- •2.2. Составление плана экспериментов
- •2.3. Проведение эксперимента и обработка результатов
- •Линейная модель адекватна. При этом ни один из эффектов взаимодействия не может быть значим. Принятие решения определяются значимостью линейных коэффициентов.
- •Линейная модель неадекватна. В этом случае значим хотя бы один коэффициент взаимодействия. Возможны несколько причин неадекватности.
- •Движение по градиенту – «крутое восхождение»
- •2.5. Уточнение максимального значения функции отклика с помощью плана второго порядка
- •Нахождение интерполяционной функции (уравнения регрессии)
-
Нахождение интерполяционной функции (уравнения регрессии)
При нахождении интерполяционной функции рассматривается вся область факторного пространства. По условиям задачи фактор Х1 может изменяться в пределах от 2,3 до 3,8, а фактор Х2 – в пределах от 2,4 до 4,2.
Рассмотрим возможность использования для аппроксимации функции отклика полинома первой степени .
Используем полный факторный эксперимент типа 22. В табл. 2.1 приведены условия проведения экспериментов в виде матрицы планирования, а в табл. 3.1 значения факторов.
Таблица 3.1.
Значения факторов
-
Факторы
Основной уровень
3,05
3,3
Интервал варьирования
0,75
0,9
Верхний уровень
3,8
4,2
Нижний уровень
2,3
2,4
Для определения дисперсии Y и величины ошибки (среднеквадратического отклонения) проведем серию численных опытов при значениях факторов, соответствующих основному уровню.
В отличие от решения задачи оптимизации, примем количество опытов при значениях факторов на основном уровне равным десяти (для повышения статистической точности). Ниже приведены результаты численного моделирования.
РЕЗУЛЬТАТЫ РАСЧЕТА
Исходные данные
Вариант= 1 номер расчета= 1 Среднее значение 30,89
Дисперсия= 0,375 Среднее кв. отклонение= 0,612
Фактор 1= 3,05 Фактор 2= 3,3 Фактор 3= 0 Фактор 4= 0
Количество опытов= 10
Y : 29,65; 30,36; 30,62; 30,82; 30,97; 31,27; 31,48; 31,88;
30,86; 30,98.
Отметим, что уточненная величина дисперсии на порядок больше вычисленной ранее.
В табл. 3.2 приведены результаты экспериментов выполненных по условиям табл. 2.1. без проведения параллельных опытов.
Таблица 3.2.
Результаты численного эксперимента
-
№ опытов
1
2,3
2,4
30,10
2
3,8
2,4
8,56
3
2,3
4,2
53,32
4
3,8
4,2
31,74
Так как матрица планирования эксперимента ортогональна, то используем ранее приведенные формулы для нахождения значения коэффициентов полинома:
В частности для модели и двух факторов
Следовательно искомый полином имеет следующий вид:
Определяем дисперсии коэффициентов полинома. Дисперсии коэффициентов одинаковы и равны
Проводим анализ адекватности выбранной модели (вида полинома) опытным данным по критерию Фишера F.
Оценку дисперсии адекватности в случае отсутствия дублирования опытов производим по формуле
где - расчетное значение Y, вычисленное по полученному уравнению регрессии при подстановке в него опытных данных значений Хj; k – количество коэффициентов в уравнении регрессии; - число степеней свободы.
В рассматриваемом случае . Расчет приведен в табл. 3.3.
Таблица 3.3.
Расчет
№ опыта |
Х1 |
Х2 |
|||
1 |
2,3 |
2,4 |
33,98 |
30,10 |
15,05 |
2 |
3,8 |
2,4 |
17,81 |
8,56 |
85,56 |
3 |
2,3 |
4,2 |
54,86 |
53,32 |
2,37 |
4 |
3,8 |
4,2 |
38,69 |
31,74 |
48,30 |
Сумма |
- |
- |
- |
- |
151,28 |
Табличное значение FТ при , и уровне значимости 0,05 равно 5.12. То есть , что свидетельствует о том, что принятая модель не адекватна.
Производим проверку соответствия функции отклика полиному второй степени вида
Введем обозначения
;
С учетом принятых обозначений полином примет вид
Используем центральный рототабельный план на основе шестиугольника (рис. 3.1.).
Рис. 3.1. Схема центрального рототабельного плана на основе шестиугольника
В табл. 3.4 приведена матрица планирования для этого случая
Таблица 3.4.
Рототабельный центральный композиционный план второго порядка для двух факторов
-
Номер опыта
Х0
Х1
Х2
Х3=
Х1 Х2
Х4=Х12
Х5=Х22
Y
1
1
1
0
0
1
0
Y1
2
1
0,5
0,866
0,433
0,25
0,75
Y2
3
1
-0,5
0,866
-0,433
0,25
0,75
Y3
4
1
-1
0
0
1
0
Y4
5
1
-0,5
-0,866
0,433
0,25
0,75
Y5
6
1
0,5
-0,866
-0,433
0,25
0,75
Y6
7
1
0
0
0
0
0
Y7
Приведенная матрица планирования не является ортогональной, поэтому коэффициенты полинома рассчитываются методами матричной алгебры.
