Procesų statinių charakteristikų apskaičiavimas, taikant statinius (regresijos) metodus

Pasiruošimas darbui.............................
Ataskaita...............................................
Gynimas.................................................
Darbo tikslas – susipažinti su statistinių (regresijos) metodų galimybėmis aprašant objektų statines charakteristikas. Nustatyti koreliacijos koeficientą ir regresijos kreivės (tiesės) parametrus iš pateiktų eksperimentinių duomenų. Palyginti tiesės parametrus gautus taikant MKM ir regresijos metodą.
Darbo užduotis: reikalinga nustatyti tiesinio matematinio modelio parametrus MKM ir regresijos metodais. Nustatyti koreliacijos koeficientą tarp srauto ir vožtuvo atidarymo laipsnio. Analizei naudoti pirmojo laboratorinio darbo eksperimentinius duomenis. Paruošti kompiuterinę MATLAB’o programą skaičiavimams atlikti. Konkretūs eksperimentiniai duomenys pateikti 1 lentelėje.
Vožtuvo atidarymas (xi),%
0,0
10,7
19,7
49,9
80,5
90,2
95,3
100,0
Srautas (yi), m3/h
0,0
0,3
2,9
6,6
11,9
13,3
14,9
15,1
MATLAB'o listingas užduočiai realizuoti:
Užduoties skaičiavimams ir grafiniam rezultatų vaizdavimui naudojama MATLAB programa. Toliau pateikiamas programos listingas su paaiškinimais:
% Apskaičiuosime modelio parametrus, taikant MKM ir regresijos
% metodus.
% Šiuo atveju matematinis modelis turi tokią formą: y=a+b*x
clear all; n=8;
% Įėjimo vertės
xe=[0;10.7;19.7;49.9;80.5;90.2;95.3;100];
% Išėjimo vertės
ye=[0.0;0.3;2.9;6.6;11.9;13.3;14.9;15.1];
% Suformuojame stebėjimų matricą
x=[ones(n,1) xe];
% Randame modelio parametrų vertes (a ir b)
par=inv(x'*x)*x'*ye;
a=par(1), b=par(2)
% Rezultatus atvaizduojame grafiškai
i=0;for int=0:2:100,i=i+1;xm(i)=int;ym(i)=a+b*xm(i);end
subplot(2,1,1),plot(xm,ym,xe,ye,'o'),grid
title('Modeliavimo rezultatai taikant MKM');
xlabel('Vožtuvo padėtis,%','FontName','Times New Roman Baltic'), ylabel('Srautas')
% Dabar modelio parametrus apskaičiuojame taikant regresijos
% metodus.
% Pradžioje apskaičiuojame mat. vidurkius Mx,My ir
% vidutinius kvadratinius nuokrypius Sx, Sy.
% Taigi skaičiuojame Mx
sum=0;for i=1:n, sum=sum+xe(i); end
Mx=sum/n
% Toliau My
sum=0;for i=1:n,sum=sum+ye(i);end
My=sum/n
% Dabar vid. kv. nuokrypį Sx
sum=0; for i=1:n, sum=sum+(xe(i)-Mx)^2; end
Sx=sqrt(sum/(n-1))
% ir vid.kv. nuokrypį Sy
sum=0; for i=1:n, sum=sum+(ye(i)-My)^2; end
Sy=sqrt(sum/(n-1))
% Toliau skaičiuojame koreliacijos koeficientą Rxy
sum=0;for...

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!