
- •Девиз:
- •Модели и программы
- •Литература:
- •Тема 1: «Экспериментальное обеспечение моделей»
- •Мы изучаем модели:
- •Физическое обоснование. Уравнение неразрывности
- •Вывод уравнения неразрывности
- •Расчетная схема
- •Основные уравнения
- •Основное уравнение переноса в конечно-разностной форме
- •Сеточная схема расчета (используется при численном моделировании методом конечных элементов, -метод Галеркина)
- •Таким образом, экспериментальным обеспечением моделей влагопереноса
- •Начальные условия
- •Модель движения воды в почве
- •Граничные условия
- •Продолжение темы 1
- •Нижнее граничное условие
- •Это было о потоках влаги, о динамике влажности почвы
- •Пункт 2 темы: Перенос тепла в почве qТ dTdz
- •Уравнение теплопереноса
- •Основное уравнение теплопереноса
- •Расчет переноса тепла внутри почвы
- •Уравнение теплопереноса в
- •Условия для применения расчетной схемы
- •Расчет переноса тепла внутри почвы
- •Уравнение теплопереноса в
- •Условия для применения расчетной схемы
- •Условия для применения расчетной схемы
- •стоп
- •Педотрансферные функции
- •«Педотрансферные функции превращают данные, которые у нас есть, в данные, которые нам нужны!»
- •Определяют педотрансферные функции
- •1-й способ (точечный)
- •2-й способ (параметрический)
- •Педотрасферные функции
- •Нейросетевые алгоритмы
- •Математическая модель нейрона
- •«Педотрансферные функции превращают данные, которые у нас есть, в данные, которые нам нужны!»
- •Тема 2. Аппроксимация эмпирических зависимостей
- •Виды функций
- •Убывающие функции
- •С одним максимумом
- •V.С несколькими экстремумами
- •Определение
- •Следующий вопрос темы 2
- •Вхимии почв: уравнения сорбции
- •Физический смысл параметров
- •3.Определение параметров аппроксимации
- •Задача – найти минимум S, подобрав соответствующие значения b1 и b2
- •Определение
- •Расчет среднеквадратической
- •Метод сканирования
- •СТАТИСТИКИ ДЛЯ АНАЛИЗА ПАРАМЕТРОВ
- •Анализ ошибок (погрешностей)
- •Практическое задание 1.
- •Зависимость Y от X
- •«Выдача» после аппроксимации
- •Гистограмма погрешностей
- •График реальных значений от расчетных
- •График зависимости погрешностей от расчетной величины
- •Анализ на систематические погрешности
- •Сравнение параметров
- •Статистическое доказательство значимости различий параметров
- •Физический смысл сравнения параметров (пример с термофильными микроорганизмами)
- •Правила подбора функций
- •Практическое занятие №1
- •Модели и программы
- •Тема 2. Аппроксимация эмпирических зависимостей
- •Виды функций
- •Убывающие функции
- •С одним максимумом
- •V.С несколькими экстремумами
- •Определение
- •Следующий вопрос темы 2
- •Вхимии почв: уравнения сорбции
- •Физический смысл параметров
- •3.Определение параметров аппроксимации
- •Задача – найти минимум S, подобрав соответствующие значения b1 и b2
- •Определение
- •Расчет среднеквадратической
- •Метод сканирования
- •СТАТИСТИКИ ДЛЯ АНАЛИЗА ПАРАМЕТРОВ
- •Анализ ошибок (погрешностей)
- •Практическое задание 1.
- •Зависимость Y от X
- •«Выдача» после аппроксимации
- •Гистограмма погрешностей
- •График реальных значений от расчетных
- •График зависимости погрешностей от расчетной величины
- •Анализ на систематические погрешности
- •Сравнение параметров
- •Статистическое доказательство значимости различий параметров
- •Физический смысл сравнения параметров (пример с термофильными микроорганизмами)
- •Правила подбора функций
- •Практическое занятие №1
- •Задание после аппроксимации
- •Заключительные вопросы (!)
- ••ЗАДАНИЕ ПО ПАРАМЕТРИЗАЦИИ ЭКСПЕРИМЕНТАЛЬНЫХ ЗАВИСИМОСТЕЙ (АППРОКСИМАЦИЯ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ)
- •Получить параметры аппроксимации для 2-й экспериментальной зависимости. Сравнить достоверность отличий полученных параметров по
- •Пример работы с программой STATISTICA
- •Аппроксимация в программе STATISTICA
- •Сравнение функций для описания экспериментальных данных и выбор лучшей
- •Сравнение моделей. Критерий Вильямса-Клюта
- •Из раздела: Аппроксимация
- •Пример расчета критерия Вильямса-Клюта
- •4. Функции, наиболее употребительные в почвоведении
- •Вхимии почв: уравнения сорбции
- •Физический смысл параметров
- •А если мы не знаем вида? Или функция очень сложная? С несколькими экстремумами?
- •Пример Харитоновой
- •4. Функции, наиболее употребительные в почвоведении
- •Вхимии почв: уравнения сорбции
- •Физический смысл параметров
- •В прошлый раз… Заканчиваем тему «Аппроксимация экспериментальных данных»
- •Впрограмме STATISTICA
- •Сравнение функций для описания экспериментальных данных и выбор лучшей
