Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Методичка_100.doc
Скачиваний:
0
Добавлен:
01.03.2025
Размер:
4.14 Mб
Скачать

Правильность методики оценивается как удовлетворительная

  1. < 0.0115981

Зависимость случайной составляющей погрешности измерений от величины среднего значения определяемой величины выражается как:

Y=0.00005152+0.010200552*X

Коэффициент корреляции равен 0.96068117

Хср1=0,005 Dn1=0.000084

Хср2=0,009 Dn2=0.0001686

Хср3=0,02 Dn3=0.0002488

Зависимость случайной составляющей погрешности измерений, проводимых с двумя параллельными определениями, от величины среднего значения определяемой величины выражается как:

Y=0.00083904+0.16525801*X

Зависимость систематической составляющей погрешности измерений, от величины среднего значения определяется аналогично.

Задача 3.4: Построить трехгодичную кривую изменения атмосферного давления и провести анализ тенденции этого изменения по данным выборки.

Скользящее среднее – это метод, позволяющий упростить анализ тенденции за счет сглаживания колебаний измерений по временным интервалам. Эти колебания могут возникать из-за случайного “шума”, который часто является побочным эффектом техники измерения. Например, измерения атмосферного давления будут зависеть и от точности барометра, и от того, насколько внимательно исследователь будет фиксировать показания прибора. Однако можно выполнить ряд измерений, затем сгладить их по отрезкам времени и построить окончательную кривую, которая будет более точно отражать фактическое значение атмосферного давления. Используется для расчета значений в прогнозируемом периоде на основе среднего значения переменной для указанного числа предшествующих периодов. Каждое прогнозируемое значение основано на формуле:

, где (3.4.1)

  • N - число предшествующих периодов, входящих в скользящее среднее

  • Aj - фактическое значение в момент времени j

  • Fj - прогнозируемое значение в момент времени j

Предположим, мы создали трехгодичную кривую изменения атмосферного давления, показанную на рис. 2.4.1. Для построения менее “шумной” линии тренда для этих данных можно использовать шестимесячное скользящее среднее. Первая точка в кривой скользящего среднего – это среднее за первые шесть месяцев (Январь – Июнь 2000 года). Следующая точка – среднее со второго по седьмой месяцы (Февраль – Июль 2000 года) и т.д. Инструмент Скользящее среднее выполняет этот анализ вместо пользователя.

Таблица 3.4.1

Изменение атмосферного давления

Месяц

атм. Давление, мм рт.ст.

Скользящее среднее по 6 месяцам

Месяц

атм. Давление, мм рт.ст.

Скользящее среднее по 6 месяцам

янв.

753,4

#Н/Д

июл. 01

759,2

758,52

фев.00

758

#Н/Д

авг. 01

763,2

758,225

мар.00

745,8

#Н/Д

сен. 01

754,1

759,8333333

апр.00

753,2

#Н/Д

окт. 01

760

760,4

май.00

756,9

#Н/Д

ноя. 01

762,3

759,76

июн.00

768,5

755.9666667

дек.01

753,5

758,7166667

июл.00

754

756.0666667

янв. 02

753,9

757,8333333

авг.00

756,4

755.8

фев. 02

763,2

757,8333333

сен.00

754,3

757.2166667

мар. 02

764,6

759,5833333

окт.00

750

756.6833333

апр. 02

757,4

759,15

ноя.00

751

755.7

май. 02

753,6

757,7

дек.00

754

753.2833333

июн. 02

754,2

757,8166667

янв. 01

763,6

754.8833333

июл.02

767,9

760,15

фев.01

759,7

755.4333333

авг.02

765,6

760,55

мар.01

753,4

755.2833333

сен.02

751,5

758,3666667

апр.01

758,7

756.7333333

окт.02

756,7

758,25

май.01

761,4

758.4666667

ноя.02

753,2

758,1833333

июн.01

759,4

759.3666667

дек.02

760

759,15

На рис.3.4.2 представлено шестимесячное скользящее среднее вместе с исходной кривой изменения атмосферного давления. Инструмент Скользящее среднее возвращает выходные данные в соседний с исходными данными столбец, который и использовался для построения сглаженной кривой в диаграмме. Первые пять ячеек выходного диапазона содержат ошибочное значение #Н/Д (#N/A). Если интервал равен n, мы всегда будем иметь n-1 ошибочное значение #Н/Д в начале выходного диапазона. Включение этих значений в диаграмму не создает трудностей, так как Excel просто оставляет пустой начальную область сглаженной кривой.

