Проверка адекватности полученных коэффициентов

Для сравнения трех вариантов линейной зависимости, полученных разными методами, вычисляют сумму квадратов отклонений экспериментальных данных yi от рассчитанных по найденным формулам значений уpi в тех же точках.

Таблица 6.

i xi yi y1i y2i y3i (yi - y1i)2 (yi – y2i)2 (yi – y3i)2
2,5 2,75 2,5 2,8515 2,8798 0,063 0,010 0,016
6,19 5,98 6,309 6,329 0,044 0,014 0,019
5,5 10,21 9,46 9,7665 9,7783 0,558 0,194 0,184
13,00 12,94 13,224 13,228 0,004 0,050 0,052
8,5 16,78 16,42 16,6815 16,677 0,132 0,010 0,011
20,37 19,9 20,139 20,126 0,218 0,052 0,058
11,5 23,27 23,38 23,5965 23,575 0,013 0,109 0,095
27,05 26,86 27,054 27,025 0,036 0,000 0,001
          Σ 1,067 0,439 0,436

Здесь у1i значения, рассчитанные по формулам метода «натянутой нити» ; y2i по методу «средней» ; у3i по методу наименьших квадратов.

В последней строке таблицы представлены суммы квадратов отклонений расчетных и экспериментальных значений, которые позволяют выбрать зависимость, наиболее адекватно описывающую результаты эксперимента. В данном случае это последняя зависимость, полученная методом наименьших квадратов, поскольку указанная сумма для нее минимальна.

Применение программы Excel для поиска коэффициентов

модели

1. На основе экспериментальных данных определить коэффициенты линейной эмпирической зависимости на основе 3-х различных критериев приближения (близости в среднем, метода наименьших квадратов, среднего квадрата относительного отклонения).

2. Проверить адекватность полученных регрессионных зависимостей по минимуму суммы квадратов отклонений расчетных и экспериментальных значений.

3. Выбрать зависимость наилучшим образом описывающую результаты эксперимента.

Процесс поиска может быть проиллюстрирован в виде таблицы, заполняемой в Excel (табл. 7).

В столбцы для xiи yi заносят исходные данные. В столбце для F(xi) рассчитывают значения целевой функции на основе модели, для тех же значений переменной xi и начальных значений параметров А1 – А3. В последнем столбце вычисляют квадрат отклонения расчетных и экспериментальных значений и их сумму. Активировав ячейку для указанной суммы, включают опцию «поиск решения», задают диапазон изменения параметров и определяют их значения, обеспечивающие min для суммы квадратов отклонений.

Т а б л и ц а 7. Исходная таблица для расчета коэффициентов

номер строки xi yi F(xi) (yi - F(xi))2
       
       
       
n        
        Σ(yi - F(xi))2
  A1 A2 A3  
  - - -  

Расчет эмпирических коэффициентов регрессионной зависимости на основе экспериментальных данных, полученных в результате эксперимента с факторным планированием.

Методика расчета коэффициентов регрессионной многофакторной модели для любого количества управляемых переменных (факторов) хорошо известен [1, 3, 10]. Здесь мы покажем возможность использования для этой цели методов приближения эмпирической зависимости и, в первую очередь, метода наименьших квадратов в сочетании с возможностями программы «Excel». Продемонстрируем данный способ на конкретном примере.

При разработке модели процесса получения нетканого материала на чесально-вязально-прошивных агрегатах [20] были использованы следующие факторы:

X1 – заправочная плотность прошива (число петель на 5 см);

X2 – число сложений прочеса;

X3 – масса броска самовеса, г.

По мнению специалистов эти факторы должны оказывать наибольшее влияние на целый спектр свойств такого нетканого материала. Для вычисления коэффициентов зависимостей были выбраны некоторые из них:

Y1 – разрывная нагрузка по длине, кгс;

Y2 – разрывная нагрузка по ширине, кгс;

Y3 – разрывное удлинение по ширине, %;

Y4 – поверхностная плотность, г/м2.

В эксперименте были выбраны следующие уровни варьирования факторов (табл. 8).

Т а б л и ц а 8. Уровни варьирования факторов

Фактор Уровни варьирования Интервалы варьирования
-1,68 -1 +1 +1,68
X1 4,0
X2 4,0
X3

Обобщенный вид полиномиального регрессионного уравнения выглядит следующим образом:

.
Проверка адекватности полученных коэффициентов - student2.ru (12)

Результаты измерений всех выбранных критериев для различных комбинаций уровней факторов приведены в табл. 9. Здесь же показаны результаты расчетов коэффициентов регрессии. Данные табл. 9 скомпонованы следующим образом: столбцы с кодированными значениями факторов Xi, усредненные результаты измерения первого критерия Y1, расчитанные значения этого критерия (12), квадрат разности расчетного и экспериментального значений. Коэффициенты для каждого критерия представлены отдельно (табл. 10).

Проверка адекватности полученных коэффициентов - student2.ru Т а б л и ц а 9. Результаты расчета коэффициентов регрессионной модели

