高气温Y是随机变量，它服从均值为零的正态分布，平均气压x1、平均气温x2、平均湿度x3、日照时数x4、地面平均温度x5等是影响最高气温Y的因素，所以可以建立多元线性回归模型：
y b0 b1x1 b2x2 b3x3 b4x4
2
~N(0, )
建模所需的知识点及其在Matlab中实现的方法：
求解多元线性回归方程用Matlab中的regress函数，函数命令形式为：
[b,bint,r,rint,stats]=regress (Y,x,alpha) 其中因变量数据向量Y和自变量数据向量均按以下方式输入：
Y=[y1 y2 … yn] x=[x1 x2 … xn] Alpha为显著性水平 （缺省时设定为0.05）
Regress函数的功能：b为回归系数的估计值b1，b2，b3，b4，b5，bint为回归系数估计值b的置信区间；r、rint为残差向量及其置信区间；stats是用于检验回归模型的统计量，第一个是R2,称为决定系数，R2越接近1说明引入方程的自变量与因变量的相关程度越高，xi与Y的回归效果越好。R是相关系数，第二个是F统计量，第三个是与统计量相对应的概率p，当p<α时，说明回归模型假设成立（即Y与x的关系）。
模型求解在Matlab中的实现：
在Matlab中求解该模型的程序代码见附录。 输入原始数据后的结果如下： b =
-44.0783 0.0494 1.1526 -0.0479 0.0052 -0.0545 bint =