- •Основные определения и понятия теории моделирования
- •Роль и место моделирования в исследовании систем
- •Задачи моделирования
- •Подходы к построению моделей
- •Классификация видов моделирования
- •Подходы в математическом моделировании
- •Требования к программно-техническим комплексам
- •Классификация пакетов моделирования
- •Концепция структурного моделирования систем
- •Структура и свойства математической модели
- •Классификация математических моделей
- •Общий подход к формированию математических моделей
- •Этапы математического моделирования
- •Основные правила построения математических моделей
- •Способы представления и оценки статических моделей
- •Парная регрессия. Оценка параметров парной регрессии.
- •Линеаризация нелинейных регрессий
- •Множественная регрессия. Оценка параметров множественной регрессии
- •Основные способы представления динамических моделей
- •Математические модели непрерывной системы
- •Представление моделей в пространстве состояний
- •Представление моделей в виде передаточных функций
- •Преобразование пф в дифференциальные уравнения
- •Интегрирующее звено
- •Апериодическое звено
- •Колебательное звено
- •Дифференцирующее звено с замедлением
- •Модели объектов управления
- •Описание математической модели дпт нв
- •Представление модели дпт нв в виде детализированной структурной схемы
- •Представление модели дпт нв в виде передаточной функции
- •Представление дпт нв в виде модели в пространстве состояний.
- •Математические модели движения морских судов
- •Модель горизонтального движения надводного судна.
- •Модель судна – модель Номото
- •Модель рулевой машины
- •Модель внешней среды
- •Моделирование дискретных систем. Преобразование непрерывных линейных систем к дискретной форме
- •Идентификация линейных дискретных систем
- •Авторегрессионные модели
- •Структуры моделей управляемого объекта
- •Спецификации моделей
- •Armax-модель
- •Постановка задачи идентификации
- •Параметрические методы идентификации
- •Метод авторегрессионной идентификации
- •Идентификация в векторно-матричной форме
- •Лабораторные работы Лабораторная работа №1. Изучение пакетов моделирования
- •Краткие сведения о среде Matlab
- •Описание среды Scilab
- •Задание на лабораторную работу
- •Лабораторная работа №2. Исследование статических зависимостей. Определение параметров парной регрессии
- •Цель работы:
- •Порядок выполнения работы
- •Содержание отчета
- •Тестовые данные
- •Контрольные задания
- •Лабораторная работа №3. Исследование статических зависимостей. Определение параметров множественной регрессии
- •Задание на лабораторную работу
- •Варианты заданий
- •Содержание отчета
- •Лабораторная работа № 5. Исследование динамических моделей линейных систем (в форме Коши и векторно-матричном виде)
- •Задание на лабораторную работу
- •Лабораторная работа № 6. Преобразование моделей (нм – дм). Исследование дискретных моделей
- •Порядок выполнения работы
- •Содержание отчета
- •Лабораторная работа № 7. Идентификация параметров динамических моделей линейных систем. Авторегрессионная идентификация
- •Задание на лабораторную работу
- •Порядок выполнения работы
- •Приложение:
- •Лабораторная работа № 8. Идентификация параметров динамических моделей линейных систем. Идентификация в пространстве состояний
- •Задание на лабораторную работу
- •Порядок выполнения работы
-
Множественная регрессия. Оценка параметров множественной регрессии
Множественная регрессия - уравнение связи с несколькими независимыми переменными:
. (1)
где у - зависимая переменная (результативный признак); x1, x2, , xp - независимые переменные (факторы).
Для построения уравнения множественной регрессии чаще используются следующие функции:
- линейная:
, (2)
- степенная:
(3)
- гиперболическая:
(4)
- экспоненциальная регрессия:
(5)
- и другие.
Одним из наиболее распространённых методов, используемых для оценки параметров уравнения множественной регрессии является метод наименьших квадратов (МНК).
Система уравнений, используемая для оценки параметров линейной регрессии (2.2) имеет вид:
(6)
Решая систему уравнений, получаем искомые параметры множественной регрессии. Для оценки параметров нелинейных регрессий используются методы линеаризации, аналогичные рассмотренным ранее.
Другим методом оценки является метод, связанный с использованием псевдообратной матрицы. Этот метод заключается в следующем:
- по исходным данным составляется система уравнений, описывающая зависимость выходной величины от входных, для каждой группы значений:
Обозначим:
A = {a, b1, b2,…, bp}, вектор оценок параметров регрессии;
Y = {yi}, - вектор значений зависимой переменной;
X = {xij}, , - матрица значений независимых переменных;
при этом p - количество независимых переменных, n - объем выборки.
Уравнение регрессии может быть представлено в следующим образом.
Для конкретного yi:
i = a + b1xi1 + b2xi2 + ... + bpxip , (7)
или в матричном виде:
Y = A X,
-
где X =
1 x11 x12 ... x1p 1 x21 x22 ... x2p
...
1 xn1 xn2 ... xnp
Обратите внимание на то, что в матрицу X дополнительно введен столбец, все элементы которого равны 1, т.е. условно полагается, что в уравнении (1.7) свободный член a умножается на фиктивную переменную xi0, принимающую значение 1 для всех i.
Можно показать, что для общего случая множественной линейной регрессии, коэффициенты уравнения могут быть определены из следующего соотношения:
A = (Xт∙X)-1∙Xт∙Y. (8)
-
Основные способы представления динамических моделей
Важным этапом моделирования является создание математической модели исследуемой системы. На базе математической модели происходит анализ характеристик системы, при компьютерном моделирования на основе математической модели создается алгоритм программ для получения информации о поведении системы. Формальное описание объекта исследования необходимо также для взаимопонимания между специалистами разных областей, объединенных для решения какой-либо глобальной задачи.
-
Математические модели непрерывной системы
Как правило, модели динамических систем представляются в виде системы дифференциальных уравнений в форме Коши.
Система обыкновенных дифференциальных уравнений первого порядка, разрешенных относительно производных, может быть представлена следующим образом:
, (4.1)
где – непрерывное время;
– вектор интегрируемых переменных (их также называют кординатами состояния);
– вектор искомых переменных в алгебраических уравнениях (их также часто называют «алгебраическими» переменными) с согласованными начальными значениями ;
– вектор параметров.
Предполагается, что функция непрерывна по всем переменным в некоторой окрестности .
Линейные системы могут быть также представлены в векторно-матричном виде.