Итак, сначала нам необходимо построить график изменения атмосферного давления в течение нескольких месяцев. Для этого в Excel построим таблицу, состоящую из двух столбцов: месяц и атмосферное давление, мм рт ст. Заполним соответствующие ячейки таблицы значениями, приведенными в таблице 3.4.1.

Затем для построения графика воспользуемся мастером диаграмм, расположенным на панели инструментов. С помощью четырех окон, последовательно появляющихся на экране, мастер диаграмм соберет всю необходимую для построения графика информацию.

Шаг 1: выбираем тип диаграммы – график, вид: график с маркерами, помечающими точки данных.

Шаг 2: в строке диапазон данных вводим необходимый диапазон, устанавливаем: ряды в столбцах. В закладке ряд: вводим диапазон подписи по оси Х (название месяцев).

Шаг 3: в строки название диаграммы, ось Х и ось У вводим соответствующие названия, остальные вкладки заполняем по желанию.

Шаг 4: выбираем месторасположение диаграммы: на имеющемся листе или на отдельном.

В результате мы должны получить график, представленный на рис.3.4.1.

Рис.3.4.1

Следующий этап: вычисление скользящего среднего.

Для его вычисления в меню Сервис выбираем команду Анализ данных (Data analysis), затем в окне диалога Анализа данных указываем инструмент Скользящее среднее (moving average) и нажимаем кнопку ОК.

Если команда Анализа данных отсутствует в меню Сервис, выбираем в меню Сервис команду Надстройки и затем – Пакет анализа в списке надстроек, после чего нажимаем кнопку ОК. Для последних версий в Файл – Параметры – Надстройки сделайте Пакет анализа активным.

Инструмент Скользящее среднее требует задания трех параметров: диапазона, которых содержит анализируемые данные: вводим соответствующие значения давления; диапазона для вычисляемых усредненных данных: указываем диапазон ячеек, в которых будут выводиться результаты анализа и интервала усреднения: для шестимесячного скользящего среднего задаем интервал равный 6.

Ставим галочку напротив строки: вывод графика, для наглядного отображения выводимых результатов.

Рис.3.4.2

Как видно на экране первые несколько ячеек выводят ошибочное значение #H/Д (#N/A), причина этого была описана выше.

Кроме скользящего среднего в анализе данных предлагаются следующие инструменты анализа: одно, двухфакторный дисперсионный анализ, экспоненциальное сглаживание, анализ Фурье, корреляция, регрессия и т. д. Постарайтесь разобраться с этими инструментами самостоятельно.

Excel также представляет несколько функций для работы с линейной регрессией – ЛИНЕЙН, ТЕНДЕЦИЯ, ПРЕДСКАЗ, НАКЛОН и СТОШYX – и две – ЛГРФПРИБЛ и РОСТ – для экспоненциальной регрессии. Каждую из этих функций можно использовать с одной или несколькими независимыми переменными.

Регрессия – это статистический метод, позволяющий найти уравнение, которое наилучшим образом описывает множество данных. Регрессионный анализ основывается на сложных уравнениях и позволяет анализировать большие совокупности данных с построением соответствующих кривых зависимости. Раньше регрессионный анализ был мало доступным из-за большого объема необходимых вычислений. Но с появлением приложений для работы с электронными таблицами, таких как Microsoft Excel, которые предлагают встроенные регрессионные функции, регрессионный анализ становится все более популярным.

Линейная регрессия определяет прямую, которая наилучшим образом представляет множество данных. Основываясь на данных за текущий год, линейная регрессия поможет определить прогнозируемый подъем или спад контролируемых параметров на будущий год (изменение стока реки, изменение концентрации токсичных газов в атмосфере).

Экспоненциальная регрессия определяет экспоненциальную кривую, наилучшим образом представляющую множество данных, для которых предполагается нелинейная зависимость от времени. Например, ряд изменения роста деревьев почти всегда может быть лучше представлен экспоненциальной кривой, нежели прямой кривой.

Многомерная регрессия выполняет анализ для нескольких множеств данных; это часто дает более реалистичный прогноз. Можно проводить как линейный, так и экспоненциальный многомерный регрессионный анализ.

Функции Excel для работы с линейной регрессией так же предназначены для самостоятельного изучения.

Задача 3.5: построить математическую модель изменения температуры от концентрации СО2 в атмосфере Земли, используя зависимости Ракиповой.

Нам известно, что в процессе хозяйственной деятельности человека ежегодно высвобождается большое количество энергии. Это происходит в основном за счет сжигания топлива и работы атомных электростанций.

