
- •Методические указания по выполнению лабораторных работ
- •Содержание
- •Лабораторная работа №1 Метод Херста (ms Excel) Цель работы
- •Задание к работе
- •Теоретические сведения
- •Технология выполнения работы
- •Отчет по лабораторной работе
- •Защиталабораторной работы
- •Теоретические сведения
- •Технология выполнения работы
- •Отчет по лабораторной работе
- •Защиталабораторной работы
- •Теоретические сведения
- •Технология выполнения работы
- •Отчет по лабораторной работе
- •Защиталабораторной работы
- •Теоретические сведения
- •Технология выполнения работы
- •Отчет по лабораторной работе
- •Защиталабораторной работы
- •Теоретические сведения
- •Технология выполнения работы
- •Отчет по лабораторной работе
- •Защиталабораторной работы
- •Контрольные вопросы
- •Лабораторная работа №6
- •Vz-метод (ms Excel) Цель работы
- •Задание к работе
- •Теоретические сведения
- •Технология выполнения работы
- •Отчет по лабораторной работе
- •Защиталабораторной работы
- •Контрольные вопросы
- •Лабораторная работа №7 Генератор фрактальных сигналов на основе мстпвт (ms Excel) Цель работы
- •Задание к работе
- •Теоретические сведения
- •Технология выполнения работы
- •Отчет по лабораторной работе
- •Защиталабораторной работы
- •Контрольные вопросы
- •Литература
Технология выполнения работы
Запустить MS Excel и открыть чистый лист. Дать имя книге и сохранить файл (в дальнейшем не забывать периодически сохранять вносимые изменения).
Импортировать исходные данные из файла в область «Исходные данные» (рисунок 5.5) следующим образом:
–открыть файл с данными в новой книге;
Рисунок 5.5 – Расположение элементов на листе MS Excel при реализации Vk-метода
–если необходимо, сделать соответствующие замены в формате данных, чтобы преобразовать их числовую форму (например, заменить точки, разделяющие целую и дробную части, на запятые);
–скопировать полученные и преобразованные данные в область «Исходные данные».
В область «Индексы данных» добавить порядковые номера исходных данных.
Построить график исходных данных с помощью мастера диаграмм и поместить его в одноименную область.
Используя мастер функций, определить объем исследуемых данных N и результат поместить в область «Выходные параметры».
Определить точки (индексы данных), в которых будет вычисляться функция накопленного отклонения ряда от среднего по следующим правилам:
–на интервале индексов от 2 до 10 берутся точки с шагом 1;
–на интервале индексов от 10 до 100 берутся точки с шагом 10;
–на интервале индексов от 100 до 1000 берутся точки с шагом 100;
–на интервале индексов от 1000 до 10000 берутся точки с шагом 500;
–на интервале индексов от 10000 и более берутся точки с шагом 5000;
–точка с индексом N, т.е. последняя точка.
Выбранные индексы точек u фиксируются в строке «точки=u» области «Параметр Vk в точках».
Определяется среднее значение ряда на участках [1;u], где u – выбранные индексы точек, по формуле (5.2) и результат заносится в строку «Xсрu» области «Параметр Vk в точках».
Находятся значения функции накопленного отклонения на участках [1;u] по формуле (5.2) и результат заносится в строки «Z1», «Z2» и т.д. области «Параметр Vk в точках».
Z1=X1- Xсрu
Z2=Z1+X2- Xсрu
Z3=Z2+X3- Xсрu
………………..
Zu=Zu-1+Xu- Xсрu
Используя мастер функций, находится максимальное и минимальное значения Z и определяется размах накопленного отклонения на соответствующем интервале по формуле (5.3). Результат заносится в строку «Ru» области «Параметр Vk в точках».
Используя мастер функций, находится максимальное и минимальное значения исходных данных Х и определяется размах ряда на соответствующем интервале [1;u] по формуле (5.4). Результат заносится в строку «Rрu» области «Параметр Vk в точках».
Определяется параметр Vk в точках u по формуле (5.5). Результат помещается в строку «Vk» области «Параметр Vk в точках» для каждой точки u. Вычисляются десятичные логарифмы значений: точек u и Vk в этих точках. Результаты заносятся в строки «lg(Vk)» и «lg(N)» область «Координаты точек для фрактальной плоскости».
Используя мастер диаграмм, вывести фрактальную плоскость Vk-метода в одноименную область и изобразить линию тренда – аппроксимирующую прямую.
