Построение и оценка математических моделей
Краткое сожержание материала:
Размещено на
Министерство образования и науки, молодежи и спорта Украины
Государственное высшее учебное заведение
Приазовский государственный технический университет
Факультет информационных технологий
Кафедра автоматизации и компьютерных технологий
ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
по курсовой работе по дисциплине “Идентификация и моделирование объектов автоматизации”
Выполнил: студентка группы МА-10 Адамова О.С.
Мариуполь 2013 г.
Реферат
Пояснительная записка содержит 42 страницы, 12 рисунков, 3 таблицы.
Целью работы является получение численного решения для конкретной задачи. Это решение должно быть получено в результате выполнения соответствующей программы на ЭВМ, написанной на языке высокого уровня, составленной самим обучающимся.
При выполнении работы необходимо предварительно ознакомиться с соответствующим методом и его алгоритмом. Выполнение программы на ЭВМ и анализ получения результатов составляют заключительную стадию работы. Реализация программы должна быть показана на контрольном примере с выдачей выходных документов на принтер.
Введение
Цель работы ? получение практических навыков в построении математических моделей технических объектов, написании программ для решении задач моделирования с использованием языка программирования С/С++ и математических пакетов MathCad или MatLab, изучение теоретических основ и особенностей выполнения параметрической идентификации различных моделей, реализации алгоритмов линейного и нелинейного регрессионного анализа, планирования эксперимента.
Задачи курсовой работы включают:
? получение студентами навыков самостоятельной работы;
? освоение технологии разработки и отладки программ, реализующих модели технических объектов;
? более качественное изучение нормативных материалов - государственных стандартов и технических условий;
? более полное изучение базовых средств языков программирования и получение навыков постановки и решения различных задач с помощью ПЭВМ;
? изучение и использование сред численного моделирования и статистического анализа (MatLab, StatGraph и т.п.).
Постановка задачи
В ходе выполнения курсовой работы необходимо разработать программы на Scilab, Matlab, C++, которая позволит:
? оценить построенную математическую модель;
? найти выходные параметры, описывающие математическую модель, и построить зависимости между входными и выходными характеристиками объекта;
? установить математическое соотношение между измеряемыми входами и выходами при заданных их измерениях во времени.
Входные и выходные данные
В данной работе входными данными являются начальные параметры (граничные условия), вводимые пользователем во время работы программы. Собственно, сама математическая модель, построенная согласно заданию на курсовой проект и являющаяся неизменной, представлена (описана) в качестве дифференциального уравнения либо матрицы и (начальных, граничных) параметров, которые даны для наблюдения за процессом на определенном промежутке времени либо участке (сечении).
Выходными данными являются реализованные графики (зависимости) меняющиеся во времени либо в пространстве координат, а также расчетное представление корреляционного анализа модели с использованием эксперимента.
1. Идентификация объектов методом наименьших квадратов
Вариант задания - 1
Матрица X
x1 |
x2 |
x3 |
|
8 |
5 |
1 |
|
2 |
4 |
3 |
|
4 |
9 |
7 |
|
2 |
2 |
4 |
|
2 |
3 |
1 |
Матрица Y
y |
|
20,8 |
|
14,2 |
|
32,3 |
|
11,5 |
|
8,2 |
Для линейных уравнений вида:
строится следующая система нормальных уравнений, решение которой позволяет получить оценки параметров регрессии:
Постановка задачи:
1. Построить линейную модель множественной регрессии. Записать стандартизированное уравнение множественной регрессии. На основе стандартизированных коэффициентов регрессии и средних коэффициентов эластичности ранжировать факторы по степени их влияния на результат.
2. Найти коэффициенты парной, частной и множественной корреляции. Проанализировать их.
3. Найти скорректированный коэффициент множественной детерминации. Сравнить его с нескорректированным (общим) коэффициентом детерминации.