Влияние энергетики на температуру атмосферы проявляется в следующем.

  1. выбросы СО2 в атмосферу от сжигания топлив приводят к увеличению количества СО2 в атмосфере и благодаря парниковому эффекту приводят к разогреву атмосферы.

  2. происходит чисто тепловой разогрев атмосферы в результате рассеяния производимой энергии.

  3. сжигание топлив сопровождается загрязнением атмосферы аэрозолями. При этом меняются рассеяние, поглощение и отражение солнечной радиации в атмосфере и вследствие этого меняется температура атмосферы.

С экологической точки зрения очень важно знать, прослеживать и пытаться контролировать концентрации газов, являющихся причиной парникового эффекта.

Механизм парникового эффекта объясняется различием поглотительной способности атмосферы для приходящего к Земле излучения Солнца и излучения, уходящего от Земли. Атмосфера сравнительно хорошо пропускает идущее от Солнца коротковолновое излучение (90% энергии солнечного излучения приходится на диапазон спектра 0,4 – 4 мкм). Земля излучает полученную от Солнца энергию в длинноволновом диапазоне (участок спектра 5 – 100 мкм). В этом диапазоне происходит интенсивное поглощение излучения молекулами различных газов, что вызывает разогревание атмосферы, называемое парниковым эффектом.

Одним из таких газов является СО2. Вид зависимости температуры от содержания СО2 в атмосфере был определен расчетным путем многими учеными на основании различных модельных представления. Результаты расчетов расходятся не слишком сильно. Следует отметить, что изменением режима влажности и осадков, вызванным изменением температуры, либо пренебрегали, либо проведенные расчеты не позволяли сделать выводы относительно изменения режима влажности и осадков в зоне, занятой растительностью. Для наших расчетов мы использовали зависимость, полученную Л.Р. Ракиповой и О.Н.Вишняковой, в которой, как и в большинстве других работ, изменение режима влажности и осадков считалось незначительным. В результате для расчетов была получена аппроксимация зависимости в виде:

(3.5.1)

где

Тg - отклонение средней глобальной температуры атмосферы у поверхности Земли от современного значения,

Z – относительное содержание СО2 в атмосфере (по отношению к современному значению). В современном состоянии биосферы Тg = 0 и Z = 1. Полученная аппроксимация достаточно точна и производная dTg/dZ непрерывна в точке Z = 1.

Вид зависимости изображен на рис. 3.5.1. Видно, что температура есть возрастающая функция количества атмосферного СО2. Увеличение количества СО2 в атмосфере на 20% приводит к увеличению температуры на 0,3С. Увеличение атмосферного СО2 вдвое приводит к увеличению температуры на 1,3С.

Итак, в ячейку А1 вводим Z, в ячейку В1 – Т. Далее в диапазон А2:А11 введем числа от 1 до 10, используя функцию Автозаполнения. После этого в ячейке В2 с помощью специальной встроенной функции ЕСЛИ создаем формулу:

=ЕСЛИ(A2>=1;2,5*(1-EXP(-0,82*(A2-1)));-5,25*A2^2+12,55*A2-7,3),

которая является электронным аналогом формулы (3.5.1), в случае Z ≥ 1, формула Excel высчитывает значение Tg по первому уравнению, в случае Z < 1 – по второму. Затем «растянем» введенную формулу для всех значений Z.

Таблица 3.5.1

Z

T

1

0

2

1,398921

3

2,01505

4

2,286413

5

2,405929

6

2,458568

7

2,481752

8

2,491963

9

2,49646

10

2,498441


Рис.3.5.1

Использование логических функций значительно расширяют возможности применения EXCEL. До 7 функций ЕСЛИ могут быть вложены друг в друга в качестве значений аргументов значение_если_истина и значение_если_ложь. Определите для решения какой задачи была написана следующая формула =ЕСЛИ(A3<=3,"2",ЕСЛИ(A3<=6,"3",ЕСЛИ(A3<=9,"4",ЕСЛИ(A3<=12,"5")))).

Аналогичное решение: = ЕСЛИ (И(A1 >= 10, A1 <= 12), "Отлично"; ЕСЛИ (И (A1>=7; A1<=9);"Хорошо"; ЕСЛИ (И(A1>=4;A1<=6); "Удовлетворительно"; "Неудовлетворительно"))). Обратите внимание, что в синтаксис данных функций, для исключения копирования формул, внесена ошибка.

Решите задачу по определению направления ветра при заданном азимуте. С (0-22.5); СВ (22.5-67.5) и т. д.

