- •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)
ПРИМЕР ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТА ДЛЯ ПЕРВОГО ВАРИАНТА МАТЕМАТИЧЕСКОЙ МОДЕЛИ ФИЗИЧЕСКОГО ПРОЦЕССА
В соответствии с заданием модель представляет собой неизвестную функцию Y (функцию отклика) аргументами которой являются два фактора Х1 и Х2. Априорно известно, что функция Y гладкая, непрерывная и определена в области положительных значений. Реализация математической модели осуществлена в программе «Моделирование процессов вероятностного характера». С помощью этой программы можно производить численные эксперименты с заданной моделью в заданных пределах факторного пространства. По условиям первого варианта математической модели этой программы фактор Х1 может изменяться в пределах от 2,3 до 3,8, а фактор Х2 – в пределах от 2,4 до 4,2. Необходимо решить две задачи:
– найти значения факторов в заданных пределах, соответствующих наибольшему (экстремальному) значению функции отклика;
- найти интерполяционную функцию (уравнение регрессии), позволяющую вычислить значения функции отклика при любых значениях Х1 и Х2, лежащих в заданных диапазонах.
2. НАХОЖДЕНИЕ ЭКСТРЕМУМА МЕТОДОМ КРУТОГО ВОСХОЖДЕНИЯ
2.1 Выбор первоначальной подобласти исследования
Рассмотрим вопрос выбора подобласти исследования, используемой для определения градиента. На рис. 2.1 приведено графическое изображение области, в пределах которой рассматривается функция отклика в данном примере.
В связи с отсутствием каких либо предварительных данных о функции отклика, в качестве начальной точки при поиске экстремума выберем точку 0, лежащую в центре области факторного пространства (рис. 2.1) с координатами (Х1=3,05, Х2=3,3). Эта точка будет нулевым уровнем в первоначальной подобласти факторного пространства.
Следующим шагом является выбор размеров подобласти и определение кодированных значений уровней факторов по формуле
где - натуральное значение фактора; - натуральное значение основного уровня; - интервал варьирования; j – номер фактора.
В качестве размеров этой подобласти, примем 1/10 часть области факторного пространства по Х1 и по Х2. Это составит, соответственно, (3,8-2,3)/10=0,15 и (4,2-2,4)/10=0,18. При этом интервал по Х1 равен 0,15/2=0,075, по Х2 0,18/2=0,09. Нижний уровень фактора в указанной подобласти Х1 равен 3,05-0,075=2,975 (кодированное значение -1), а верхний 3,05+0,075=3,125(кодированное значение +1). Нижний уровень фактора Х2 в этой подобласти равен 3,3-0,09=3,21 (кодированное значение -1), а верхний 3,3+0,09=3,39 (кодированное значение +1) . Отметим, что указанный выбор пока ничем не обоснован. Критерием правильности выбора является адекватность математической модели, используемой для аппроксимации функции Y. Указанные параметры подобласти факторного пространства (прямоугольник с точками 1,2,3,4) приведены на рис. 2.1.
В связи с тем, что количество факторов сравнительно мало, используем полный факторный эксперимент типа 22. В качестве математической модели функции отклика в выбранной подобласти факторного пространства принимаем полином первой степени адекватность которой достигается выбором соответствующих размеров исследуемой подобласти пространства.
Рис. 2.1. Иллюстрация области и подобласти факторного пространства. 0,1,2,3,4 – номера точек, используемых при планировании экспериментов
2.2. Составление плана экспериментов
В полном факторном эксперименте (ПФЭ) реализуются все возможные сочетания уровней факторов. Общее число опытов равно n=2k, где k – число факторов. В рассматриваемом случае k=2, n=22=4.
В табл. 2.1 приведены условия эксперимента в виде матрицы планирования, где строки соответствуют различным опытам, а столбцы – кодированным значениям факторов.
Таблица 2.1.
Таблица планирования для двух факторов 22.
-
№ опытов
1
+
-
-
2
+
+
-
3
+
-
+
4
+
+
+
Примечание: номера опытов соответствуют номерам точек факторного пространства (рис. 2.1).
2.3. Проведение эксперимента и обработка результатов
При проведении экспериментов реализуются фактические значения факторов, соответствующие кодированным значениям. В табл. 2.2 приведены результаты численного эксперимента, выполненного в соответствии с принятым планом. Каждый опыт производился один раз (без проведения параллельных опытов). В графе приведены полученные значения функции отклика.
Для определения дисперсии Y и величины ошибки (среднеквадратического отклонения) проведем серию численных опытов при значениях факторов, соответствующих нулевому уровню (координатам центральной точки, указанной ранее).
Ориентируясь на условия проведения реальных экспериментов, связанных с значительными затратами времени и средств, ограничимся проведением трех численных опытов с помощью программы «Моделирование процессов вероятностного характера», результаты которых приведены ниже:
Y1= 30,62 ; Y2=30,82; Y3=30,97; Yср= 30,8;
Таблица 2.2.
Результаты численного эксперимента
-
№ опытов
1
2,975
3,21
30,74
2
3,125
3,21
28,64
3
2,975
3,39
33,06
4
3,125
3,39
30,92
По результатам эксперимента находим значения коэффициентов по формуле:
В частности для модели и двух факторов
Значение коэффициента для каждого фактора соответствует вкладу данного фактора в параметр оптимизации при переходе фактора с нулевого уровня на верхний или нижний. Вклад, определенный при переходе от нижнего уровня к верхнему, называется эффектом фактора (иногда его называют основным или главным эффектом). Он численно равен удвоенному коэффициенту.
В рассматриваемом случае
Проводим анализ адекватности выбранной модели (вида полинома) опытным данным по критерию Фишера F. Оценки дисперсий в формуле расчета критерия расставляются так, чтобы его величина была больше единицы
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. 2.3.
Таблица 2.3.
Расчет
№ опыта |
Х1 |
Х2 |
|||
1 |
-1 |
-1 |
30,75 |
30,74 |
0,0001 |
2 |
+1 |
-1 |
28,63 |
28,64 |
0,0001 |
3 |
-1 |
+1 |
33,05 |
33,06 |
0,0001 |
4 |
+1 |
+1 |
30,93 |
30,92 |
0,0001 |
Сумма |
- |
- |
- |
- |
0,0004 |
Так как , то
Табличное значение FТ при (для ), (для ) и уровне значимости 0,05 равно 200. То есть , что свидетельствует о том, что принятая модель адекватна. Об этом свидетельствует и сопоставление результатов расчета по полученному полиному и результатов эксперимента (табл. 2.1) – разница результатов имеет место в сотых.
Линейная модель не может быть адекватной, если оказался значимым хотя бы один эффект взаимодействия.
Проверяем статистическую значимость коэффициентов полинома. Доверительный интервал для j- того коэффициента определяется по формуле
Здесь t=4,3 – квантиль распределения Стьюдента при числе степеней свободы , с которыми определялась дисперсия для вероятности 0,95, равной выбранному уровню значимости 0,05. Доверительные интервалы
Как следует из полученных выражений, все коэффициенты не равны нулю и являются следовательно статистически значимыми.
При оценке адекватности модели возможны следующие случаи: