- •Содержание
- •Предисловие
- •Введение
- •1 Исторический обзор применения моделирования
- •2 Основы системного анализа и моделирования
- •2.1 Этапы системного анализа
- •2.2 Существующие подходы анализа системы
- •2.3 Понятие о моделировании. Классификация моделей
- •2.4 Основные этапы и принципы моделирования
- •3 Элементы математической статистики
- •3.1 Понятие о математической статистике
- •3.2 Задачи математической статистики
- •3.2.1 Первый этап – сбор и первичная обработка данных
- •3.2.2 Второй этап – определение точечных оценок распределения
- •3.2.3 Третий этап – определение интервальных оценок, понятие о статистической гипотезе
- •3.2.4 Четвертый этап – аппроксимация выборочного распределения теоретическим законом
- •3.3 Области применения статистических методов обработки данных
- •3.3.1 Статистический контроль прочности бетона
- •3.3.2 Метод множественной корреляции
- •4 Статистическое планирование эксперимента
- •4.1 Понятие о планировании эксперимента. Основные задачи эксперимента
- •4.2 Понятие о полиноме, отклике, факторах и уровнях варьирования, факторном пространстве
- •4.3 Первичная статистическая обработка результатов эксперимента
- •4.4 Математическая модель эксперимента. Метод наименьших квадратов
- •4.5 Получение некоторых эмпирических формул
- •4.6 Метод наименьших квадратов для функции нескольких переменных
- •4.7 Дисперсионная матрица оценок
- •4.8 Критерии оптимального планирования
- •4.9 Планы для построения линейных и неполных квадратичных моделей
- •4.10 Планы для построения полиномиальных моделей второго порядка
- •4.11 Регрессионный анализ модели
- •4.12 Анализ математической модели
- •4.13 Решение оптимизационных задач
- •4.14 Моделирование свойств смесей
- •4.15 Принципы имитационного моделирования
- •4.16 Решение рецептурно-технологических задач на эвм в режиме диалога
- •5 Основные виды задач, решаемых при организации, планировании и управлении строительством
- •5.1 Математические модели некоторых задач в строительстве
- •5.2 Примеры решения некоторых задач
- •5.2.1 Решение транспортной задачи
- •5.2.2 Решение задачи о ресурсах
- •5.2.3 Решение задачи нахождения оптимальной массы фермы
- •5.3 Организационные задачи
- •6 Моделирование в строительстве
- •6.1 Модели линейного программирования
- •6.2 Нелинейные модели
- •6.3 Модели динамического программирования
- •6.4 Оптимизационные модели (постановка задач оптимизации)
- •6.5 Модели управления запасами
- •6.6 Целочисленные модели
- •6.7 Цифровое моделирование (метод перебора)
- •6.8 Вероятностно-статистические модели
- •6.9 Модели теории игр
- •6.10 Модели итеративного агрегирования
- •6.11 Организационно-технологические модели
- •6.12 Графические модели
- •6.13 Сетевые модели
- •7 Организационное моделирование систем управления строительством
- •7.1 Основные направления моделирования систем управления строительством
- •7.2 Аспекты организационно-управленческих систем (моделей)
- •7.3 Деление организационно-управленческих моделей на группы
- •7.4 Виды моделей первой группы
- •7.5 Виды моделей второй группы
- •Список использованных источников
4.9 Планы для построения линейных и неполных квадратичных моделей
Линейная модель имеет вид:
Y = B0 + ΣBiXi (4.60)
Для построения таких моделей целесообразно использовать полный факторный двухуровневый план типа 2К, в котором реализуются все возможные сочетания двух уровней факторов «+1» и «-1» (где К – количество факторов). Число возможных сочетаний определяется количеством факторов и составляет N = 2К. В таблице 5 представлены возможные сочетания уровней для двух факторов.
Для двух факторов, которые принимают в опыте по два значения, число сочетаний или опытов равно
N = 22 = 4 (4.61)
Таблица 5 - Полный факторный двухуровневый план типа 2К
№ опыта |
Х1 |
Х2 |
1 |
+1 |
+1 |
2 |
+1 |
-1 |
3 |
-1 |
+1 |
4 |
-1 |
-1 |
Таблица представляет собой матрицу планирования эксперимента: строки матрицы соответствуют различным опытам, а столбцы значениям факторов.
Полный факторный план для всего количества факторов можно построить самостоятельно, переходя от матриц меньшей размерности к матрицам большей размерности путем увеличения числа факторов на единицу. При этом исходный план записывается дважды для каждого уровня нового фактора. Так, для построения плана 23 используется план типа 22 (таблица 6).
Таблица 6 - Полный факторный трехуровневый план типа 2К
№ |
Х1 |
Х2 |
Х3 |
1 |
+1 |
+1 |
+1 |
2 |
+1 |
-1 |
+1 |
3 |
-1 |
+1 |
+1 |
4 |
-1 |
-1 |
+1 |
5 |
+1 |
+1 |
-1 |
6 |
+1 |
-1 |
-1 |
7 |
-1 |
+1 |
-1 |
8 |
-1 |
-1 |
-1 |
Полные факторные эксперименты широко распространены вследствие простоты вычисления коэффициентов регрессии:
B0 = YU (4.62)
Βi = XiuYU (4.63)
где N – количество факторов;
YU – результаты эксперимента;
Xi - факторы;
U – строка плана.
Помимо простоты вычислений план обеспечивает получение независимых от Х оценок коэффициентов уравнения. Это значит, что исключение из уравнения любого коэффициента не приводит к изменению величин остальных коэффициентов. Это свойство оказывается полезным в том случае, когда нужно оценить степень влияния факторов на отклик без построения модели. Недостаток – перерасход материалов.
Неполные квадратичные модели. Линейная модель не всегда дает возможность описать с нужной точностью изучаемый процесс. В некоторых случаях дополнение линейного уравнения членами взаимодействия Аij повышает его точность и позволяет получить работоспособную модель вида:
Y = b0 + bixi + bijxixy (4.64)
Уравнение называется неполным квадратичным и может включать в общем случае не только парные взаимодействия, но и взаимодействия более высокого порядка, например, тройные: bijkxixjxk. Полные факторные планы позволяют вычислить все возможные взаимодействия факторов. Минимизация числа опытов достигается за счет дробных реплик типа 2К-Р. Для того, чтобы сократить число опытов, нужно новому фактору присвоить вектор-столбец матрицы, принадлежащий взаимодействию, которым можно пренебречь, тогда, значение нового фактора определяется знаками этого столбца.