Задача 3.6: построить математическую модель изменения концентрации СО2 в атмосфере Земли, используя данные исследований с 1958 по 2012 года (http://scrippsco2.ucsd.edu/data/in_situ_co2/monthly_mlo.csv). С помощью полученной модели предсказать изменение концентрации данного парникового газа на ближайшее будущее (до 2017 года).

На отличную оценку решение данной задачи необходимо начать с того, что используя интернет обновите данные измерений концентраций углекислого газа. В данном примере взяты за основу измерения проводившихся в обсерватории Мауна-Лоа на Гавайских островах в 1957 – 2012 гг.. Из базы содержащей несколько тысяч измерений по годам и месяцам с помощью функций ЕСЛИ нужно выбрать годовые минимальные (октябрь) и максимальные (май) значения концентрации. С помощью функций, функций сортировки необходимо получить таблицу аналогичную таблице 3.5.2.

Для хорошей и удовлетворительной оценки решение задачи допускается начать с построения зависимости количества атмосферного СО2 от времени. С помощью мастера диаграмм постройте график, изображенный на рис.3.5.1.

Таблица 3.5.2

Изменение концентрации атмосферного СО2

года

Объемные части/млн

года

Объемные части/млн

года

Объемные части/млн

1958

317,5

1976

328,94

1995

363,79

1958

313,2

1977

336,75

1995

357,76

1959

318,29

1977

331,16

1996

365,41

1959

313,26

1978

338,01

1996

359,6

1960

320,03

1978

332,55

1997

366,8

1960

313,83

1979

339,47

1997

360,77

1961

320,58

1979

333,86

1998

369,3

1961

315,38

1980

341,46

1998

364,23

1962

321,01

1980

336,02

1999

371

1962

315,42

1981

342,91

1999

365,13

1963

322,25

1981

336,86

2000

371,82

1963

315,99

1982

344,14

2000

366,73

1964

322,25

1982

337,86

2001

374,02

1964

316,79

1983

345,75

2001

368,1

1965

322,16

1983

339,99

2002

375,55

1965

317,3

1984

347,43

2002

370,25

1966

324,01

1984

341,35

2003

378,35

1966

318,1

1985

348,93

2003

373

1967

325

1985

342,8

2004

380,61

1967

319,31

1986

350,21

2004

374,22

1968

325,57

1986

344,17

2005

382,24

1968

320,25

1987

351,84

2005

376,79

1969

327,34

1987

346,36

2006

384,94

1969

321,78

1988

354,22

2006

379,05

1970

328,07

1988

348,88

2007

386,43

1970

323,16

1989

355,67

2007

380,88

1971

328,92

1989

349,99

2008

388,49

1971

323,57

1990

357,16

2008

382,81

1972

330,07

1990

351,18

2009

390,18

1972

325,06

1991

359,34

2009

384,34

1973

332,48

1991

352,21

2010

393,22

1973

327,18

1992

359,66

2010

387,15

1974

333,09

1992

353,31

2011

394,34

1974

327,37

1993

360,28

2011

388,92

1975

333,97

1993

353,99

2012

396,79

1975

328,34

1994

361,68

 

 

1976

334,87

1994

355,99

 

 

Анализируем график: видны уменьшения концентрации СО2 летом и повышением концентрации СО2 зимой, что объясняется сезонным развитием наземной растительности в Северном полушарии. В целом за данный период рост СО2 составил 0,28% в год. Аналогичный рост концентрации атмосферного СО2 наблюдается во всех обсерваториях. Это говорит о том, что ожидаемый в ближайшие годы рост концентрации атмосферного СО2 будет достаточно велик, что может привести к заметному изменению температуры атмосферы.

Зависимость, рассмотренная нами, была построена в начале 80-х годов. Т.о. мы можем проследить изменение концентрации СО2 в воздухе до наших дней и сделать прогноз на ближайшее будущее. Это возможно сделать с помощью такой функции, как линия тренда. Линия Тренда – это линия регрессии, которая аппроксимирует точки данных, или линия скользящего среднего. Линии тренда графически иллюстрируют тренд (тенденцию изменения) рядов данных. Линии тренда обычно используются, когда необходимо решить задачи прогнозирования и экстраполяции (т. е. задачи регрессионного анализа, когда одна переменная может быть представлена через другие). С помощью регрессионного анализа можно продолжить линию тренда вперед или назад, экстраполировать ее за пределы, в которых данные уже неизвестны и показать их тренд - тенденцию изменения. Можно также построить скользящее среднее, которое сглаживает случайные отклонения.

