- •Введение
- •1 Построение концептуальной модели
- •1.1 Постановка задачи моделирования
- •1.2 Анализ задачи моделирования
- •1.3 Исходная информация, характеризующая поведение системы
- •1.4 Определение параметров и переменных моделей
- •1.5 Установление основного содержания модели
- •1.6 Обоснование критериев моделирования и проверка достоверности концептуальной модели
- •2.3 Выбор вычислительных средств для моделирования
- •3 Регрессионный анализ работы системы
- •3.1 Результаты вычислительного эксперимента
- •3.2 Оценка значимости коэффициентов уравнения регрессии
- •3.3 Оценка адекватности математической модели
- •4 Оптимизации производственного процесса зоны
- •Заключение
- •Список литературы
- •Приложения а
3.3 Оценка адекватности математической модели
Уравнение регрессии должно адекватно описывать поведение реальной системы. Степень адекватности, соответственно, точность регрессионной модели оценивается с помощью критерия Фишера. Если опытный критерий Fоп ≥ Fт табличному критерию, то модель адекватна и наоборот.
FT(α; k1; k2)≤Fоп, (3.8)
где К1 = N – 1 = 4 – 1 = 3 – число степеней свободы
FT(0,05;3;2)=19,3
(3.9)
где Sy2 – дисперсия среднего,
(3.10)
где
-
среднее значение критерия эффективности,
.
(3.11)
По формуле (3.11) определим среднее значение критерия эффективности:
Для абсолютной пропускной способности равно:
Для среднего числа занятых каналов равно:
По формуле (3.10) определим дисперсию среднего.
Для
абсолютной пропускной способности
равно:
Для среднего числа занятых каналов равно:
По формуле (3.9) определим опытное значение критерия Фишера.
Для абсолютной пропускной способности
равно:
Для среднего числа занятых каналов равно:
Сравним опытное и табличное значения критерия Фишера соответственно для относительной пропускной способности, среднего числа занятых каналов.
Обе модели адекватны.
Т.к. модель адекватна, то, анализируя уравнение регрессии, получим лучшие значения и , соответствующие оптимальному значению критерия эффективности.
Для абсолютной пропускной способности:
А = + ·λ− ·µ+ ·λ·µ.
.
(3.12)
GRAD =
·i−
·j.
Процесс определения области экстремума сведем в таблицу 3.5:
Таблица 3.5 – Процесс определения области экстремума
Этапы процесса |
λ |
μ |
А |
1. Основной уровень значения факторов |
0,184 |
0,49 |
0,104 |
2. Интервалы варьирования факторов |
0,125 |
0,238 |
− |
3. Величина шага изменения факторов |
+0,031 |
−0,059 |
− |
4. Значение факторов на первом шаге |
0,215 |
0,43 |
0,209 |
5. Значение факторов на втором шаге |
0,246 |
0,371 |
0,321 |
6. Значение факторов на третьем шаге |
0,277 |
0,311 |
0,418 |
7. Значение факторов на четвертом шаге |
0,309 |
0,252 |
0,512 |
Получаем оптимальные значения интенсивности поступления и обслуживания для абсолютной пропускной способности соответственно:
Для среднего числа занятых каналов:
Xз = ·λ− ·µ ·λ·µ.
GRAD =
·i
·j.
Процесс определения области экстремума сведем в таблицу 3.6:
Таблица 3.6 – Процесс определения области экстремума
Этапы процесса |
λ |
μ |
Хз |
1. Основной уровень значения факторов |
0,184 |
0,4902 |
0,362 |
2. Интервалы варьирования факторов |
0,125 |
0,238 |
− |
3. Величина шага изменения факторов |
+0,031 |
−0,059 |
− |
4. Значение факторов на первом шаге |
0,215 |
0,43 |
0,477 |
5. Значение факторов на втором шаге |
0,246 |
0,371 |
0,635 |
6. Значение факторов на третьем шаге |
0,277 |
0,311 |
0,858 |
7. Значение факторов на четвертом шаге |
0,309 |
0,252 |
0,968 |
Получаем оптимальные значения интенсивности поступления и обслуживания для среднего числа занятых каналов соответственно:
