- •1.1 Цель работы
- •1.2 Постановка задачи
- •1.4 Порядок выполнения лабораторной работы
- •1.5 Программа аппроксимации экспериментальных данных
- •1.6 Содержание отчета
- •1.7 Контрольные вопросы
- •2.4 Программа для интерполяции кубическими сплайнами
- •2.6 Содержание отчета
- •2.7 Варианты
- •2.8 Контрольные вопросы
- •3.2.3 Проверка адекватности модели
- •4.1 Цель работы
- •4.3.1 Метод сканирования
- •4.3.1.1 Сущность метода
- •4.3.1.2 Программа поиска методом сканирования
- •4.3.2 Метод половинного деления (метод дихотомии)
- •4.3.2.1. Сущность метода
- •4.3.2.2. Программа поиска методом половинного деления
- •4.3.3 Метод золотого сечения
- •4.3.3.1 Сущность метода
- •4.3.3.2 Программа поиска методом золотого сечения
- •4.5 Порядок выполнения работы
- •4.6 Содержание отчета
- •4.7 Контрольные вопросы
- •5.1 Цель работы
- •5.2 Теоретические основы
- •5.3 Постановка задачи
- •5.4 Порядок выполнения работы
- •5.5 Содержание отчета
- •5.6 Варианты
- •5.7 Контрольные вопросы
- •6.1 Цель работы
- •6.2 Теоретические основы
- •6.2.1 Математические основы решения задачи (при К=2)
- •6.2.2 Программа поиска симплексным методом
- •6.3 Постановка задачи
- •6.4 Порядок выполнения работы
- •6.5 Содержание отчета
- •6.6 Варианты
- •6.7 Контрольные вопросы
ЛАБОРАТОРНАЯ РАБОТА № 1 ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ МЕТОДОМ
НАИМЕНЬШИХ КВАДРАТОВ
1.1Цель работы
Освоение обработки экспериментальных данных методом наименьших квадратов.
1.2Постановка задачи
Экспериментальные данные, полученные в лабораторных или промышленных условиях, являются основой для проведения дальнейших исследований.
Эти данные обычно используются:
-для определения констант известных теоретических соотношений (коэффициент диффузии, массопередачи и др.);
-как исходный материал для установления аналитических зависимостей (зависимость константы скорости реакции от температуры, зависимости плотности смеси от состава и т.д.).
Во втором случае в результате проведения эксперимента исследователь получает некоторую таблицу значений функции y при фиксированных значениях аргумента x:
x |
x1 |
x2 |
... |
xn |
y |
y1 |
y2 |
... |
yn |
Если аналитическое выражение наблюдаемой зависимости между y и x неизвестно, то встает практически важная задача - найти эмпирическую зависимость
, |
(1.1) |
расчеты по которой либо совпадают, либо приближаются наилучшим образом к экспериментально наблюдаемым значениям.
Геометрически задача построения эмпирической зависимости (1.1) состоит в том, чтобы построить некоторую кривую, которая была бы в определенном смысле близка к системе точек (xi, yi ), i=1,n.
Если вид зависимости заранее известен, то задача сводится к отысканию наилучших значений параметров этой зависимости, в противном случае вид этой зависимости также подлежит определению. По существу обе эти задачи решаются аналогично. Если вид зависимости y = f(x) заранее неизвестен, то исследователь по ряду соображений указывает узкий класс функций, которому должна принадлежать искомая функциональная зависимость. После того как выбран класс приближающих функций, не-
2
обходимо из него выбрать одну определенную функцию, воспользовавшись некоторым критерием оценки степени приближения.
1.3Аппроксимация экспериментальных данных методом наименьших квадратов
Пусть задана последовательность точек (xi, yi ),(i=1,n) и аппроксимируется зависимостью
|
0, a1,..., a, |
m |
, ,..., |
, |
, |
(1.2) |
|
|
|
|
|
|
|
параметры которой a |
|
|
(m<n) подлежат определению. |
|
||
Пусть эмпирическая зависимость f(x,a0 ,a1 ,...,am ) линейна относи- |
||||||
тельно коэффициентов a0 ,a1 ,...,am и задается формулой |
|
|||||
|
, , |
|
,..., |
|
. |
(1.3) |
Действительно, к виду (1.3) может быть приведен широкий класс функций. Например, зависимость f(x,a0 ,a1 ,a2 )=a0 +a1 x+a2 x2 может быть представлена в виде
где ϕ0 (x)=1; ϕ1 (x)=, x;,ϕ |
2,(x)=x2 |
ϕ |
ϕ |
ϕ |
, |
(1.4) |
|
, а зависимость y=aeb x - в виде |
|||||||
где a0 =lna; a1 =b;lnϕ0 (x)=1;, , |
ϕ1 |
(x)=x. |
|
, |
|
|
|
Важным этапом в |
решении задач обработки |
экспериментальных |
данных является выбор метода отыскания наилучших значений параметров искомой зависимости. Наилучшие значения параметров ai (i=1,m) могут быть найдены относительно просто, для чего используется метод, называемый методом наименьших квадратов (МНК).