- •Сравнение моделей. Критерий Вильямса-Клюта
- •Для одних и тех же данных можно
- •• Критери й Вильямса-Клута (по Рыбалко
- •Пример расчета критерия Вильямса-Клюта
- •4. Функции, наиболее употребительные в почвоведении
- •Вхимии почв: уравнения сорбции
- •В биологии почв, экологии: физический смысл параметров гауссиады
- •Раздел почвоведения, использвание
- •А если мы не знаем вида? Или функция очень сложная? С несколькими экстремумами?
- •Общие правила подбора функций для экспериментальных данных
- •Новая тема
- •Работа с физически обоснованными моделями Модель водо- и солеобмена почв HYDRUS
- •Структура моделей
- •Типы наиболее употребительных моделей
- •2 типа моделей:
- •Составляющие водного баланса почв
- •Водный баланс почвы (одномерный)
- •Балансовые модели основаны на использовании гидрологических
- •Устройство балансовых моделей
- •Имитационные модели ……
- •HYDRUS
- •Что будем считать?
- •«Первая задача с прогнозной моделью HYDRUS»
- •Основные расчетные процессы модели HYDRUS
- •Geometry information
- •Заказ
- •Time information
- •Формирование препроцессора
- •Условия сеточной схемы
- •Параметры ван Генухтена и педотрансферные функции
- •NB! Запомнить, записать.
- •Граничные условия
- •Метеоусловия (условия на
- •Графический редактор Слои (материал 1 и 2)
- •Графический редактор (начальные условия: давление влаги по профилю)
- •Постпроцессор
- •Об умении читать выдачи
- •Пример работы с программой STATISTICA
- •Тема 3 «МОДЕЛИ РАВНОВЕСИЯ И ПЕРЕНОСА ВЕЩЕСТВ В ПОЧВАХ»
- •Ионные равновесия в растворах (гомогенный обмен)
- •Основные уравнения
- •Ионные равновесия при наличии твердой фазы (гетерогенный обмен)
- •3. Модели переноса веществ
- •Конвективный переносC веществ
- •Движение в почве с учетом
- •Явление гидродинамической дисперсии (по Holzbecher,1998)
- •Гидродинамическая дисперсия и
- •Конвективно-диффузионное уравнение
- •Определения
- •Конвективно-диффузионное уравнение
- •Это конвективно-дифф.уравнение, но без учета процессов, которые могут приводить к появлению дополнительных количеств
- •Конвективно-диффузионное уравнение
- •1.Ионный обмен
- •Итак, о слагаемом в конвективно-
- •Нерастворяющий объем (объем выталкивания, exclusive water)
- •1.Ионный обмен
- •Сорбция/десорбция кинетическая
- •Кинетика нулевого порядка
- •Кинетическая сорбция (разложение) веществ по кинетике 1-го порядка
- •Кинетики десорбции/разложения
- •Аналогично сорбции/десорбции описываются и процессы разложения, распада, роста (микроорганизмов) и пр.
- •Мы разобрались с описаниями всех процессов,
- •Основные параметры переноса солей
- •ВЫВОД:
- •Перенос веществ с преимущественными потоками растворов в почве
- •Полевой фильтрационный эксперимент
- •Основные уравнения переноса веществ по макропорам
- •Вид движущего в почве вещества
- •Модели переноса пестицидов (на
- •Переходим ко второму вопросу
- •Главное, - введение концепции
- •Исследования Оценка риска Управление
- •Вопрос 1 лекции 1
- •Статистический анализ кривой «доза-эффект»
- •Установление реперной концентрации (ВС5) для формальдегида
- •ПДК, ОБУВ и риски. Определения
- •Пример с агротехнологиями
- •ВЫВОД:
- •Полевой фильтрационный эксперимент
- •Основные уравнения переноса веществ по макропорам
- •Вид движущего в почве вещества
- •Модели переноса пестицидов (на
- •Конвективно-диффузионное уравнение
- •1.Ионный обмен
- •1.Ионный обмен
- •Сорбция/десорбция кинетическая
- •Кинетика нулевого порядка
- •Кинетическая сорбция (разложение) веществ по кинетике 1-го порядка
- •Кинетики десорбции/разложения
- •Аналогично сорбции/десорбции описываются и процессы разложения, распада, роста (микроорганизмов) и пр.
- •Основные параметры переноса солей
- •ВЫВОД:
- •Перенос веществ с преимущественными потоками растворов в почве
- •Полевой фильтрационный эксперимент
- •Основные уравнения переноса веществ по макропорам
- •Вид движущего в почве вещества
- •Модели переноса пестицидов (на
- •Переходим ко второму вопросу
- •Главное, - введение концепции
- •Исследования Оценка риска Управление
- •Вопрос 1 лекции 1
- •Статистический анализ кривой «доза-эффект»
- •Установление реперной концентрации (ВС5) для формальдегида
- •Вид движущего в почве вещества
- •Модели переноса пестицидов (на
- •Блок метеоусловий
- •Симулятор погоды
- •Сравнение моделей. Критерий Сайерта
- •Основные параметры модели
- •Схема передвижения веществ к корню растения
- •Основные уравнения модели
- •Определение чувствительности модели
- •Анализ чувствительности модели
- •Анализ чувствительности модели к параметрам ван Генухтена
- •Оценка
- •Тема IV
- •разговор