Для создания линии тренда необходимо выполнить следующие действия: наводим курсор на график и нажимаем правую кнопку мыши, появляется контекстное меню, в котором выбираем команду: добавить линию тренда.

Для данного ряда данных приемлемо выбрать 3-ий тип линии тренда – полиномиальную линию тренда 3-ей степени. В закладке Параметры указываем прогноз на необходимое число периодов вперед, ставим галочку напротив строк: показывать уравнение на диаграмме и поместить на диаграмму величину достоверности аппроксимации (R^2). Затем нажимаем кнопку ОК. Результат видим на экране (рис.3.5.3).

Как видно из графика, наблюдается постепенное повышение концентрации СО2 в воздухе в данный период времени. Задав параметры линии тренда – прогноз вперед на n периодов, возможно проследить изменение концентрации СО2 в воздухе, но необходимо учитывать тот факт, что значения будут не точными, а приближенными, т.к. значение остаточного квадратного отклонения (R2)=0,98038384. Уравнение линии тренда имеет вид: y=-0,00000679x3+0,00423210x2+0,34009010x+314,50813027

Рис.3.5.2

Рис.3.5.3

Инструменты Excel делают возможным проследить изменения концентрации СО2 в атмосфере до наших дней, а также предсказать возможное количество парникового газа в атмосфере будущего.

Выделив курсором мышки линию тренда и нажав правую кнопку мыши, в появившемся окне выбираем команду Формат линии тренда. И осуществляем необходимые нам изменения. В данном конкретном случае нам следует лишь увеличить количество прогнозируемых периодов (например, на 10 или 20), для того, чтобы иметь представление о предполагаемом по данной математической модели увеличении концентрации СО2 в настоящий период времени и в ближайшем будущем. Постройте график аналогичный рис 3.5.3.

С использованием линии тренда можно решать простейшие задач прогнозирования с использованием различных функций интерполяции: логарифмической, экспоненциальной, полиномиальной, степенной и т. д. Для этого на панели Тип выберите нужный тип регрессионного анализа (экстраполяции) линии тренда или тип “скользящей средней”.

Задача 3.7: построить кривую изменения численности населения Земли. Аппроксимировать полученную кривую с помощью экспоненциальной и степенной функции.

год

Население, т.ч.

год

Население, т.ч.

год

Население, т.ч.

-4000

7

1300

360

1950

2418,6

-1000

50

1340

443

1955

2755,8

-500

100

1400

350

1960

3021,4

0

170

1500

425

1965

3334,8

200

190

1600

545

1970

3692,9

400

190

1650

470

1975

4068,1

500

190

1700

600

1980

4434,6

600

200

1750

791

1985

4830,9

700

210

1800

978

1990

5263,5

800

220

1850

1262

1995

5674,3

900

226

1900

1650

2000

6070,6

1000

310

1910

1750

2005

6343,6

1100

301

1920

1860

2010

6900

1200

360

1930

2070

1250

400

1940

2300

Решение данной задачи с использованием линии тренда не позволяет получить оптимальный результат. Поставленная задача нагляднее всего решается путём ручного подбора коэффициентов экспоненциальной или степенной зависимости.

Задача 3.8: рассчитать зону поражения отравляющим веществом при заданной постоянной скорости ветра и известному времени продолжительности аварии.

Решением данной задачи будет круговая диаграмма построенная на рисунке

Рис.3.7.1

Обратите внимание, что расчёт площади поражения используются три разные формулы в зависимости от скорости ветра.

Если скорость ветра от 0 до 0,6, то- «=3,14*Е10²»

Если скорость ветра от 0,61 до 1, то- «=3,14*Е10²/2»

Если скорость ветра от 1,01 до 8, то- «=3,14*Е10²/4»

Расчёт глубины зоны поражения осуществляется по формуле «=Е4*Е6*6»

Чистая зона и зона поражения, ячейки В15 и С15 задаются формулами: =ЕСЛИ(E6<=0,6;360;ЕСЛИ(E6<=1;180;ЕСЛИ(E6<=2;270;315)))

Контрольные вопросы:

  1. Что такое линия тренда?

  2. Как можно использовать команду Подбор параметров?

  3. Что такое консолидация данных?

  4. Что включают в себя метрологические характеристики?

  5. Что такое аппроксимация функции?

  6. Какие функции для работы с линейной регрессией Вы знаете?

  7. Что такое Скользящее среднее?

  8. Каким способом возможно предсказать изменения некоторых величин во времени?