X1 X2 X3 Y1 Y1R (Y1- Y1R)2 Y2 Y2R (Y2- Y2R)2 Y3 Y3R (Y3- Y3R)2 Y4 Y4R (Y4- Y4R)2
17,9 19,710 3,276 19,7 22,644 8,669 57,8 49,481 69,200 371,3 369,178 4,503
-1 14,1 14,380 0,078 34,4 34,445 0,002 48,7 46,248 6,011 252,2 254,597 5,744
-1 14,6 15,753 1,328 36,8 39,214 5,829 46,8 44,339 6,055 277,3 288,241 119,714
-1 -1 11,9 13,422 2,318 29,2 29,566 0,134 47,1 42,656 19,746 203,7 206,760 9,364
-1 24,4 23,814 0,343 26,7 29,008 5,327 56,0 55,987 0,000 379,2 378,399 0,641
-1 -1 16,1 15,884 0,047 34,1 34,359 0,067 59,4 57,404 3,984 264,4 255,718 75,378
-1 -1 16,5 17,157 0,431 38,7 41,328 6,907 59,2 57,195 4,019 284,3 284,163 0,019
-1 -1 -1 13,1 12,226 0,763 25,5 25,229 0,073 56,3 60,162 14,915 190,2 194,581 19,197
-1,68 17,6 18,658 1,119 36,9 35,257 2,699 67,9 65,843 4,232 279,6 283,807 17,698
1,68 18,6 16,215 5,688 35,7 33,554 4,605 37,3 45,673 70,110 293,7 286,291 54,892
-1,68 13,3 12,288 1,024 36,9 35,130 3,132 47,8 48,657 0,734 230,3 220,528 95,485
1,68 18,685 0,099 30,9 28,881 4,078 45,2 50,659 29,804 333,3 339,870 43,161
-1,68 12,1 12,127 0,001 26,0 27,050 1,104 49,4 50,246 0,716 185,4 185,801 0,161
1,68 22,1 20,746 1,834 35,5 30,660 23,421 45,0 50,470 29,919 360,9 357,297 12,979
14,4 15,023 0,388 25,5 28,279 7,722 69,4 55,746 186,422 279,7 278,578 1,259
14,9 15,023 0,015 28,3 28,279 0,000 51,1 55,746 21,589 261,2 278,578 301,995
15,1 15,023 0,006 31,0 28,279 7,405 54,9 55,746 0,716 274,1 278,578 20,053
15,6 15,023 0,333 29,0 28,279 0,520 50,9 55,746 23,487 279,2 278,578 0,387
14,8 15,023 0,050 27,8 28,279 0,229 54,7 55,746 1,095 288,4 278,578 96,472
15,1 15,023 0,006 27,4 28,279 0,772 54,6 55,746 1,314 288,3 278,578 94,517
          19,146     82,695     494,069     973,618

Проверка адекватности полученных коэффициентов - student2.ru

Расчет коэффициентов вели следующим образом: задавали произвольные исходные значения коэффициентов (например, Xi = Xij = 1), получали расчетное значение критерия YiR и вычисляли (Yi - YiR)2. Используя опцию «Поиск решения» вычисляли набор коэффициентов, обеспечивающих минимум суммы квадратов Σ(Yi - YiR)2. Результаты расчетов для всех критериев представлены в табл. 10.

Т а б л и ц а 10. Расчетные значения коэффициентов моделей

a0 a1 a2 a3 a12 a13 a23 a11 a22 a33 Для Y1
15,02 -0,73 1,90 2,565 -0,675 -0,65 0,75 0,855 0,164 0,501  
                     
a0 a1 a2 a3 a12 a13 a23 a11 a22 a33 Для Y2
28,28 -0,51 -1,9 1,074 -1,0625 -1,612 -5,36 2,171 1,32 0,204  
                     
a0 a1 a2 a3 a12 a13 a23 a11 a22 a33 Для Y3
55,75 -6 0,6 0,067 1,587 1,1625 0,387 0,00413 -2,157 -1,91  
                     
a0 a1 a2 a3 a12 a13 a23 a11 a22 a33 Для Y4
278,6 0,74 35,5 51,04 -3,325 -2,025 8,275 2,293 0,574 -2,49  

Для сравнения приведем модели, полученные нами и те, которые были получены на основе факторного анализа [1, 10]. Следует лишь сразу отметить, что модели, приведенные в [20], учитывают только наиболее значимые коэффициенты.

Y1 = 15,02 – 0,73x1 + 1,9x2 + 2,565x3 – 0,675x1x2 – 0,65x1x3 + 0,75x2x3 + +0,855x12+ 0,164x22 + 0,501x32;

Y1 = 15,024 + 1,978x2 + 2,615x3 ;

Y2 = 28,28 – 0,51x1 - 1,9x2 + 1,074x3 – 1,0625x1x2 – 1,612x1x3 - 5,36x2x3 + +2,171x12+ 1,32x22 + 0,204x32;

Y2 = 28,207 – 4,737x2x3 + 2,369x12;

Y3 = 55,75 – 6,0x1 + 0,6x2 + 0,067x3+ 1,587x1x2+ 1,1625x1x3 + 0,387x2x3 + +0,00413x12- 2,157x22 - 1,91x32;

Y3 = 55,746 – 5,993x1- 2,174x22 - 1,908x32;

Y4 = 278,6 + 0,74x1 + 35,5x2 + 51,04x3 - 3,325x1x2 - 2,025x1x3 + 8,275x2x3 + +2,293x12+ 0,574x22 - 2,49x32;

Y4 = 279,2 + 34,7x2 + 51,0x3 + 7,693x2x3 .

Как мы видим, значения наиболее весомых коэффициентов близки и отличаются только из-за того, что в расчете по методу наименьших квадратов учтены все комбинации факторов.

Таким образом, мы получили те же регрессионные модели на основе тех же исходных экспериментальных данных. Отличие состоит в том, что при использовании для определения коэффициентов эмпирической зависимости метода наименьших квадратов не обязательно соблюдать все требования эксперимента с факторным планированием, а именно: в эксперименте с факторным планированием [1] исследователь «на основе известной информации о процессе определяет значение основного уровня факторов, интервал варьирования факторов и верхний и нижний уровни факторов». Соблюсти эти требования иногда сложно, особенно, если они касаются характеристик сырьевых компонентов. В методе наименьших квадратов не требуется строгого выполнения этого требования.

Наши рекомендации