Главная страница Случайная страница Разделы сайта АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Теоретические сведения. Предположим, что заданы точки и требуется произвести подгонку экспоненциальной кривой:
Предположим, что заданы точки и требуется произвести подгонку экспоненциальной кривой: (1) Для процедуры нелинейного метода наименьших квадратов требуется найти минимум:
Частные производные Е(А, С) по А и С равны
и Если положить частные производные в эти формулы равными нулю и затем упростить эти выражения, то можно получить нормальные уравнения
Полученные уравнения – это нелинейные уравнения с неизвестными Аи С, которые можно решить методом Ньютона. Для этого потребуется только время на вычисления и итерации, для которой нужны хорошие начальные значения для А и С. Во многих пакетах прикладных программ содержатся встроенные подпрограммы и минимизации функций от нескольких переменных, которые можно непосредственно использовать для минимизации функции Е(А, С). Например, симплекс-алгоритм Недлера-Мида можно непосредственно использовать для минимизации и обойтись без данных уравнений. Степенная прогонка. В некоторых случаях функция имеет вид f(x)=AxM, где М- известная постоянная. Теорема (степенная прогонка): предположим, что {(xk, yk)}Nk=1- N точек с различными абсциссами. Коэффициент А кривой, построенной методом наименьших квадратов, y=AxM, равен
Благодаря технике МНК видим, что минимум функции Е(А) равен
В данном случае достаточно решить уравнение E’(A)=0. Производная равна Таким образом, коэффициент А является решением уравнения, которое приводит к равенству, приведенному выше. Построение кривой по точкам. Метод линеаризации данных для y=CeAx . Требуется выполнить подгонку экспоненциальной кривой вида (1) y=CeAx. Первым будет шагом будет логарифмирование обеих частей:
Затем заменим переменные:
В результате получим линейное соотношение между новыми переменными X и Y:
Исходные точки (xk; yk) на плоскости ху преобразовались в точки (Xk; Y)=(xk; ln(yk)) на плоскости XY. Этот процесс называют линеаризация данных. Тогда построенная МНК линия является подгонкой к точкам {(Xk; Yk)}. Нормальными уравнениями для нахождения А и В будут уравнения После того как А и В найдены, вычисляем параметр С уравнения (1):
|