Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 745
Скачиваний: 2
|
|
Прямой поиск. |
|
1 |
|
1 |
1 |
1 |
1 |
|
|
|
|
|
|
Величина ошибки, вводимой в значения Y |
|
||||||
Начальные приближенные оценки II : |
|
|
|
|
|
|
|
||||
|
|
а = 5,0 |
|
|
|
|
|
|
|
|
|
|
|
Ьі = 5,0 |
|
|
нет |
±0,1% |
±1% |
|
±10% |
Var {Y} = 10 |
Var {Y} = 100 |
|
|
Ь 2 = 5 , 0 |
|
|
|
|
|
|
|
|
|
а |
|
|
|
|
0,998 |
0,973 |
0,889 |
|
0,276 |
1,231 |
5,640 |
Ьі |
|
|
|
|
3,000 |
3,011 |
3,046 |
|
3,513 |
2,908 |
2,222 |
h |
|
|
|
|
0,500 |
0,503 |
0,521 |
|
0,712 |
0,485 |
0,394 |
|
|
|
|
|
|
|
|
|
|
|
|
Минимальное |
значение |
выражения |
(а) |
3,5.10-2 |
4,42 |
214 |
|
2,1-105 |
761 |
7,78-105 |
|
Число |
шагов |
|
|
|
149 |
123 |
221 |
|
183 |
169 |
73 |
а |
|
|
|
|
1,001 |
0,997 |
0,930 |
|
0,625 |
0,717 |
19,55 |
Ъі |
|
|
|
|
2,999 |
3,000 |
3,026 |
|
3,162 |
3,106 |
1,704 |
Ъг |
|
|
|
|
0,499 |
0,500 |
0,518 |
|
0,630 |
0,607 |
0,247 |
Минимальное |
значение |
выражения |
(б) |
4,1 - 10 - е |
7,8-10-в |
9,4-10-* |
|
7,2-10-2 |
4,5-10-2 |
1,99 |
|
Число |
шагов |
|
|
|
105 |
70 |
127 |
|
114 |
80 |
94 |
а |
|
|
|
|
0,999 |
0,995 |
0,931 |
|
0,651 |
0,694 |
|
Ьі |
|
|
|
|
3,000 |
3,001 |
3,026 |
|
3,143 |
3,118 |
|
ъг |
|
|
|
|
0,500 |
0,501 |
0,517 |
|
0,618 |
0,612 |
|
Минимальное |
значение |
выражения |
(в) |
9,2-10-8 |
7 , 7 - Ю - 6 |
9,5-10-* |
|
7,7-10-2 |
4,4-10-2 |
|
|
Число |
шагов |
|
|
|
125 |
127 |
96 |
|
100 |
109 |
|
394 |
Глава 6 |
|
имитированных значений Yt |
дисперсии, |
равной 100, для одной |
из величин Yi получилось отрицательное |
значение, что не позво |
|
лило провести расчет для этого случая с |
помощью критерия (в). |
|
Можно заметить, что оценки параметров, полученные методом |
прямого поиска с использованием критерия (в), по существу совпадают со значениями, которые дает применение к этой задаче метода линеаризации, хотя их вычисление требует, вообще говоря, большего времени. Так как перечисленные три критерия не являются тождественными, сравнение их, проведенное в этой таблице, показывает влияние выбора самого критерия. Если ненаблюдаемая ошибка е прибавляется к lg г|, то линейный метод наименьших квадратов дает желаемые оценки параметров. Однако если в действительности модель имеет вид Y = п + е, то оценки ее параметров могут весьма отличаться от. оценок, полученных из модели lg Y = lg и + е, особенно когда ошибки велики.
На фиг. П.6.2.1 показан процесс уточнения параметров для одного поиска. Заметим, что, хотя сумма квадратов остатков монотонно уменьшается, оценки параметров изменяются нерегу лярно. Помимо начальных значений, указанных в табл. П.6.2.1, испытывались и другие начальные точки, которые привели прак тически к тем же результатам как для оценок параметров, так и для суммы квадратов остатков. Однако выбор начальных оценок параметров далеко не так прост, как это может показаться. Неудачный выбор начальных значений может привести к «мас
штабным» трудностям. Было замечено, что при выборе |
исходных |
||||||
значений для а, ß t и ß 2 , которые |
дают крайне малые |
начальные |
|||||
значения Y, |
программа поиска может вообще не работать. Напри |
||||||
мер, если |
в |
качестве исходных значений выбраны |
соответственно |
||||
—5, —5 и —5, то сравнение нескольких |
первых |
имитированных |
|||||
и предсказываемых значений Y показывает следующее несоот |
|||||||
ветствие |
(для данных |
без учета |
ошибок): |
|
|
||
|
Имитированные |
Данные для Y, |
Отклонение |
|
|||
|
рассчитанные по |
|
|||||
|
|
данные для Y |
модели с а(0) = |
в процентах |
|
||
|
|
|
= ь<;> = ь<ѵ = - 5 |
|
|
|
|
|
|
0,48000-102 |
—0,2584-10-8 |
—0,1857-1013 |
|
||
|
|
0,61094-103 |
—0,19622-10-' |
—0,3113-Юіз |
|
||
|
|
0,12626-104 |
- 0 , 3 4 8 4 5 - 1 0 - е |
—0,3623-1012 |
|
При таких обстоятельствах невозможно осуществить никаких пробных или рабочих шагов, ибо эффект любых изменений в пара метрах находится далеко за пределами значащих цифр в имитиро ванных данных для Y.
