- •Лабораторная работа № 1 Изучение одноканальной замкнутой системы массового обслуживания
- •Лабораторная работа № 2 Изучение многоканальной замкнутой системы массового обслуживания
- •2.1 Цель работы
- •2.2 Краткие сведения об объекте моделирования
- •2.3 Порядок выполнения работы
- •Лабораторная работа № 3 Изучение одноканальной замкнутой смо с ожиданием
- •3.1 Цель работы
- •3.2 Краткие сведения об объекте моделирования
- •3.4 Порядок выполнения работы
- •1,946 1,94 1,949
- •4.3 Порядок выполнения работы
- •Лабораторная работа № 5 [3] Исследование элементов системы моделирования gpss/pc на имитационных моделях массового обслуживания
- •5.1 Цель работы
- •5.2 Краткие сведения об объекте моделирования
- •5.3 Порядок выполнения работы
- •5.4 Задания к работе
- •Лабораторная работа № 6 [3] Исследование на имитационной модели процесса передачи данных в информационно-вычислительной сети
- •6.1 Цель работы
- •6.2 Краткие сведения об объекте моделирования
- •6.3 Порядок выполнения работы
- •6.4 Задание к работе
- •Лабораторная работа № 7 [3] Исследование на имитационной модели процесса функционирования концентратора сети интегрального обслуживания
- •7.1 Цель работы
- •7.2 Краткие сведения об объекте моделирования
- •7.3 Порядок выполнения работы
- •7.4 Задание к работе
- •Лабораторная работа № 8 Построение математических моделей экспериментально-статистическими методами (метод наименьших квадратов)
- •8.1 Цель работы
- •8.2 Краткие сведения об объекте моделирования
- •X –3 –1 1 3
- •8.3 Порядок выполнения работы
- •Требования к оформлению отчета
- •Список литературы
7.3 Порядок выполнения работы
1. Ознакомиться с методическими указаниями по выполнению данной лабораторной работы.
2. Получить вариант задания у преподавателя.
3. Составить по заданному варианту блок-диаграмму GPSS и программу на языке GPSS/PC.
4. Провести имитационный эксперимент с моделью процесса функционирования цифрового концентратора.
7.4 Задание к работе
Внести в текст исходной программы изменения, обеспечивающие выполнение индивидуального задания:
1. определение функции распределения числа повторных вызовов для завершенных разговоров;
2. получение графика вероятности прекращения вызова в зависимости от числа абонентов в подсети;
3. получение графика среднего числа попыток на вызов для приближенной функции настойчивости в зависимости от числа абонентов в подсети;
4. определение функции распределения числа повторных вызовов для незавершенных разговоров;
5. получение графика вероятности успешного разговора в зависимости от числа абонентов в подсети;
6. определение вероятности блокировки в абонентской подсети для приближенной функции настойчивости;
7. получение графика среднего числа попыток на один вызов для точной функции настойчивости в зависимости от числа абонентов в подсети;
8. получение графика вероятности блокировки в абонентской подсети для точной функции настойчивости в зависимости от числа абонентов в подсети.
Необходимо провести серию имитационных экспериментов, обеспечивающих получение полных и достоверных результатов.
Лабораторная работа № 8 Построение математических моделей экспериментально-статистическими методами (метод наименьших квадратов)
8.1 Цель работы
Освоить методику построения математической модели статики объекта управления экспериментально-статистическими методами.
8.2 Краткие сведения об объекте моделирования
В тех случаях, когда информации о рассматриваемом процессе недостаточно или процесс настолько сложен, что невозможно составить его детерминированную модель, прибегают к экспериментально-статистическим методам. При этом процесс рассматривают как "черный ящик". Различают пассивный и активный эксперименты.
Пассивный эксперимент является традиционным методом, в соответствии с которым ставится большая серия опытов с поочередным варьированием каждой из переменных. К пассивному эксперименту относится также сбор исходного статистического материала в режиме нормальной эксплуатации технологического процесса.
Активный эксперимент ставится по заранее составленному плану (планирование эксперимента), при этом предусматривают одновременное изменение всех переменных, влияющих на процесс, что позволяет сразу установить силу взаимодействия переменных и на этом основании сократить общее число опытов.
Метод наименьших квадратов
Постановка задачи. Объект имеетm входных и одну выходную координатуу. Структурная схема такого объекта приведена на рис. 8.1.
Н
Рис.