Согласно МНК наилучшими коэффициентами (в смысле приближения расчетных значений к экспериментальным) будут те, которые найдены исходя из условия минимума суммы квадратов отклонений экспериментальных значений от расчетных:
, ,…, , , ,…, , (1.5)
При фиксированных значениях xi функция Φ(a0 ,a1 ,...,am ) имеет минимум. Необходимым условием существования экстремума функции нескольких переменных является равенство нулю частных производных по каждой из переменных. Таким образом, аналитически существование экстремума выражения (1.5) запишется в виде
3
|
|
|
, |
,…, |
|
|
|
, |
, |
,…, |
0, |
0, |
(1.6) |
||
|
|
|
|
|
|||||||||||
|
|
|
С учетом (1.3) уравнение (1.6) |
запишется как |
|
|
|
||||||||
|
|
|
|
|
, ,…, |
|
|
|
|
|
|
|
0, |
0, |
(1.7) |
или |
0 |
0 |
0 |
1 |
|
||||||||||
|
|
||||||||||||||
|
|
|
|
|
0 |
1 |
|
|
0 |
|
|||||
|
|
|
|
|
1 |
0 |
0 |
1 |
1 |
|
|
0 |
|
||
|
|
|
|
|
……………………………………………………………………………… |
|
|||||||||
|
|
|
|
|
|
0 |
0 |
1 |
1 |
|
|
0 |
|
Таким образом, нормальная система уравнений окончательно запишется так:
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
……………………………………………………………………………………………………
1 |
Обозначим |
1 |
1 |
1 |
|
, |
; |
, |
0,1,…, , |
тогда система уравнений примет вид
, |
, |
, |
, |
,, , ,
………….………………………………………….…….. (1.8)
, |
, |
, |
, |
Система уравнений может быть решена методом Гаусса. Программа приведена в п.1.5.
4
В некоторых случаях модели, нелинейные по параметрам, удается привести к линейному виду с помощью специальных преобразований. Например, уравнение
(1.9)
можно прологарифмировать, тогда получим |
, |
|
ln |
ln |
где а1, а2 - искомые параметры модели; х, у - входная и выходная координаты.
Введем обозначения lny = y1, lna1 = b0, a2 = b1, придем к линейному уравнению
у1 = b0 + b1x
Часто это не удается сделать. Например, уравнение
у
таким образом привести к линейному виду не представляется возможным. В этом случае процедура идентификации усложняется. Задача определения параметров нелинейной модели может быть сведена к минимиза-
ции суммы квадратов отклонений значений выходных координат yi и при одинаковых входных воздействиях х = хi:
(1.10)
Экстремум полученной функции также находится по соотношениям
0; |
|
0;…; |
|
0. |
|
|
Однако эти соотношения будут определять уже систему нелинейных алгебраических или трансцендентных уравнений, решение которых представляет самостоятельную и непростую задачу.
Параметры нелинейных моделей могут также находиться итеративно. Причем на каждой итерации исходная функция линеаризуется путем разложения в ряд Тейлора. Однако данный алгоритм может либо вообще не сходиться, либо сходиться очень медленно, с большими колебаниями оценок параметров.
В связи с этим более эффективным является непосредственный поиск экстремума функции Φ, основанный на использовании одного из методов оптимизации, например метода Ньютона.
1.4Порядок выполнения лабораторной работы
Постановка задачи: В таблице 1.1 приведены экспериментальные данные зависимости выходной координаты yэ от входной xэ. Целью лабораторной работы является подбор уравнения, которое описывало бы
5
наилучшим образом экспериментальные данные. Возможные варианты аппроксимирующих уравнений приведены в таблице 1.2. Ниже приведена и программа параметрической идентификации модели объекта.
