Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Учебное пособие ОТИ.doc
Скачиваний:
18
Добавлен:
01.05.2025
Размер:
4 Мб
Скачать
☆

3.5.4. Метод наименьших квадратов

Метод наименьших квадратов (МНК) был сформулирован Лежандром и Гауссом раньше, чем метод регрессии. Он применяется как независимый метод аппроксимации результатов экспериментальных исследований для произвольно принятой модели. В частности, модель можно искать методом проб. Наилучшей признается та модель, для которой сумма квадратов погрешностей наименьшая. Для этого используются, в частности, такие итерационные процедуры, которые позволяют не изменять вычисленные ранее коэффициенты при смене модели. Чаще всего модели строят, используя многочлены и ортогональные ряды: полиномы Лежандра, Чебышева, функции Лагерра, Чебышева, Эрмита, Уэлша, Хаара.

Так, например, для результатов измерения скорости обезуглероживания в функции времени отыскивалась возможность аппроксимации их многочленом Грама в виде

(3.133)

Здесь п — нормированные значения независимой переменной для равноудаленных точек -п, -п+1, ..., 0, 1, ..., n; s— текущая переменная, s = [(x — х0)/d] — п; х0 — начальная точка независимой переменной; d=const — шаг пробных измерений; j — степень многочлена. Моделью служит многочлен

(3.134)

Результатом идентификации и подгонки является следующий ряд моделей с погрешностями М:

Погрешность вычислялась по формуле

(3.135)

Наилучшее приближение дает многочлен четвертой степени. Идея МНК изложена в предыдущем разделе.

МНК и МВНК, как и другие статистические методы, не позволяют вскрыть систематические погрешности. Если погрешности имеют нормальное распределение, то, исследуя сумму квадратов М (3.135), можно выявить, выполняются ли принятые допущения.

3.5.5. Другие методы

Применение вычислительных машин для расчетов стимулировало разработку множества методов идентификации. Их общий принцип обычно состоит в определении таких значений коэффициентов, которые удовлетворяют критерию оптимальности.

Рис. 3.22. Результаты исследований модели системы для измерения содержания углерода. — параметры модели (3.123)

Так, например, для погрешностей можно сформулировать следующие требования:

(3.136)

а также

(3.137)

Погрешность ε определяется как в МНК, а именно:

 = y-f(x), (3.138)

где х, у — реализации, j = 1, ..., N.

Функцию f и коэффициенты можно подбирать произвольно, а построенная модель будет наилучшей в смысле критерия (3.137) среди исследованных моделей. Критерий (3.137) труден для аналитических расчетов, зато относительно прост для расчетов на ЭВМ. В примере ИС для измерения скорости обезуглероживания исследована линейная модель (3.123) при использовании критерия (3.137). Результаты исследований представлены на рис. 3.22. В принципе для определения значений коэффициентов при идентификации модели используют метод пробных измерений, отыскания области Монте-Карло, меток планирования эксперимента либо поиска оптимума. Достоинством этих методов является возможность применения стандартных машинных программ. К наиболее известным относится метод стохастической аппроксимации, в котором минимизируется математическое ожидание квадрата погрешностей:

(3.139)

Достоинствами этого метода являются рекуррентная форма алгоритма и малый объем вычислений.