Проведем численные эксперименты соответствующие принятому плану. В табл. 3.5 приведены фактические значения факторов и полученные значения функции отклика.
Таблица 3.5.
Условия проведения численных экспериментов и полученные результаты
Номер опыта |
Х1 |
Х2 |
Y |
1 |
3,8 |
3,3 |
18,9 |
2 |
3,425 |
4,0794 |
36,11 |
3 |
2,675 |
4,0794 |
46,96 |
4 |
2,3 |
3,3 |
40,49 |
5 |
2,675 |
2,5206 |
26,81 |
6 |
3,425 |
2,5206 |
15,98 |
7 |
3,05 |
3,3 |
30,78 |
По табл. 3.4 составляем матрицу Х:
По данным табл. 3.5 формируем вектор наблюдений
Строим матрица Хт , транспонированную к матрице Х:
Вычисляем матрицу произведения :
Находим матрицу , обратную :
Вычисляем матрицу произведений:
Вычисляются коэффициенты уравнения регрессии
Таким образом преобразованный полином имеет вид:
Определяем дисперсии коэффициентов полинома, которые равны соответственно произведениям диагональных элементов матрицы С-1 на дисперсию S2Y. Дисперсии коэффициентов равны
Проводим анализ адекватности выбранной модели (вида полинома) опытным данным по критерию Фишера F.
Оценку дисперсии адекватности в случае отсутствия дублирования опытов производим по формуле
где - расчетное значение Y, вычисленное по полученному уравнению регрессии при подстановке в него опытных данных значений Хj; k – количество коэффициентов в уравнении регрессии; - число степеней свободы.
В рассматриваемом случае . Расчет приведен в табл. 3.6.
Таблица 3.6.
Расчет
№ опыта |
Х1 |
Х2 |
|||
1 |
1 |
0 |
18,92 |
18,9 |
0,0004 |
2 |
0,5 |
0,866 |
36,08 |
36,11 |
0,0009 |
3 |
-0,5 |
0,866 |
46,9 |
46,96 |
0,0036 |
4 |
-1 |
0 |
40,51 |
40,49 |
0,0004 |
5 |
-0,5 |
-0,866 |
26,85 |
26,81 |
0,0016 |
6 |
0,5 |
-0,866 |
16,05 |
15,98 |
0,0049 |
7 |
0 |
0 |
30,78 |
30,78 |
0 |
Сумма |
- |
- |
- |
- |
0,0163 |
Табличное значение FТ при , и уровне значимости 0,05 равно 241. То есть , что свидетельствует о том, что принятая модель адекватна.
Проверяем статистическую значимость коэффициентов полинома. Для статистической оценки используем дисперсию в нулевой точке полученную ранее при проверке наличия линейной зависимости исследуемой функции отклика.
Доверительные интервалы для j- тых коэффициентов
Здесь t= 2,2622– квантиль распределения Стьюдента при числе степеней свободы , с которыми определялась дисперсия для вероятности 0,95, равной выбранному уровню значимости 0,05.
Полученные линейные коэффициенты больше доверительного интервала и следовательно являются статистически значимыми. Коэффициенты при квадратичных членах близки к статистически значимым. Коэффициент , показывающий наличие взаимодействия между факторами не является статистически значимым, что говорит о возможном отсутствии связи между ними. Этим слагаемым можно пренебречь
Производим обратную подстановку и получаем уравнение регрессии вида
Полученный полином описывает зависимость функции отклика от кодированных значений факторов. Перейдем к действительным значениям переменных, используя формулу перехода приведенную ранее.
Это уравнение описывает изменение y относительно координат проходящих через центр факторного пространства. В то время, как координаты х1 и х2 определяют положение точки факторного пространства относительно координат с центром х1=0 и х2=0. В связи с этим формальное преобразование уравнения приводит к неверному результату. В связи с этим необходимо использовать уравнение в том виде, в котором оно приведено выше.
На рис. 3.2 приведено графическое отображение зависимости функции отклика от факторов.
Рис. 3.2. Графическое отображение функции отклика
Анализ приведенного графика показывает, что поверхность отклика почти плоская и не имеет экстремальных точек внутри области факторного пространства – максимум этой функции в области факторного пространства действительно находится (как определено ранее) на границе области и соответствует точке с координатами х1=2,3 и х2=4,2.
Таким образом решены обе поставленные задачи – найдены максимум функции отклика в пределах заданного факторного пространства и выражение, аппроксимирующее исследуемый процесс.