化工计算方法化工计算方法曲线拟合.pptVIP

4 曲线拟合 4.1 一元线性拟合  4.1.1 最小二乘原理 选择的线 回归直线方程中的a和b的取值应该使Q达到最小，Q取最小值的必要条件为 拟合直线方程中的b可写为 4.1.2 线性相关系数与显著性检验 总平方和 S总由 S残 与 S回构成 ③ |R| = 1 ，所有数据点都在回归直线上，称完全线性相关，表明 x 和 y 有确定的函数关系 如果回归方程不显著，是否说明 x 和 y 间没有函数关系 ？ 例题4-1 已知实验数据x和y间存在线性关系，试拟合方程并进行相关系数检验 例题4-2 某矾土矿物成分用x表示，SiO2用y表示，实验数据如下，已知x和y间存在线性关系，试计算a和b并进行相关系数检验 4.2 多元线性拟合 根据多元函数极值存在的必要条件，要使Q达到最小，分别令Q对每一系数的偏导数为零，得到三个方程 正规方程组的矩阵形式 多元线性拟合可用两种方式进行检验 例题4-3 某环境监测站测得大气中NO2污染的数据如下表，用多元线性回归拟合大气中的浓度关系式。 程序说明： 本例参考程序及计算结果见教材p.43.输出结果 例题4-4 实验测得不同压力下纯水的沸点，试用线性最小二乘法求取四参数蒸汽压方程中的四个参数，数据如下 例：某化学反应实验所得生成物的浓度与时间的关系如下，用最小二乘法关联浓度y与t的关系(本例选自《化工数学》)。 根据函数变化特点，可选择 y=f(t) 为 (a) 双曲线型函数 (2) 线性化变换及计算（a）指数函数的线性变换 分别计算函数的残差平方和Q和相关系数R作为判别指标 例：用某催化剂进行苯加氢合成反应。测得160oC的初始反应速度r0以及相应的氢和苯的分压值如下表。试用多元线性回归求取参数k，KH，KB，初始反应速度方程为(本例选自《化工数学》) 线性化后的方程为 非线性方程可以线性化后进行拟合 本章要求 清楚最小二乘法的原理 能够用曲线拟合方法处理实验数据，建立经验模型，并对拟合曲线进行检验 了解曲线拟合与插值法的区别 * * 插值法适用于处理确定性变量问题，即变量与自变量有确定的函数关系。如果数据表本身误差大，插值法则不适合，此时应该用曲线拟合。 曲线拟合应用 经验建模——通过观测数据寻找相关变量之间的数学表达式 （能否举出所学化工课程中的这种表达式或经验模型？） 参数估值——数学关系或模型可从理论导出，模型关系式中的参数由实验数据求取（如化工热力学中的安托因方程、化学反应工程中的阿累尼乌斯方程等）。 本节讨论：最小二乘法、一元线性拟合、显著性检验、多元线性拟合 ＃ 例:实验测得不同温度下的8组数据如下表，现希望根据实验数据建立溶解度w与溶液温度t的数学表达式 所选直线的方程写为 解: 作图知 t 和w 大致呈直线关系,但无论怎样划线,也不能使直线通过所有的点,总会存在误差. w7 t7 7 w7 w6 w5 w4 w3 w2 w1 w/g·l-1 t8 t6 t5 t4 t3 t2 t1 t/oC 8 6 5 4 3 2 1 j w/g·l-1 t/oC * * * * * * * 问题：选那一条线最好?（怎样取直线的截距a和斜率b?） 目标： 希望选择的线与观测数据之间的误差最小. # 最佳选择应该是所有点的残差|△i|之和最小 (xi，yi) y x * * * * * * * 残差，反映了实验观测值yi与拟合直线计算值的偏离程度 通常采用残差平方和最小的原则来确定回归直线，也就是说，回归直线应是所有直线中残差平方和Q最小的一条 最小二乘原理——使所求近似函数或回归直线的残差平方和最小。＃ , 观测数据 yi 两者偏差 正规方程组 全部实验点的平均值 x的离差 x的离差平方和 x和y的离差乘积之和 残差平方和 ① 由于离散数据点含有随机误差，故拟合曲线不必通过所有数据点，（插值多项式必须通过插值节点） ② 曲线拟合处理的是随机变量问题，允许一个自变量对应多个不同的函数值，所用数学方法属数理统计回归分析； 插值法只适用于处理确定性变量问题，自变量与函数值有确定的一一对应关系。 y x * * * * * * * * * * * 与插值法比较的特点 是否可拟合成直线？ 得到的直线方程是否可用？ ＃ 全部实验点的离差平方和称为总平方和记为S总 拟合的方程能否使用（反映原函数关系），必须通过检验 以实验观测值的平均值为基准 一个实验值yi的离差为 残差平方和S残——实验观测值与拟合方程计算值的偏差 S残产生原因：因实验误差或其它原因造成的 反映了除回归关系以外的其它“剩余因素”的影响，又称