Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
2013 год ММТП ЗАДАНИЯ.doc
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
743.94 Кб
Скачать

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.