Таблица 1.1 - Экспериментальные значения выходной координаты у
Значение |
|
|
|
|
Номер варианта |
|
|
|
|
||||
входной |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
координаты |
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
х |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1,63 |
0,74 |
0,61 |
0,96 |
4,48 |
2,12 |
2,03 |
1,77 |
1,03 |
1,26 |
2,02 |
0,27 |
2 |
|
1,43 |
1,28 |
0,37 |
1,87 |
5,71 |
2,59 |
4,36 |
2,7 |
2,64 |
1,77 |
2,81 |
0,37 |
3 |
|
1,05 |
1,52 |
0,23 |
2,29 |
6 |
2,65 |
6,38 |
3,19 |
3,98 |
1,95 |
3,14 |
0,35 |
4 |
|
0,96 |
2,07 |
0,19 |
3,13 |
7,74 |
3,39 |
10,4 |
4,45 |
6,51 |
2,59 |
4,21 |
0,4 |
5 |
|
0,74 |
2,27 |
0,15 |
3,41 |
8,34 |
3,68 |
13,5 |
5,04 |
8,32 |
2,83 |
4,66 |
0,36 |
6 |
|
0,64 |
2,74 |
0,13 |
4,05 |
10 |
4,52 |
18,8 |
6,27 |
11,4 |
3,42 |
5,68 |
0,37 |
7 |
|
0,46 |
2,68 |
0,1 |
3,89 |
9,89 |
4,63 |
21,1 |
6,34 |
12,5 |
3,39 |
5,67 |
0,3 |
8 |
|
0,4 |
3,09 |
0,09 |
4,39 |
11,5 |
5,67 |
27,4 |
7,52 |
16 |
3,94 |
6,64 |
0,3 |
9 |
|
0,35 |
3,63 |
0,09 |
5,03 |
13,7 |
7,16 |
35,9 |
9,07 |
20,7 |
4,68 |
7,94 |
0,29 |
10 |
|
0,26 |
3,46 |
0,07 |
4,69 |
13,3 |
7,43 |
38 |
8,88 |
21,6 |
4,53 |
7,72 |
0,24 |
11 |
|
0,23 |
3,98 |
0,07 |
5,28 |
15,6 |
9,38 |
48 |
10,4 |
27,1 |
5,28 |
9,03 |
0,23 |
12 |
|
0,18 |
4,21 |
0,06 |
5,46 |
16,9 |
10,9 |
55,5 |
11,3 |
31,1 |
5,66 |
9,73 |
0,21 |
13 |
|
0,14 |
4,26 |
0,05 |
5,39 |
17,4 |
12,3 |
60,9 |
11,6 |
34 |
5,79 |
10 |
0,18 |
Таблица 1.2 − Аппроксимирующие формулы
1
2
1
3
4 |
|
|
|
|
3,87 |
|
|||
6 |
|
|||
5 |
0,57 |
|
||
7 |
|
|||
|
|
|
|
|
8 |
|
1 |
|
|
|
|
|
||
9 |
|
|
|
|
10 |
|
|
|
6
Одним из универсальных способов решения рассматриваемой задачи с помощью программы EXCEL является использование поискового метода Ньютона.
Порядок выполнения работы следующий:
1)После запуска программы LP1.XLS вводятся исходные данные в
окне, приведенном на рисунке 1.3. В столбце обозначенной урасч вводят расчётные формулы из таблицы 1.2 и в ячейках, обозначенных буквами a, b, c, вводят примерные значения подбираемых параметров аппроксимирующего уравнения.
2)В ячейки, обозначенной «Сумма квадратов разностей», рассчитывается функция минимизации по формуле
э |
(1.11) |
|
и по её значению оценивается качество описания экспериментальных данных.
Таблица 1.3 – Окно ввода исходных данных
3) Для выполнения решения поставленной задачи надо войти в позицию Сервис/Поиск решения. На экране раскроется диалоговое окно Поиск решения (см. рисунок 1.4).
•Установите целевую ячейку. Для этого в текстовом поле необходимо указать адрес ячейки ($H$19), в которой вычисляются значения Φ по формуле (1.11).
7
• В строке «Равной» выберите позицию «минимальному значени ю».
Таблица 1.4 – Окно По иск решения |
|
• В текстово м поле « Изменяя ячейки» впишите адреса |
ячеек |
($H $15:$H$ 17), в которых находятся искомые значени |
пара- |
метров уравнения a, b, c. |
|
Таблица 1.5 – Диалоговое окно Параметры