4. С помощью F-критерия Фишера оценить статистическую надежность уравнения регрессии и коэффициента детерминации
5. С помощью t-критерия Стьюдента оценить статистическую значимость коэффициентов чистой регрессии.
6. Составить уравнение линейной парной регрессии, оставив лишь один значащий фактор.
Для наших данных система нормальных уравнений имеет вид:
Расчет коэффициентов множественной линейной регрессии методом определителей (по формуле Крамера):
Уравнение множественной регрессии:
Оценка значимости уравнения регрессии в целом производится не основе F-критерия Фишера, которому предшествует дисперсионный анализ. Согласно основной идее дисперсионного анализа, общая сумма квадратов отклонений переменной от среднего значения раскладывается на две части - объясненную и необъясненную:
- общая сумма квадратов отклонений;
- сумма квадратов отклонений, объясненная регрессией (факторная сумма квадратов отклонений);
- остаточная сумма квадратов отклонений, характеризующая влияние неучтенных в модели факторов.
Сопоставляя факторную и остаточную дисперсии в расчете на одну степень свободы, получим величину F-критерия Фишера:
Фактическое значение F-критерия Фишера сравнивается с табличным значением при уровне значимости и степенях свободы и При этом, если фактическое значение F-критерия Фишера больше табличного, то уравнение признается статистически значимым:
Качество модели, исходя из относительных отклонений по каждому наблюдению, признается хорошим, т.к. средняя ошибка аппроксимации не превышает 10 %.
Средние коэффициенты эластичности для линейной регрессии:
Средние коэффициенты эластичности показывают, на сколько процентов в среднем изменится результат при изменении соответствующего фактора на 1 %. Таким образом, подтверждается большее влияние на результат фактора чем факторов
Показателем интенсивности связи служит значение коэффициента корреляции. Считается, если он равен 1, то взаимозависимость признаков является строгой (полной); если его значение находится в интервале от 1 до 0,8, то это свидетельствует о сильной их взаимозависимости; если в интервале от 0,7 до 0,3 - об умеренной (не ярко выраженной) взаимозависимости, а если же оно лежит в интервале от 0,2 до 0,0, то мы имеем дело со слабой или нулевой взаимозависимостью.
Коэффициенты парной корреляции:
Коэффициент парной корреляции указывает на сильную взаимозависимость фактора и результата При такой зависимости рекомендуется исключить из рассмотрения факторы с не ярко выраженной взаимозависимостью.
Коэффициент множественной корреляции определим через матрицы парных коэффициентов корреляции:
? определитель матрицы парных коэффициентов корреляции
? определитель матрицы межфакторной корреляции
Нескорректированный коэффициент множественной детерминации оценивает долю дисперсии результата за счет представленных в уравнении факторов в общей вариации результата и рассчитывается как квадрат коэффициента множественной корреляции:
Эта доля составляет 99,9 % и указывает на высокую степень обусловленности вариации результата вариацией факторов (тесную связь факторов с результатом).
Скорректированный коэффициент множественной детерминации определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий:
Оба коэффициента указывают на высокую детерминированность результата...
Исследование экономико-математических моделей
Оценка адекватности эконометрических моделей статистическим данным. Построение доверительных зон регрессий спроса и предложения. Вычисление коэффициен...
Построение математических моделей
Приемы построения математических моделей вычислительных систем, отображающих структуру и процессы их функционирования. Число обращений к файлам в проц...
Экономико-математические методы и модели
Построение математических моделей по определению плана выпуска изделий, обеспечивающего максимальную прибыль, с помощью графического и симплексного ме...
Примеры построение линейных математических моделей
Анализ основных способов построения математической модели. Математическое моделирование социально-экономических процессов как неотъемлемая часть метод...
Составление и использование математических моделей для решения линейных оптимизационных задач
Построение и использование математических и алгоритмических моделей для решения линейных оптимизационных задач. Освоение основных приемов работы с инс...