Лекции (doc) - 2008 / Пояснение к лекции 3
.docИтак, основные этапы построения эмпирических моделей:
-
выбираются входные переменные, влияющие на протекание процесса, – так называемые факторы;
-
определяется выходная (зависимая) переменная, характеризующая состояние процесса, его эффективность, которую можно рассматривать как критерий оптимальности (целевую функцию), – так называемая функция отклика;
Строим таблицу эксперимента:
-
определяется вид приближённого уравнения регрессии (структурная идентификация);
-
вычисляются коэффициенты регрессии (параметрическая инедтификация);
-
определяется значимость коэффициентов регрессии с использованием критерия Стьюдента t;
-
устанавливается адекватность уравнения регрессии с применением критерия Фишера F ;
-
определяется совместная доверительная область для коэффициентов регрессии.
После проведения опытов нужно выбрать конкретную форму функциональной зависимости.
Слайд 20 В общем случае различают два вида уравнений регрессии (эмпирических моделей) – нелинейные по параметрам , статистический анализ которых осуществляется методом «нелинейной регрессии» и линейные по параметрам , статистический анализ которых проводится методом «линейной регрессии».
Слайд 22 Даже если модель не линейна, можно ее лианеризовать.
-
Уравнение Кирхгофа
; ln P = A + B/T; T ln P = AТ + B
: а0 = В и а1 = А
После определения а0 и а1 нужно перейти к натуральным коэффициентам.
-
Уравнение Антуана
; ln P = A + B/(С+T); (С+Т)lgP = A(С+Т)+B;
СlgP + ТlgP = AС+AТ+B; ТlgP = AС+B +AТ – СlgР
: а0 = АС+В, а1 = А, а2 = –С
-
Уравнение Риделя:
; ln P = A + B/T + СТ + D ln T;
T ln P = AT + B + СТ2 + T D lnT;
а0 = В, а1 = А, а2 = С, а3 = D
-
; ;
-
; ; ; ; ;
-
; ln y = lg α + β1lg х1 + β2lg x2
а0 = ln α, а1 = β1,а2 = β1
-
; ln y = lgβ1 + β2x
а0 = ln β1, а1 = β2
Слайд 25+26. Если есть уравнение прямой, то нам нужно таким образом подобрать коэффициенты а0и а1, чтобы сумма квадратов отклонений была минимальна.
Слайд 28. Для нелинейных моделей для определения решаем прямую задачу:
Для ее решения необходим алгоритм оптимизации: необходимо найти такие оптимальные значения коэффициентов А, В с С из области их допустимых значений, которые обеспечат наименьшее значение квадратичного критерия рассогласования между расч. и эксп. данными. Это сложная математическая операция многошаговый, итерационный алгоритм.
Слайд 29. Для линейных моделей для определения можно использовать косвенные методы: нужны только алгоритмы решения СЛАУ.
Слайд 31.
Слайд 32. Вместо у расч Вы поставили линейную по параметрам модель (слайд 20).
Производные представлены в аналитическом виде.
Слайд 34. – линейные функции входных переменных
Ф – матрица входных переменных
I – информационная матрица
у эксп – вектор наблюдений
Е – единичная матрица – диагональная матрица, все элементы главной диагонали которой равны 1.
Итак, 1 задача решена: определение коэффициентов регрессионного уравнения.
2 задача: определение значимости коэффициентов регрессии: существенно ли они отличаются от 0 ; 3 задача – проверка адекватности уравнения. 2 и 3 задачи проводятся с помощью регрессионного анализа.