Лекции.Орг


Поиск:




Категории:

Астрономия
Биология
География
Другие языки
Интернет
Информатика
История
Культура
Литература
Логика
Математика
Медицина
Механика
Охрана труда
Педагогика
Политика
Право
Психология
Религия
Риторика
Социология
Спорт
Строительство
Технология
Транспорт
Физика
Философия
Финансы
Химия
Экология
Экономика
Электроника

 

 

 

 


Сглаживание опытных данных методом наименьших квадратов




В этом методе при сглаживании опытных данных аппроксимирующей кривую F(x) стремятся провести так, чтобы ее отклонения от табличных данных (уклонения) по всем узловым точкам были минимальными (рис 11.6), т.е.

(11.6)


Рис. 11.6.

Избавимся от знака уклонения. Тогда условие (11.6) будет иметь вид:

(11.7)

Суть метода наименьших квадратов заключается в следующем: для табличных данных, полученных в результате эксперимента, отыскать аналитическую зависимость F(x), сумма квадратов уклонений которой от табличных данных по всем узловым точкам была бы минимальной, т.е.

(11.8)

Для определенности задачи искомую функцию F(x) будем выбирать из класса алгебраических многочленов степени m:

(11.9)

Назовем многочлен (11.9) аппроксимирующим многочленом. Аппроксимирующий многочлен не проходит через все узловые точки таблицы. Поэтому его степень m не зависит от числа узловых точек. При этом всегда m < n. Степень m может меняться в пределах

Если m=1, то мы аппроксимируем табличную функцию прямой линией. Такая задача называется линейной регрессией.

Если m=2, то мы аппроксимируем табличную функцию квадратичной параболой. Такая задача называется квадратичной аппроксимацией.

Если m=3, то мы аппроксимируем табличную функцию кубической параболой. Такая задача называется кубической аппроксимацией.

Уточним метод наименьших квадратов: для табличной функции, полученной в результате эксперимента, построить аппроксимирующий многочлен (11.9) степени m, для которого сумма квадратов уклонений по всем узловым точкам минимальна, т.е.

(11.10)

Изменим вид многочлена Pm. Поставим на последнее место слагаемые, содержащие xm. На предпоследнее - слагаемые, содержащие xm-1 и т.д. В результате получим:

(11.11)

или

При этом изменим индексы коэффициентов многочлена. Тогда условие (11.8) будет иметь вид:

где

xi и yi- координаты узловых точек таблицы,

aj, -неизвестные коэффициенты многочлена (11.11).

Необходимым условием существования минимума функции S является равенство нулю ее частных производных по каждой aj.

В результате получили систему линейных уравнений. Раскрывая скобки и перенося свободные члены в правой части уравнений, получим в нормальной форме систему линейных уравнений:

(11.12)

где

aj- неизвестные системы линейных уравнений (11.12),

- коэффициенты системы линейных уравнений (11.12),

- свободные члены системы линейных уравнений (11.12),

Порядок системы равен m+1.

При ручном счете коэффициенты ck и свободные члены dj удобно определять, пользуясь таблицей 11.2:

Таблица 11.2.

i xi0 xi1 xi2 ... xi2m xi0 yi xi1 yi ... xim
0 1                
1 1                
2 1                
... ...                
N 1                
c0 c1 c2 ... c2m d0 d1 ... dm

Программирование метода наименьших квадратов (МНК)

Изменим индексацию в системе (11.12). В результате получим:

(11.13)

где

- неизвестные системы линейных уравнений (11.13),

- коэффициенты системы линейных уравнений (11.13),

- свободные члены системы линейных уравнений (11.13),

(xi, yi) - координаты узловых точек табличной функции, ,

N - количество узловых точек,

m - степень аппроксимирующего многочлена вида:

(11.14)

Алгоритм задачи:

  1. Строим систему линейных уравнений (11.13). Определяем коэффициенты ck,j и свободные члены dk. Т.к. система (11.13) симметрична относительно главной диагонали, то достаточно определить только наддиагональные элементы системы.
  2. Решаем систему (11.13) методом Гаусса. Находим коэффициенты aj многочлена (11.14).
  3. Строим аппроксимирующий многочлен (11.14) и определяем его значение в каждой узловой точке Pi = Pm(xi).
  4. Находим уклонение каждой узловой точки .
  5. Находим сумму квадратов уклонений по всем узловым точкам .
  6. Находим остаточную дисперсию .

Для построения аппроксимирующего многочлена (11.11) и вычисления его значения в каждой узловой точке используем рациональную форму многочлена:

(11.15)

Тогда для вычисления значения многочлена (11.15) удобно пользоваться схемой Горнера. Рекуррентная формула по схеме Горнера имеет вид:

Укрупненная схема алгоритма МНК представлена на рис.11.7. Схемы алгоритмов основных блоков представлены на рисунках 11.8-11.10.


Рис. 11.7. Укрупненная схема алгоритма аппроксимации методом наименьших квадратов.

Обозначения в блоке 2:

m - степень аппроксимирующего многочлена,

N - количество узловых точек таблицы (11.2),

X, Y - массивы значений x и y таблицы (11.2).


Рис. 11.8. Схема алгоритма блока 3. Определение коэффициентов системы (11.13)


Рис. 11.9. Схема алгоритма блока 4. Определение свободных членов системы (11.13)


Рис. 11.10. Схема алгоритма блока 6. Схема Горнера

 





Поделиться с друзьями:


Дата добавления: 2018-11-11; Мы поможем в написании ваших работ!; просмотров: 550 | Нарушение авторских прав


Поиск на сайте:

Лучшие изречения:

Человек, которым вам суждено стать – это только тот человек, которым вы сами решите стать. © Ральф Уолдо Эмерсон
==> читать все изречения...

2279 - | 2133 -


© 2015-2024 lektsii.org - Контакты - Последнее добавление

Ген: 0.007 с.