- •2. Тематика курсової роботи
- •Вибір технічних розмірностей
- •Вибір компонентів
- •Вибір термодинамічних моделей
- •Побудова технологічної схеми
- •1.1 Математичне моделювання і розрахунок теплообмінних апаратів на еом
- •Рівняння теплового балансу зони ідеального витиснення має вигляд:
- •1.2 Математичний опис прямоточного тоа з двома зонами ідеального витиснення
- •1.3 Моделювання і розрахунок протиточного теплообмінного апарату типу “труба у трубі”
- •1.4 Математичний опис і розрахунок тоа з двома зонами різної гідродинамічної структури
- •1.5 Інженерний розрахунок кожухотрубчастого протиточного теплообмінного апарату на еом з використанням лінійного алгоритму
- •2. Розробка модулів реакторів для автоматизованого розрахунку і проектування складних хіміко-технологічних систем
- •3. Математичне моделювання та розрахунок реакторів витиснення
- •3.1 Побудова математичних моделей реакторів витиснення
- •3.2 Математичний опис ізотермічного реактора витиснення
- •3.3 Математичний опис адіабатичного реактору витиснення
- •3.4 Математичний опис політропічних реакторів витиснення
- •3.5 Моделювання проточного ізотермічного реактора змішування
- •4. Моделювання гетерогено-каталітичних процесів у рамках квазігомогеної моделі
- •4.1 Модель ідеального витиснення
- •4.2 Чисельні методи рішення рівнянь математичного опису каталітичних процесів
- •4.3 Математичне моделювання каталітичного очищення хвостових газів від оксидів азоту
- •4.4 Математичне моделювання конверсії оксиду вуглецю водяною парою
- •4.5 Математичне моделювання реактора з киплячим (псевдозрідженим) шаром
- •5. Побудова математичних моделей експериментально-статистичними методами.
- •5.2 Лінійний регресійний аналіз
- •5.3 Поліноміальний регресійний аналіз
5. Побудова математичних моделей експериментально-статистичними методами.
При математичному описі процесів хімічної технології не завжди вдається знайти точний функціональний зв'язок між досліджуваними перемінними, спираючись на фундаментальні закони збереження маси та енергії, закони хімічної кінетики і т.п.
У таких випадках доцільно на підставі експериментальних даних шукати емпіричну залежність, що формально відображала би вплив вхідних перемінних Х на вихідні У. При виборі виду емпіричної формули зручно нанести експериментально одержані значення Х та У на графік і по характеру цієї залежності вибрати придатну апроксимуючу функцію (наприклад, логарифмічну, показову, тригонометричну чи ін.)
Традиційним методом при складанні таких моделей є пасивний експеримент, відповідно до якого ставиться велика серія дослідів з почерговим варіюванням кожної з перемінних. До пасивного експерименту відноситься також збір вихідного статистичного матеріалу в режимі нормальної експлуатації на промисловому об'єкті. У цьому випадку обробка дослідних даних для одержання математичної моделі здійснюється методами класичного регресійного і кореляційного аналізу.
Крім того, методи кореляційного регресійного аналізу застосовуються при одержанні напівемпіричних і емпіричних співвідношень між різними параметрами (залежностей коефіцієнтів масопередачі від швидкостей потоків фаз, теплоємності і щільності від складу і температури й ін.), які використовуваються при блочному принципі побудови математичного опису ХТП.
Практично задача визначення параметрів рівняння регресії зводиться до визначення мінімуму функції багатьох перемінних.
Якщо Y = f(xi, b0, b1, b2,…) є функція диференційовона і потрібно вибрати так, щоб
Ф = yi-f(xi,b0,b1,b2,…)2 = min,
те необхідною умовою мінімуму (b0,b1,b2,…)є виконання умов:
…
чи
(5.1)
……………………………………...
Після перетворень одержимо:
(5.2)
…………………………………………………..
Одержана система рівнянь містить стільки ж рівнянь, скільки невідомих коефіцієнтів … входить у рівняння регресії, і називається в математичній статистиці системою нормальних рівнянь. Оскільки Ф0 при будь-яких ..., у величини Ф обов'язково повинен існувати хоча б один мінімум. Тому, якщо система нормальних рівнянь має єдине рішення, воно і є мінімумом для величини Ф. Вирішувати систему нормальних рівнянь у загальному виді не можна. Для цього треба задатися конкретним видом функціональної залежності У = f(xi, b0, b1, b2 …).
5.2 Лінійний регресійний аналіз
У хімічних задачах часто використовується лінійний регресійний аналіз, у якому функція що апроксимується є лінійна функція
Метод найменших квадратів полягає в мінімізації суми квадратів зважених відхилень:
-
(5.3)
Коефіцієнти b0 і b1 будуть щонайкраще задовольняти рівнянню прямої, якщо будуть виконуватися наступні умови:
-
(5.4)
Таким чином, одержуємо наступну систему лінійних рівнянь другого порядку:
-
(5.5)
де n – число експериментальних крапок; i – ваговий фактор:
при i =1 – використовується одиничне зважування;
i =1/yi – використовується статистичне зважування;
і =1/Gi2 – використовується інструментальне зважування.
Застосовуючи правило Крамера, одержуємо наступне вираження для обчислення b0, b1:
-
(5.6)
де
(5.7)
(5.8)
Дисперсію адекватності розраховують по рівнянню:
-
(5.9)
Середні квадратичні відхилення коефіцієнтів b0 і b1 відповідно дорівнюють:
-
(5.10)
(5.11)
Коефіцієнти кореляції обчислюються за формулою:
-
(5.12)
Вихідними даними для розрахунку є: число експериментальних крапок n, два одномірних масиви Xi, Yi, ознака типу вагових коефіцієнтів i.
Дисперсія адекватності в програмі визначається по рівнянню:
-
(5.13)