Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Методика выбора аппроксимирующей функции

Аппроксимирующую функцию выбирают из некоторого семейства функций, для которого задан вид функции, но остаются неопределенными (и подлежат определению) её параметры т.е.

Определение аппроксимирующей функции φ разделяется на два основных этапа:

1. Подбор подходящего вида функции ;

2. Нахождение ее параметров в соответствии с критерием МНК.

Подбор вида функции представляет собой сложную задачу, решаемую методом проб и последовательных приближений. Исходные данные, представленные в графической форме (семейства точек или кривые), сопоставляется с семейством графиков ряда типовых функций, используемых обычно для целей аппроксимации. Некоторые типы функций , используемых в курсовой работе, приведены в таблице ниже.

Более подробные сведения о поведении функций, которые могут быть использованы в задачах аппроксимации, можно найти в справочной литературе. В большинстве заданий вид аппроксимирующей функции уже задан.

 

 

Рассмотрим случай многочлена 2-ой степени:

 

Рассмотрим аппроксимирующую функцию в виде квадратичной функции, соответственно ищем квадрат разности между экспериментальными данными и нашей аналитической функцией с неизвестными коэффициентами.

 

Где a0, а1, а2 – параметры аппроксимирующей функции;

n – объем выборки;

x - номер периода от 1 до n;

y - значение показателя Y в момент времени .

Далее находим частные производные и приравниваем их к нулю, так как функция будет иметь минимум только в этом случае

После преобразований получаем:

 

Затем решаем систем методом Крамера (кстати, ее можно решить и другими методами. Например, нам известен метод обратной матрицы и метод Гаусса – результат будет один и тот же). Распишем решение системы методом Крамера и пример.

Возвращаясь к полученной системе уравнений, введем обозначения, которые упростят ход решения (путем замены переменных мы сведем данный полином к линейной функции):

 

 

С учетом изменений система уравнений будет выглядеть так:

 

Решим ее методом Крамера, для этого найдем определитель всей системы, а затем, по порядку, найдем дельты каждых неизвестных коэффициентов:

1. Определитель

2. Определитель для a0:

 

3. Определитель для a1:

4. Определитель для а2:

Пример. Дана табличная зависимость y от x. Построить аппроксимирующий полином в виде y=a0+a1*x+a2*x^2

<== предыдущая лекция | следующая лекция ==>
Митин С. «ProРез» №4 2008 | Солнечное затмение
Поделиться с друзьями:


Дата добавления: 2017-01-13; Просмотров: 1856; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.008 сек.