Выбор вида и определение параметров эмпирической зависимости

Методические указания по теоретической части

1. Эмпирический подход.

Часто перед исследованием в любой области возникает следующая задача. Имеется

объект исследования ОИ (рис. 1.1), который характеризуется набором переменных: входных – Х j (
J =1, К) и выходной – Y . Требуется найти зависимость выходной переменной от входных Y= f ( X 1,
X 2,…, Xk ) (1.1)

При этом считается, что механизмы процессов, протекающих внутри объекта

исследования, неизвестны, а имеются только соответствующие значения входных и выходных
параметров. Такая задача носит название задачи «черного ящика».

Задача аппроксимации: близость между функцией Yi и аппроксимирующей зависимостью

F(x) определяется часто средним квадратичным критерием- метод наименьших квадратов.

Средний квадратичный критерий:

𝑛

𝑅= (( 𝑌𝑖 − 𝐹(𝑥𝑖 ))2
𝑖=1

F( x, a0 , a1 ,… ak) – подбираются таким образом, чтобы средний квадратичный критерий

принимал минимальное значение.
𝑛

𝑅 𝑎0 , 𝑎1 … 𝑎𝑘 = (( 𝑌𝑖 − 𝐹(𝑥𝑖 , 𝑎0 , 𝑎1 … 𝑎𝑘 ))2
𝑖=1

Таким образом, ср. кв. критерий R будет зависеть от k+1 неизвестного параметра.

Для нахождения минимальной функции F:

1. Берем производную 𝜕𝑅(𝑎0 , 𝑎1 … 𝑎𝑘 ) = 0 , получаем систему с k+1 неизвестным;

2. Решаем систему и находим неизвестные параметры и подставляем численные
значения в функцию F;
3. Выбираем различные функции F, выбирая среди них такую, для которой средний
квадратичный критерий был бы самым наименьшим.

Рассмотрим простейший случай, когда на вход действует только одна переменная

Y=f(X) (1.2)

Решение задачи моделирования в этом случае состоит из ряда этапов:

1) проведение эксперимента;

2) выбор вида эмпирической зависимости;

3) нахождение параметров выбранной зависимости;

4) исследование модели и выводы.
 Н а п е р в о м э т а п е задаем значения входной переменной Х из возможного диапазона
и замеряем соответствующие значения выходной переменной У. Результат представляем в
следующем виде:

Н а в т о р о м э т а п е необходимо подобрать формулу, которая могла бы описать

экспериментальные данные. В табл. 1.1. приведены основные типовые формулы, наиболее часто
встречающиеся в задачах химии и химической технологии.

Решив эту систему, получаем искомые значения параметров. Следует отметить, что при
нахождении параметров других зависимостей необходимо сначала привести их к линейному виду
согласно табл. 1.1.

Н а ч е т в е р т о м э т а п е получаем расчетные значения подставкой в найденную

формулу экспериментальных значений входной величины. Полученные значения наносим на
график с экспериментальными данными и делаем вывод об адекватности.

Методические указания по практической части

 В результате эксперимента получены следующие данные:

Эти значения функции совпадают с экспериментальными, следовательно, исследуемый

объект описывается уравнением

Y = 1 + lgX.

2. Статический подход.

С позиции «черного ящика» заключается в проведении эксперимента на объекте и получении

функции регрессии с помощью полного факторного эксперимента.

3. Изучение физической сущности объекта и построения на этой основе математической

модели, которая описывает непосредственно сущность этого объекта или процесса в виде
математических уравнений, формул, зависимостей и т.д. является наиболее научным
подходом.

Лабораторная работа №3

Задания
Построить аппроксимирующую зависимость:
1) в виде прямой 𝑦 = 𝑎0 + 𝑎1 𝑥
 2 ) в виде параболы 𝑦 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
𝑐
3) логарифмическая зависимость 𝑦 = 𝑐0 + 𝑥1
𝑐
4) в виде гиперболы 𝑦 = 𝑐0 + 𝑥1
1. Построение линейной зависимости

1  0.2 
2  0.67
   
x   3
y   1.0 
-задана функция в табличном виде или точки на плоскости xy
4  2.2 
5  2.5 
   
6  2.9 

Построение линейной зависимости 𝑦 = 𝑎0 + 𝑎1 𝑥

 1  -вспомогательная функция;
F( x)  

x
ARB  linfit( x y  ) -команда для нахождения 𝑎0 , 𝑎1
 F

ARB  
 0.441
 -значение найденных коэффициентов 𝑎0 , 𝑎1
 0.577 

m( x)  0.441 0.577x -найденная линейная зависимость

 0.136
 0.713
 
m( x)   1.29 
 1.867 -значение линейной зависимости в заданных точках
 2.444
 
 3.021


(y  m(x))   0.219-значение среднеквадратического критерия
2



2. Построение параболической зависимости 𝑦 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2

i  0  5
 1
 
F( x)   x 
 x2  -вспомогательная функция
 
a  linfit( x y
 F
) -команда для нахождения 𝑎0 , 𝑎1 , 𝑎2
 0.519  -найденные коэффициенты 𝑎0 , 𝑎1 , 𝑎2
 
a  0.636 
 8.393 10 3 
 

3 2 - найденная параболическая зависимость

g( x)  0.519 0.636x  8.39310
 x

 0.109
 0.719
 
g ( x)   1.313
-значение параболической зависимости в заданных точках
 1.891
 2.451
 
 2.995

(y  g(x))
2
 0.216 -значение среднеквадратического критерия

Графическая интерпретация

yi 3
g xi
2
m xi
1

0
1 2 3 4 5 6
xi

3. Построение логарифмической зависимости 𝑦 = 𝑏0 + 𝑏1 ∗ 𝑙𝑔𝑥

F( x)  
 1 

 log( x) 
 b  linfit( x y  F)
-найденные значения коэффициентов
 0.144
b  
 3.617 

h ( x)  0.144 3.617log( x)

 0.144
 0.945 
 
h ( x)   1.582 
 2.034 
 2.384 
 
 2.671 

(y  h (x))
2
 0.626
-значение среднеквадратического критерия

Графическая интерпретация

2
yi

h xi
1

1
1 2 3 4 5 6
xi
 𝑐1
4. Построение гиперболической зависимости 𝑦 = 𝑐0 + 𝑥

1
F( x)   1 
 
x
c  linfit( x y
 F
)

c 
 2.797 

 2.984
2.984
n ( x)  2.797 
x

 0.187
 1.305 
 
n ( x)   1.802 
 2.051 
 2.2 
 
 2.3 

(y  n(x))
2
 1.669
-значение среднеквадратического критерия

Графическая интерпретация

2
yi

n xi
1

1
1 2 3 4 5 6
xi

Вывод: так как значение среднеквадратического критерия минимально для

параболической зависимости, то эта зависимость наилучшим образом описывает
исходные данные.