关于个快速成型模型中片面节数与顶点数之间的关系的研究.docVIP

关于快速成型模型中片面数与顶点数之间的关系的研究 摘要 本文运用统计学知识的思想，以matlab软件为工具，研究、探讨了RP模型中片面数与顶点数之间的关系，并且得出了它们两者之间的回归模型。在考虑的全部因素中，按其作用显著程度的大小，由大到小地逐个引入变量，最后剔除那些作用显著程度微小的变量，得出作用显著的变量，从而确定了回归方程。 为了考察模型的实用性，本文最后对模型进行了检验，检验的结果显示：回归模型与实际有较大误差，而在大误差允许的范围内，该回归模型还是有意义的。 关键词：matlab 逐步回归模型 RP模型 1、问题的提出 当我们用aruro软件加载rp模型时，我们常常可以看到模型的详细信息：片面数、顶点数、体积、表面积等。不经意间，我们都会想问：模型中顶点数与片面数之间有着怎么的关系？为此，笔者用arora软件加载RP模型，从统计学的角度，分别记录下了每个模型的片面数与顶点数，如下两表所示： 编号 1 2 3 4 5 6 7 面片 1176 19422 12210 9696 3064 2684 2668 顶点 888 9714 6091 4850 1527 1342 1336 编号 8 9 10 11 12 13 14 15 面片 40432 15122 9696 139772 13882 832 1468 15804 顶点 20223 7564 4850 69922 6909 416 736 7896 2、符号说明 ：单个RP模型中的片面数； ：单个RP模型中的顶点数。 ：单个RP模型中片面数的i次方的系数（i=0,1,2,3,4,5） 3、模型假设 1、统计的数据都真实、可靠； 2、RP模型的顶点数与模型实物的形状、复杂程度无关，且仅和片面数有关； 3、小数量样本的统计结果可近似为总体的。 4、问题分析 首先我们要将统计结果转换为可读取的数据，然后考虑到统计的随机性，我们可以用逐步回归的方法，确定出rp模型中顶点数与片面数的参数关系。 5、模型建立 由于对问题的认识深度有限，我们很难一开始就确定顶点数与片面数是关系，为此，我们需要进行逐步回归来确定参数，然后再确定最终的关系表达式。我们首先假设它们的关系为： （1） 考虑到多变量的相关性及计算的复杂程度，我们不妨令，于是，只要我们验证出s的次方与的相关性大小，然后再剔除一些相关性小的变量，用回归分析法就可以得到顶点数与片面数的关系。 6、模型分析和求解 6.1相关性分析 逐步分析法[1]的基本思想是：在考虑的全部因素中，按其对Y作用显著程度的大小，由大到小地逐个引入回归方程，那些对Y作用不显著的变量可能自始至终都未被引入回归方程，另一方面，已被引入回归方程的变量在引入新变量后也有可能因为变成对Y的作用不显著而从回归方程中剔除。 首先我们需要对原始数据进行变换，分别求出的次方，然后我们再运用逐步回归法，求出变量与的相关性，最后剔除相关性小的变量，最终得出变量与的关系。 6.2逐步回归分析变量间的显著性 先在初始模型中取全部自变量：stepwise(s,p),得到图Stepwise Plot（图1） 和表Stepwise Table（表1）。图Stepwise Plot[2]中四条直线都位于零线上，说明模型中变量、、和的显著性不好，从表Stepwise Table中看出变量、、和的显著性最差。由此可得出结论，顶点数p和s的一次方（）的显著性最强，由是可得出最终回归模型为： ， （2） 图1、Stepwise Plot 表1、Stepwise Table 6.3、对变量和作线性回归 （3） 将相关数据写入matlab中，得到相应结果为： （4） 则顶点数与片面数的关系为： 7、模型检验 通过统计10组数据(如表2所示)，将10个片面数分别代入式（5），得到相应的顶点数p’，然后再用统计的得到的顶点数p与p’的差值的方差作为衡量模型优劣的参考，差值可表达为： （j=1,2,3…10） （5） 模型优劣的参考值可表示为： （6） 表2.模型检验数据及结果 编号 1 2 3 4 5 6 7 8 9 10 片面数 3064 12118 15804 2144 1064 5072 4540 4536 9368 7648 顶点数 1527 6045 7896 1072 534 2536 2260 2258 4658 3790 参考