По заданной совокупности экспериментальных точек построить адекватную регрессионную модель и выполнить идентификацию ее параметров
4.4.1. Определите значения функциональной модели при значениях абсциссы, соответствующих значениям абсциссы экспериментальных точек. 4.4.2. Определите значение “невязок” для каждой экспериментальной точки и функциональной модели по формуле 4.4.3. Определите численное значение нормы Гаусса по формуле: 4.4.4. Определите численное значение нормы Чебышева по формуле 4.4.5. Постройте график, на котором нанесите функциональную модель, экспериментальные точки и рассчитанные в п. 4.2.2 “невязки”. Пользуясь градиентным методом оптимизации. ручным расчетом выполнить один шаг в направлении оптимума заданной функции отклика модельной системы. Результат сопоставить с компьютерным расчетом, выполненным на лабораторном занятии. 4.5.1. Определите значение функции Z0 в точке с координатами X0. Y0. 4.5.2. Определите частные производные функции Z по направлениям X, Y ( 4.5.3. Определите значения полученных в п. 4.3.2 частных производных в точке с координатами X0, Y0 ( 4.5.4. Определите вектор gradient в точке с координатами X0, Y0.
4.5.5. Сделать шаг в направлении вектора gradient из точки с координатами X0. Y0 в направлении max или min в зависимости от задания. (Определить значения X1. Y1.) Для выполнения этого пункта рассмотрим представленный ниже рисунок. В системе координат xoy нарисован При этом отрезок OB2 соответствует численному значению Определим величину
Следовательно, Проведя аналогичный анализ для треугольников OA1С1 и OA2С2. получим: В случае, когда в задании требуется выполнить шаг в направлении max, т.е. в направлении вектора gradient: В случае, когда в задании требуется выполнить шаг в направлении min, т.е. в противоположном относительно направления вектора gradient: 4.5.6. Определите значение функции Z1 в точке с координатами X1. Y1. 4.5.7. Сравните значения Z0 и Z1. сделайте вывод о правильности сделанного шага.
|