- •60Путей сообщения (миит)
- •Математические модели и методы в инженерных расчетах
- •Введение
- •1.Математические модели
- •1.1Модель процесса проектирования
- •1.2Теория вероятностей
- •1.3 Математическая статистика
- •1.4Сортировка
- •1.5Интерполяция табличных зависимостей
- •1.6Аппроксимация.
- •1.6.1Метод наименьших квадратов для многочленов
- •1.6.2 Полиномиальная аппроксимация
- •1.6.3Линейная аппроксимация
- •1.7Сглаживание данных
- •1.8Предсказание (экстраполяция функции)
- •1.9 Рис. 1.14 Экстраполяция функции. Численное дифференцирование
- •1.10Вычисление определенного интеграла
- •1.11Численное решение дифференциальных уравнений
- •1.12Моделирование рельефа местности
- •1.13 Рис. 1.19 Цифровая модель рельефа и продольный профиль земли по заданному направлению Моделирование продольного профиля и плана при реконструкции железных дорог
- •2.Математические методы
- •2.1Реализация численной модели на эвм
- •2.2Целевая функция. Ограничения
- •2.3Оптимизация без ограничений
- •2.3.1Прямой одномерный поиск
- •2.4Прямой многомерный поиск
- •2.4.1Градиентные методы
- •2.5 Рис. 2.35 Градиентный метод. Оптимизация с ограничениями.
- •2.6Линейное программирование
- •2.7Нелинейное программирование
- •2.8Графы
- •2.9Метод динамического программирования.
- •2.10Поиск кратчайшего пути в графе
- •2.11Экономические аспекты автоматизированного проектирования.
- •2.12Проблемы программных реализаций.
- •Программного обеспечения.
- •1. Математические модели 4
- •2. Математические методы 41
- •Екатерина Александровна Рыжик
1.6.2 Полиномиальная аппроксимация
Функция y(x) может быть представлена полиномом произвольной степени (рис. 1.11). На практике не рекомендуется использовать степень аппроксимирующего полинома выше 4-6, поскольку погрешности реализации при этом сильно возрастают.
1.6.3Линейная аппроксимация
Рис. 1.11
Полиномиальная аппроксимация
Рис. 1.12
Линейная аппроксимация
1.7Сглаживание данных
Данные большинства экспериментов имеют случайные составляющие, поэтому часто возникает необходимость статистического сглаживания данных.
При этом вычисляется множество Z=z1,z2,...zn сглаженных значений функции f(x,y), заданной множествами значений аргумента X=x1,x2,...xn и Y=y1,y2,...yn соответствующих значений функции.
Сглаживание функции, заданной таблицей значений в неравноотстоящих точках, с помощью многочлена первой степени, построенного по k (не менее трех точек) последовательным точкам методом наименьших квадратов (рис. 1.13).
Рис. 1.13
Сглаживание данных
Определение коэффициентов mj и bj многочлена Wj(x) производится методом наименьших квадратов.
Искомые сглаженные значения zj = Wj(x) = mjx + bj вычисляются по формуле:
1.8Предсказание (экстраполяция функции)
При экстраполяции по ряду заданных точек рассчитывается некоторое число N последующих точек.
На рисунке 1.14 сплошной линией показан график функции, описывающий положение заданных точек, пунктирной - предсказание (экстраполяция графика).
1.9 Рис. 1.14 Экстраполяция функции. Численное дифференцирование
При вычислении производной функции, заданной таблицей, наилучший способ найти производную по двум значениям функции - это взять значения справа и слева на равном расстоянии от того значения x, для которого мы хотим подсчитать величину производной:
.
Значения можно найти интерполяцией.
1.10Вычисление определенного интеграла
Рис. 1.15
Метод трапеций
Соответствующая формула имеет вид:
,
где для краткости обозначено .
Еще более эффективную формулу можно получить, если кривую на малом интервале заменить параболой, т.е. графиком квадратичной зависимости. Разделим участок интегрирования от x = a до x = b на четное число равных интервалов. Границы интервалов: . Длину интервала обозначим h, так что .
,
где .
Эта формула называется формулой Симпсона.
Преимущества формулы Симпсона по сравнению с формулой трапеций особенно сказывается при увеличении числа n интервалов разбиения. Можно показать, что при этом ошибка формулы трапеций убывает обратно пропорционально n2, а ошибка формулы Симпсона - обратно пропорционально n4.