Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Основы научного эксперимента-у.п.-КВР.docx
Скачиваний:
0
Добавлен:
01.07.2025
Размер:
2.84 Mб
Скачать

2.3 Аппроксимация в виде системы линейно независимых функций

Применяется, когда вид функции заранее не известен. Пусть

где - ортогональные многочлены Чебышева на множестве точек х12,…хn.

Условие ортогональности

Согласно МНК

откуда

Оценка любого параметра αi зависит только от соответствующей базисной функции φ(хi). Сами базисные функции удобно выбирать в виде многочленов:

Коэффициенты α,β,γ выбирают из условия ортогональности

Полученные отношения проиллюстрируем примером.

Известна экспериментальная зависимость предела прочности от размера d[мм] зерна рекристализированного металла (см. табл.2.1).

Произведем линейное преобразование переменных:

Примем линейную модель вида с базисными функциями

Из условия ортогональности найдем α:

В силу симметрии , поэтому

По методу наименьших квадратов находим параметры b0, b1:

Таким образом получена линейная зависимость вида у=-0,544-0,367x.

Примем квадратичную модель вида где

Из условия ортогональности получим:

Следовательно,

Найдем b2:

Тогда квадратичная зависимость примет вид

Порядок и результаты проведенных расчетов представлены в табл. 2.1 и на рис. 2.5.

Таблица 2.1 Расчет аппроксимации при помощи линейно независимых функций

n

d

σ b

Xi1

yi=yϕ0

yix=yiϕ1

ϕ2

2

Линейная модель

Квадратичная модель

Yрасч

y-yрасч

Yрасч

y-yрасч

1

50

47,1

-8

3,1

-24,7

44

135,8

2,392

0,695

3,087

0,018

2

90

44,8

-4

0,9

-3,4

-4

-3,4

0,924

-0,063

0,861

-0,063

3

100

44,4

-3

0,4

-1,1

-11

-4,2

0,557

-0,174

0,383

0,018

4

120

43,6

-1

-0,5

0,5

-19

9,1

-0,177

-0,300

-0,477

0,077

5

130

43,2

0

-0,9

0,0

-20

17,2

-0,544

-0,316

-0,860

0,06

6

140

42,6

1

-1,2

-1,2

-19

23,0

-0,911

-0,300

-1,211

-0,189

7

160

42,3

3

-1,8

-5,5

-11

20,0

-1,645

-0,174

-1,819

0,118

8

170

41,9

4

-2,1

-8,3

-4

8,3

-2,012

-0,063

-2,075

-0,022

9

210

41,2

8

-2,8

-22,3

44

-122,5

-3,48

0,695

-2,785

-0,022

180

-4,9

-66,1

5268

83,2

-4,896

1,315

-4,896

0,0648

H1

H2

∑( y-yрасч)2

∑( y-yрасч)2

Тогда для линейной модели