Метод наименьших квадратов. Параметрическая идентификация для рассмотренных видов математических моделей осуществляется с использованием метода наименьших квадратов
Параметрическая идентификация для рассмотренных видов математических моделей осуществляется с использованием метода наименьших квадратов, т.к. при известных значениях управляющих факторов и реализованных в эксперименте значениях параметров имеющиеся зависимости можно привести к линейному виду.
Пусть имеется некоторая совокупность из р реализованных в эксперименте значений хк и ук. Предполагается, что искомая зависимость описывается линейной функцией вида
= с + а х .
Требуется установить такие значения коэффициентов с и а, при которых сумма квадратов отклонений, наблюдаемых в эксперименте значений у от расчетных , была бы минимальной.
Расчетные значения у в каждом опыте равны:
1 = с + а х1
2 = с + а х2
...…….........
р = с + а хр .
Отклонения значений в каждом опыте равны:
e1= 1 – у1 = с + а х1 – у1
e2= 2 – у2 = с + а х2 – у2
……………………………
eр= р – ур = с + а хр – ур .
Изменение значений коэффициентов с и а приводит к увеличению или уменьшению отклонений, обобщенным показателем которых является величина
Е =
или
Е = .
Условием Е = min является
;
или
;
.
Дифференцируя в частных производных, получим
;
или
;
.
Полученную систему уравнений можно представить в виде
;
или в матричной форме:
* | = | . |
Решив систему уравнений, получают значения коэффициентов с и а.
Показатели распределения в математической модели определяют следующим образом. Для каждого опыта вычисляют отклонения наблюдаемых в эксперименте значений параметров от расчетных значений
ln = ln R - (ln c + ) .
Полученные отклонения ранжируются по возрастающей. Показатели распределения ai вычисляют по формуле
= (ln )(ln ln((p+0,4)/(p-k+0,7))/ (ln )2 .
где k - номер по возрастающей ln ;
p - число опытов.
Так как в расчет принимают не вероятность события, а его частоту, то при ограниченном числе опытов вводится коррекция в виде поправочных коэффициентов 0,4 и 0,7, приближающая частоту к вероятности. Иными словами, так как вероятность не равна частоте n/N k/p, а только стремится к ней при p , то принимают n/N = (k-0,3)/(p+0,4).
Метод подстановки
Если число опытов равно числу неизвестных параметров модели, то отклонения наблюдаемых в эксперименте значений у от расчетных ў во всех опытных точках равны нулю. Для определения значений неизвестных параметров модели решают систему линейных уравнений.
Систему линейных уравнений решают методом последовательного исключения неизвестных - методом Гаусса.
Пусть, например, имеется система трех уравнений с тремя неизвестными:
a11 х1+ а12 х2+ а13 х3 = b1 ;
a21 х1+ а22 х2+ а23 х3 = b2 ;
a31 х1+ а32 х2+ а33 х3 = b3 .
Сначала исключают неизвестную х1 во всех уравнениях, начиная со второго. Для этого коэффициенты и свободный член первого уравнения делят на первый коэффициент, полагая, что он не равен нулю (a11¹0)
х1 + (a12 / a11) x2 + (a13 / a11) x3 = b1 / a11 .
Значение неизвестной х1 , равное
x1 = - (a12 / a11) x2 - (a13 / a11) x3 + b1 / a11
или
x1 = a12 x2 + a13 x3 + b1 ,
подставляют во все уравнения, начиная со второго, и получают новую систему из двух уравнений с двумя неизвестными:
(a22 + a12a21 ) x2 + (a23 + a13a21 ) x3 = (b2 +b1 a21) ;
(a32 + a12a31 ) x2 + (a33 + a13a31 ) x3 = (b3 +b1 a31)
или
a¢22 x2 + a¢23 x3 = b'2 ;
a¢32 x2 + a¢33 x3 = b'3 .
Аналогичным способом исключают неизвестную х2. Для этого коэффициенты и свободный член преобразованного второго уравнения делят на коэффициент перед неизвестной х2, полагая, что он не равен нулю
(а'22 ¹ 0).
х2 + (а'23 / а'22) х3 = b'2 / a'22 .
Значение неизвестной х2 , равное
х2 = - (a'23 / a'22 ) x3 + b'2 / a'22
или
x2 =α23 x3 +β2 ,
подставляют в оставшееся третье уравнение
(a′33+ a23a′32) x3 = (b′3 + b2a′32)
или
a″33x3 = b″33 .
Отсюда находим значение неизвестной х3
x3 = b″3 / a″33=β3 .
Затем формируют треугольную систему трех уравнений:
x1 =α22 x2 + α13 x3 + β1 ;
x2 = α23 x3 + β2 ;
x3 = β3 .
Значения неизвестных определяют в обратной последовательности, начиная с последнего
x3 = b3
x2 = a23 b3 + b2
x1 = a12 (a22 b2 + b2) + a13 b3 + b1 .
ОПТИМАЛЬНОЕ ПЛАНИРОВАНИЕ
Оптимальное планирование - процедура получения информации об оптимальном управляющем воздействии из информации об управляемом физическом процессе, информации о задаче управления и информации о методе решения задачи управления.
Информация об оптимальном управляющем воздействии представляется в виде оптимального плана. Оптимальный план представляет собой совокупность значений управляющих факторов, обеспечивающих достижение цели управления в заданных условиях с наибольшей эффективностью.
Дата добавления: 2016-03-15; просмотров: 1837;