
- •5. Постановка задач для самостоятельной работы
- •1. Математическое моделирование свойств чугуна. Задача 1
- •5.7. Задача об использовании сырья. Задача 2
- •5.8 Задача об использовании оборудования. Задача 3
- •5.9. Графическое решение задач линейного программирования. Задача 9
- •Пример оформления титульного листа курсового проекта
- •Контрольная работа по курсу
- •Литература
- •3.2. Метод наименьших квадратов. Одномерные математические модели
- •3.4. Нелинейные модели. Метод линеаризации
- •3.5. Адекватность математических моделей
Литература
Моделирование тепловых полей в сложных
пространственных формах
1. Д у л ь н е в Г. Н., П а р ф е н о в В. Г., С е п а л о в А. В. Применение ЭВМ для решения задач теплообмена. – М.: Высш. школа, 1990.
2. С а м а р с к и й А. А. Введение в численные методы. – М.: Наука, 1987.
3. Теория теплообмена / С.И.Исаев, И.А.Котелков и др. – М.: Высш. школа, 1979.
4. З а р у б и н В. С. Инженерные методы решения задач теплопроводности. – М.: Энергоатомиздат, 1983.
5. Б е л я е в Н. М., Р я д н о А. А. Методы теории теплопроводности. В 2 т. – М.: Высш. школа, 1982.
6. П а т а н к а р С. Численные методы решения задач теплообмена и динамики жидкости. – М.: Энергоатомиздат, 1984.
7. С е г е р л и н д Л. Применение метода конечных элементов. –М.: Мир, 1979.
8. С а м а р с к и й А. А. Теория разностных схем. – М.: Наука, 1983.
3.2. Метод наименьших квадратов. Одномерные математические модели
Пусть задана таблица (xi, yi), описывающая технологический процесс. На рис.3.3 представлено распределение xi, yi. Построить математическую модель – это значит, определить функцию y = f(x). В данном случае мы предполагаем, что функция имеет вид
y =B0 + B1x,
где B0 и B1 являются оптимальными параметрами, обеспечивающими наименьший разброс точек (xi, yi) относительно y = f(x). Основная задача математического моделирования состоит в определении коэффициентов B0 и B1, которые обеспечивают наименьший разброс исходных точек (xi, yi) относительно модельной функции f(xi).
Для решения этой задачи строится функционал вида
,
который является суммой квадратов 1, 2, …, n.
i = yi - f(xi) – отклонение исходной и модельной точек. Чем меньше (S), тем ближе модельная функция к данным исходной матрицы, а значит, моделируемый процесс более адекватен внутренней структуре y = f(x).
y
x
Рис. 3.3. Схема метода наименьших квадратов
При этом отыскание минимизирующего набора коэффициентов B0 и B1 выводится из условий минимума дифференцируемой функции S(B0, B1). Система для нахождения минимизирующего набора B0 и B1 определяется из
(3.3)
Используя правило дифференцирования, получим
После подстановки f(x) = B0 + B1xi получим
(3.4)
Решая систему (3.4) относительно B0 и B1, определяем формулы для построения моделей
;
(3.5)
;
(3.6)
;
,
где n – число точек (xi, yi);
,
– средние значения xi
и yi
соответственно;
B0 и B1 – регрессионные коэффициенты модели.
Математическая модель (уравнение регрессии) может быть получена в терминах коэффициента корреляции (r) и полных дисперсий (x2, y2):
; (3.7)
;
(3.8)
;
(3.9)
,
(3.10)
где rxy – коэффициент корреляции между x и y;
x, y – среднее квадратическое отклонение (x2, y2 – дисперсии).
Коэффициент корреляции rxy является величиной, показывающей взаимосвязь между переменными x и y. Коэффициент корреляции может принимать значения в интервале [-1, 1]. Если rxy 0, то это свидетельствует об отсутствии корреляции между величинами x и y.
По формулам (3.5) и (3.6) вычисляется уравнение регрессии. Далее можно оценить близость уравнения (модели) к исходным точкам (xi, yi), что является оценкой адекватности модели. При этом используют критерий Фишера
,
(3.11)
где f(xi) – величины, получаемые путем подстановки исходных xi в модель f(xi) = B0 + B1xi;
k – число переменных модели.
Значение Фишера
необходимо оценить по неравенству
.
Величины Fkp
определяются по таблице для заданного
условия значи-мости. При этом используются
величины f2 = n - k и f1
= n - k - 1. Если F < Fкр,
то модель адекватна, если нет, то
неадекватна. В этом случае вид модели
необходимо изменить. При этом можно
увеличивать число переменных модели
или изменять функцию f(x), вводя новые
компоненты. Например,
или y = exp(B0 + B1x2).
В случае если не удается получить
адекватную одномерную модель, переходят
к двумерным моделям и, далее, к многомерным.