8.1. Структурная схема
объекта
Уточним, что в данном случае может служить моделью объекта. Поскольку на выходную координату объекта, помимо учитываемых входных координат, всегда влияют и неучитываемые переменные, которые рассматриваются как некоторые случайные величины помехи, то определяемые экспериментально значения выходной координаты тоже случайны. В связи с этим выходная координата у зависит от входных не функционально, а стохастически, вероятностно. В этом случае связь, существующая между переменными х и у, называется корреляционной связью.
Зависимость математического ожидания выходной координатыу от х называется регрессионной зависимостью. Она и может в данном случае служить математической моделью объекта. Кривая, описывающая зависимость отх, называется кривой регрессии. Пример кривой регрессии приведен на рис. 8.2.
П
Рис.
8.2. Кривая регрессии
Я
Рис.8.3
Расположение кривой регрессии
относительно экспериментальных точек
.
Вид зависимости задается. В общем виде зависимость можно представить в виде:
, |
(8.1) |
где – вектор параметров модели (коэффициенты).
Задача состоит в том, чтобы по опытным данным наилучшим образом определить значения параметров .
В этом случае метод наименьших квадратов сводится к следующему. Наилучшими будут те значения параметров , при которых сумма квадратов отклонений отклонений расчетных величинот опытныхокажется наименьшей.
Учитывая, что при нахождении параметров количество экспериментов n постоянно, степень близости модели и объекта будет оцениваться величиной:
|
(8.2) |
Таким образом, в методе наименьших квадратов параметры находятся из условия:
,
т.е. являются решением задачи минимизации суммы квадратов невязки (этим и объясняется название метода).
Покажем, как решается эта задача.
Пусть функция задана в общем виде (I). Структуру модели, входящие в нее входные координаты или функции от них, можно затем уточнить. Запишем условия всех опытов в виде таблицы матрицы плана эксперимента:
|
(8.3) |
Здесь каждая строка – условие одного опыта; каждый столбец значения одной переменной – в разных опытах.
Рассмотрим также вектор-столбец результатов эксперимента
|
(8.4) |
Расчетное значение дляj-той строки матрицы будет иметь вид:
|
(8.5) |
Приведенное выше определение метода наименьших квадратов может быть записано формулой:
|
(8.6) |
Те значения , при которых суммаS окажется минимальной и будут наилучшими.
Проще всего расчет методом наименьших квадратов, осуществляется, когда уравнение (8.1) линейно относительно коэффициентов . Это значит, что его можно записать в следующем виде:
|
(8.7) |
Здесь фиктивная переменная, тождественно равная единице. Она вводится для симметрии для того, чтобы все параметры, и в том числе, входили в модель единообразно. Это упрощает выкладки.
Рассмотрим расчет коэффициентов для этого случая. Матрица будет иметь вид:
|
(8.8) |
Квадрат разности для 3-го опыта запишется так:
|
(8.9) |
Подставляя зависимость (8.9) в выражение (8.6), получим:
|
(8.10) |
Необходимым условием минимума функции является равенство нулю ее частных производных по искомым параметрам (поскольку функция является квадратичной, то эти условия выделяют единственную точку минимума).
, , …,
или
Запишем эту систему в виде, удобном для анализа
|
(8.11) |
Полученная система линейных алгебраических уравнений содержит столько уравнений, сколько в нее входит неизвестных параметров Б. В теории метода систему (8.11) принято называть системой нормальных уравнений.
Система нормальных уравнений может быть решена, например, по правилу Крамера, согласно которому , где– определитель матрицы системы нормальных уравнений:
,
а , получается изпутем замены 1-го столбца на столбец
.
Решение может быть сравнительно точно найдено, если матрица системы нормальных уравнений не является плохо обусловленной, т.е. определитель существенно отличается от нуля. В противном случае, при вычислении,будет делиться на величину, близкую к нулю. В этом случае необходимо либо менять структуру модели, либо менять выборку экспериментальных данных.
Пример: Расчет коэффициентов методом наименьших квадратов.
По опытным данным построить зависимость плотности жидкости от температуры в виде параболы 2-й степени.
Т, К 273 283 293 303
, кг/м3 875 871 868 867
Для уменьшения расчетов удобно преобразовать переменные так, чтобы они выражались малым числом цифр. Так вместо Т можно использовать величину ,а вместо – .
Тогда зависимость получит вид:
.
Представим опытные данные х и у