Впрограмме STATISTICA
•Если аппроксимация неудачна (на это указывает рисунок описания функцией экспериментальных точек – надо поправить (подобрать начальные приближения)




Сравнение функций для описания экспериментальных данных и выбор лучшей

Сравнение моделей. Критерий Вильямса-Клюта
Vi 12 ( 'i ''i )
Ui ( i'' i' )
Vi a Ui
строят регрессию. Чем больше а, тем значительнее
отличаются модели. Дальше достоверность а по критерию Стьюдент Если а достоверно, то модели достоверно различаются.
Если t-критерий >0, то 1-я модель лучше, если tа<0, то 2-я лучше.

Для одних и тех же данных можно
предложить несколько функций. Какая
лучше?Реальные
данные
X |
Y |
x |
b2 |
||
|
|
|
|||
2 |
1.5 |
y ' |
|
|
|
|
|||||
|
|
b1 |
|
52.4
10
3.0 20 4.0
y" b1 exp b2 x

• Критери й Вильямса-Клута (по Рыбалко
«МАТЕМАТИЧЕСКИЕ МОДЕЛИ КОНТРОЛЯ НАДЁЖНОСТИ ОБЪЕКТОВ ЭНЕРГЕТИКИ », 2010)
Каждая из функций дает ошибки (погре1шности)' '' |
Δ: |
|||||||||
|
|
V |
|
|
|
( |
i |
) |
||
1) |
Рассчитывают параметр V : |
i |
|
2 |
|
|
i |
|
||
U |
|
|
|
' |
) |
|
||||
2) |
Рассчитывают параметр U: |
i |
( '' |
|
||||||
|
|
|
i |
|
i |
|
|
|||
3) |
Находят регрессию V от U: V= α·U |
|
|
|
|
|
|
Статистический анализ
•Если α достоверна и положительна, то 1-я модель лучше
•При положительном и статистически значимом критерии α первая модель лучше, при отрицательном и значимом – вторая. Если α незначим, то модели не различаются.

Пример расчета критерия Вильямса-Клюта
(проверяется степенная функция и экспонента из примера 1)
V1 |
V2 |
Δ' |
Δ" |
V |
|
|
U |
|
a |
|
t-value |
p-level |
1 |
|
( i'' i' |
|
для a |
||||||||
|
|
|
|
V |
( ' |
'' ) Ui |
) |
a Ui |
|
|||
|
|
|
|
i |
2 |
i |
i |
|
Vi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
2 |
1.5 |
-0.08 |
-0.431 |
-0.25560 |
-0.3512 |
0.6210 |
4.250 |
0.02385 |
5 2.4
10 3
20 4
0.111 |
0.210 |
0.160635 |
0.09885 |
-0.029 |
0.299 |
0.13506 |
0.3289 |
ВЫВОД: 1. Модели |
достоверно |
||||
|
|
|
|
различаются, т.к. a |
|
|
|
|
достоверно; |
-0.009 |
-0.106 |
-0.05797 |
-0.0965 |
2. Степенная функция |
лучше, т.к. t-value |
положителен.
