Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Сглаживающий сплайн (Smoothing Spline)
Хотя сглаживающий сплайн и относят к непараметрическим моделям, тем не менее он содержит задаваемый пользователем параметр. Сглаживающий сплайн определяется как сплайн, который минимизирует следующий функционал, зависящий так же и от некоторого параметра p. где (x k, y k) k=1,2,...,n - приближаемые данные; w k - веса данных (если они не были заданы, то принимаются равными единице); p - сглаживающий параметр, изменяющийся от 0 до 1, который определяет кривизну получающегося сплайна. Если задавать значения сглаживающего параметра близкие к нулю, то сглаживающий сплайн будет похож на прямую, приближающую данные в смысле наименьших квадратов, поскольку основным в минимизируемом функционале станет второе слагаемое которое как раз и отвечает за гладкость, его минимизация соответствует построению сплайна с наименьшим значением второй производной (ноль, для полинома первого порядка). Напротив, если значение сглаживающего параметра близко к единице, то основным в минимизируемом функционале станет первое слагаемое которое отвечает за прохождение сплайна через заданные точки. При p = 1 сглаживающий сплайн превращается в обыкновенный кубический сплайн. На практике при применении сглаживающего сплайна часто значение сглаживающего параметра выбирают примерно равным где h - среднее расстояние между точками, в которых определены приближаемые данные. Значения сглаживающего параметра задаются в диалоговом окне (Рис. 15) Рис. 15 Задание параметра для сглаживающего сплайна На рисунке ниже приведены сглаживающие сплайны для нескольких различных значений сглаживающего параметра p=1 (то же, что и кубический сплайн), p=0.9 (сглаживающий сплайн), p=0 (линейная функция, приближающая данные в смысле наименьших квадратов). Создание собственной параметрической модели Кроме предопределенных моделей, описанных в предыдущем пункте Стандартные параметрические и непараметрические модели, пользователь приложения cftool имеет возможность создавать собственные модели, в которые искомые параметры входят как линейно, так и нелинейно. Для создания собственной модели следует в окне выбора модели выбрать пункт Custom Equations (Рис. 16) Рис. 16 Вид области окна управления моделями при выборе Custom Equations
В области окна управления моделями можно выделить две области 1. Область задания имен зависимых (y) и независимых (x) переменных (другими словами определение вида функции). 2. Область задания параметрической модели путем последовательного добавления функции при искомых коэффициентах. Для добавления каждой следующей функции требуется нажать клавишу <Enter>. Пусть, например, требуется создать параметрическую модель Рис. 17 Создание параметрической модели a1.*x*exp(-x)+a2.*exp(-x)+a3 Формулы набираются в соответствии с правилами MATLAB с использованием знаков +, -, *, /, ^ (возведение в степень) для арифметических операций, круглых скобок для изменения их приоритета и встроенных математических функций, список которых можно получить, задав в командном окне MATLAB команду >> help elfun В следующей таблице приведены наиболее часто используемые функции
После набора формулы модели и нажатия кнопки Fit (команды на исполнение), окно Curve Fitting Toolbox будет иметь вид (Рис. 18).
Рис. 18 Вид рабочей области окна Curve Fitting Toolbox после выполнения приближения с использованием созданной модели a1.*x*exp(-x)+a2.*exp(-x)+a3 Приведем пример того, что начальное приближение к искомым параметрам играет большую роль при подборе параметров в нелинейной модели. В командном окне введем следующие данные в глобальные переменные x и y рабочей среды:
>> x=0:0.1:3; >> y=exp(-2*x.^2).*sin(4*x.^2)+exp(-x.^2).*sin(x)+0.01*rand(size(x)); Далее импортируем их в приложение cftool так, как описано выше (рис. 6). В окне Fitting создадим новое приближение с именем Mainfit 1 и определим следующую нелинейную параметрическую модель введя выражение exp(-a*x^2)*sin(b*x^2)+ exp(-с*x^2)*sin(в*x) в окне задания модели пользователя (Рис. 19)
Рис. 19 Задание модели exp(-a*x^2)*sin(b*x^2)+ exp(-с*x^2)*sin(в*x) Установим в качестве начальных приближений для параметров следующие значения a=5 b=5 c=5 d=5 Для корректировки начальных приближений нужно открыть закладку < Fit Options > (Рис. 20). Рис. 20 Корректировка коэффициентов модели начальных приближений Далее закрываем окно корректировки начальных приближений для параметров и запускаем процесс приближения данных заданной нами моделью, нажав кнопку < Fit >. Получается хорошее приближение (см. рис. 21). Теперь создадим еще одно приближение с именем Mainfit2 с той же самой параметрической моделью и установим другие начальные приближения для параметров а = -0,1 b = 0,1 c = 0,1 d = 0,1 Результаты приближения с такими параметрами представлены на Рис.22. Рис. 21 Вид рабочей области окна Curve Fitting Toolbox после выполнения приближения с использованием созданной модели exp(-a*x^2)*sin(b*x^2)+ exp(-с*x^2)*sin(в*x) и коэффициентов начальных приближений a=b=c=d=5 Рис. 22 Вид рабочей области окна Curve Fitting Toolbox после выполнения приближения с использованием созданной модели exp(-a*x^2)*sin(b*x^2)+ exp(-с*x^2)*sin(в*x) и коэффициентов начальных приближений a=-0,1 b=0,1 c=0,1 d=0,1 Результаты для одной и той же параметрической модели с различными начальными значениями параметров отличаются друг от друга.
|
||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2022-09-03; просмотров: 44; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.191.174.168 (0.009 с.) |