|
|
Число проведенного: шагов |
|
Ф и г . П . 6 . 2 . 1 . Процесс |
уточнения |
параметров при прямом |
поиске с начальными оценками а<°> = 0,050, |
= 4,000 и М2 0 ) = |
0,700 для |
критерия (а). Ошибка распределена равномерно и равна ± 1 % . |
396 |
Глава 6 |
Несмотря на то что этот пример является несколько искус ственным, он проливает свет на многие типичные проблемы, с кото рыми приходится сталкиваться при нелинейном оценивании, в частности:
1. Как выбрать начальные значения параметров?
2.Как выбрать подходящий размер шага для определения минимума?
3.Как следует записать модель и тем самым критерий опти мизации?
6.2.2. Симплексный метод
Вторым методом без производных, применяемым для миними зации нелинейной целевой функции, является метод, основанный на использовании симплексов. Подобные методы оказались весьма
Ф и г . 6.2.2. Правильные |
симплексы для двух и трех |
независимых пара |
|
метров. Вершина |
А соответствует наихудшему отклику . |
Стрелка у к а з ы в а е т |
|
а — симплекс |
направление наибольшего улучшения . |
|
|
для двух |
переменных; б — симплекс для трех переменных. |
полезными для обнаружения экстремума целевой функции, как условного, так и безусловного; особенно они эффективны при большом числе параметров. Для случая двух параметров правиль ным симплексом является равносторонний треугольник (три вершины); для трех параметров такой конфигурацией служит правильный тетраэдр (четыре вершины). Соответствующие иллю страции даны на фиг. 6.2.2.
При поиске минимума суммы квадратов отклонений ф в каче
стве пробных |
значений параметров модели можно выбрать точки |
в пространстве |
параметров, расположенные в вершинах симплек |
са, как впервые было предложено в работе [4] в связи с задачей планирования экспериментов. В каждой вершине симплекса подсчитывается сумма квадратов отклонений; с помощью прямой, проходящей через центр тяжести симплекса, строится некоторая проекция точки, соответствующей наибольшему значению целевой
Нелинейные |
модели |
397 |
функции; на фиг. 6.2.2 такой точкой является точка А. Затем точка А отбрасывается и образуется новый симплекс, называемый отражением, который составляют оставшиеся старые точки и одна новая точка В, расположенная на линии AB на надлежащем расстоянии от центра симплекса. Повторение этой процедуры, в которой всегда отбрасывается точка, соответствующая наиболь шему значению целевой функции, с соблюдением правил уменьше ния размера симплекса и правил, предотвращающих периодиче ские колебания в окрестности экстремума, является методом поиска
а
Ф и г . 6.2.3. Последовательность симплексов, полученная при минимизации |
|
суммы квадратов отклонений. |
|
а — правильный симплекс; б — симплекс переменного |
размера. |
без производных, в котором размер шага по существу |
фиксируется, |
а направление поиска может изменяться. На фиг. 6.2.3, а изо бражен последовательный ряд симплексов, построенный для двупараметрической модели, где в качестве целевой функции была взята хорошо сходящаяся сумма квадратов.
Однако применение оригинального метода связано с некото рыми практическими трудностями: он не позволяет ускорить поиск при движении по искривленным впадинам или гребням, что может несколько улучшить сходимость (см., например, довольно сложный метод [5], использующий неправильные многогранники). Здесь будет описан простой усовершенствованный симплексный метод, при котором допускается изменение формы симплекса [61, что оказывается весьма эффективным и легко осуществимым на цифровых вычислительных машинах. Этому методу следует отдать предпочтение по сравнению с описанным ранее методом прямого поиска, ибо он требует меньшего машинного времени, даже если сходимость к моменту остановки оказывается медленной.
Итак, требуется минимизировать величину ф, определяемую выражением (6.2.1). Для упрощения записи удержим в аргумен те функции ф лишь зависимость от оценок параметров, опуская