Вычислить параметры аппроксимирующей прямой (5.6) и результат поместить в строки «A=aл=» и «К=bл=» области «Выходные параметры».
Коэффициенты А=ал и К=bл находится по методу наименьших квадратов следующим образом. Пусть имеется ряд точек с координатами (x1;y1), (x2;y2), … ,(xi;yi), … ,(xn;yn), которые аппроксимируются линейной зависимостью, описываемой уравнением:
Yp=КXp+А.
Тогда
коэффициенты данного уравнения линейной
зависимости находятся как:
;
.
Определить минимальное значение ряда «lg(Vk)» области «Координаты точек для фрактальной плоскости» и добавить к нему 1%. Результат – Ymin поместить в строку «Ymin=min(lg(Vk))» области «Дополнительные параметры».
Вычислить пары значений X’=lgN и Y’=lgN/(lgVk–Ymin) для второй половины точек u. Т.е. если общее количество точек u, в которых определялся параметр Vk было 20, то X’ и Y’ находся в точках с 11 по 20. Результат X’ и Y’ записывается в строки «X’=lg(N)» и «Y’=lg(N)/(lg(Vk)–Ymin)» области «Дополнительные параметры».
Зависимость Y’=f(X’) изобразить в виде графика – область «График 1» и показать линию тренда.
Вычислить угловой коэффициент Е1 линии тренда (область «График 1»), используя аналогию п.14. Результат поместить в строку «Е1» области «Дополнительные параметры».
Вычислить коэффициент аэ экспоненциальной модели (5.7) следующим образом:
Результат поместить в строку «аэ=» области «Выходные параметры».
Для каждого значения u определить параметр Y’’=|lgVk–aз|, Результат поместить в строку «Y’’=ABS(lg(Vk)–aз)» области «Дополнительные параметры».
Вычислить значения lnY’’ при каждом u, результат поместить в строку «ln(Y’’)» области «Дополнительные параметры».
Вычислить коэффициенты bэ и cэ экспоненциальной модели (5.7) следующим образом:
,
,
где m–количество точек u, т.е. количество точек на фрактальной плоскости Vk-метода. Результаты поместить в строки «bэ=» и «сэ=» области «Выходные параметры».
Используя зависимость (5.7), по найденным значениям аэ, bэ и cэ, вычислить значения lgVk в точках u и результат поместить в строку «lg(Vk)теор» области «Координаты точек для фрактальной плоскости». Данную зависимость построить на фрактальной плоскости Vk-метода.
Проверить правильность нахождения коэффициентов аэ, bэ и cэ путем визуальной оценки совмещения графиков исходных данных и теоретической зависимости на фрактальной плоскости Vk-метода.
Определить значение квазипериода по формуле (5.8) и результат записать в строку «N*=» области «Выходные параметры».
Вычислить значение критерия перехода экспоненциальной модели в линейную по формуле (5.9) и результат записать в строку «cэ/lg(Nmax)=» области «Выходные параметры».
Определить отношение bэ к cэ и результат записать в строку «bэ/cэ=» области «Выходные параметры».
Проверить правильность реализации Vk-метода, путем определения К у рядов с известными фрактальными свойствами (таблица 5.2).
Таблица 5.2
Файлы, содержащих эталонные данные (cэ/lg(Nmax)>>6.25)
-
Kт
0.4
0.75
1
Имя файла
etalon.040
etalon.075
etalon.100
Оценить погрешность нахождения К по формуле:
γ=(К-Кт)/Кт*100%,
где К – экспериментальный показатель Vk-метода,
Кт – теоретический показатель Vk-метода.
Погрешность не должна превышать 10%, в противном случае необходимо пересмотреть реализацию Vk-метода.
Проверить правильность реализации Vk-метода, путем определения квазипериода N* у рядов с известными свойствами (таблица 5.3).
Таблица 5.3
Файлы, содержащих эталонные данные (cэ/lg(Nmax)<<6.25)
-
N*т
105
60
36
Имя файла
etalon_k.105
etalon_k.60
etalon_k.36
Оценить погрешность нахождения N* по формуле:
γ=(N*-N*т)/N*т*100%,
где N* – экспериментальное значение квазипериода,
N*т – теоретическое значение квазипериода.
Погрешность не должна превышать 10%, в противном случае необходимо пересмотреть реализацию Vk-метода.
Определить фрактальные характеристики данных из других файлов.
Провести классификацию исследуемых сигналов по шкале Vk-метода.
Составить отчет о проделанной работе в MS Word.