《控制理论与系统科学精要》.doc

《控制理论与系统科学精要》 作业 搜集数据处理的方法 常用的数据处理方法 在记录和处理数据时，常常将所得数据列成表。数据列表后，可以简单明确、形式紧凑地表示出有关物理量之间的对应关系；便于随时检查结果是否合理，及时发现问题，减少和避免错误；有助于找出有关物理量之间规律性的联系，进而求出经验公式等表2 铜丝电阻与温度关系 温度T / ℃ 10.0 20.0 30.0 40.0 50.0 60.0 70.0 铜丝电阻R / ( 10.4 10.7 10.9 11.3 11.8 11.9 12.3 用作图法处理实验数据是数据处理的常用方法之一，它能直观地显示物理量之间的对应关系，揭示物理量之间的联系。图5 铜丝的电阻与温度的关系曲线 逐差法是为提高实验数据的利用率，减小了随机误差的影响，另外也可减小中仪器误差分量，因此是一种常用的数据处理方法。，从这组数据中，求出每加单位砝码弹簧的伸长量Δx。 这种处理仅用了首尾两个数据，中间值全部抵消，因而损失掉很多的信息，是不合理的。 若将以上数据按顺序分为和两组，并使其对应项相减，就有 这种逐差法使用了全部的数据信息，因此，更能反映多次测量对减少误差的作用。 最小二乘法（线性回归）在数理统计中研究了直线拟合问题（或称一元线性回归问题），常用一种以最小二乘法为基础的实验数据处理方法。由于某些曲线型的函数可以通过适当的数学变换而改写成直线方程，这一方法也适用于某些曲线型的规律。 下面就数据处理中的最小二乘法原理作简单介绍。 设在某一实验中，可控制的物理量取值时，对应的物理量依次取值。假定对值的观测误差很小，而主要误差都出现在的观测上。显然，如果从(,)中任取两组实验数据就可以得出一条直线，只不过这条直线的误差有可能很大。直线拟合的任务便是用数学分析的方法从这些观测到的数据中求出最佳的经验公式。按这一经验公式作出的图线不一定能通过每一个实验点，但是它是以最接近这些实验点的方式穿过它们的。很明显，对应于每一个值，测得值和最佳经验公式中的y值之间存在一偏差，我们称为测得值的偏差，即 最小二乘法的原理就是：如果各测得值的误差相互独立且服从同一正态分布，当的偏差的平方和为最小时，得到最佳经验公式。若以S表示的平方和，它应满足： （） 式中，各和是测得值，都是已知量，所以解决直线拟合的问题就变成了由实验数据组（,)来确定k和b的过程。 令S对k的偏导数为零，即 整理得 （） 令S对b的偏导数为零，即 整理得 （） 由式（）和式（）解得 （） （）将得出的k和b的数值代直线方程中，即得最佳的经验公式。 由式（）得 （） 式中，和分别是数据中的平均值和的平均值，即式（）可写为 （） 将上式代入方程中，得 （） 由式（）我们可以看出，最佳直线是通过这一点的。因此，严格地说在作图时应将点在坐标纸上标出。作图时应将作图的直尺以点为轴心来回转动，使各实验点与直尺边线的距离最近而且两侧分布均匀，然后沿直尺的边线画一条直线，即为所求的直线。 必须指出，实际上只有当x和y之间存在线性关系时，拟合的直线才有意义。为了检验拟合的直线有无意义，在数学上引进一个叫相关系数r的量，它的定义为 （） 式中，r表示两变量之间的函数关系与线性函数的符合程度。r越接近1，和的线性关系就越好；如果它接近于零，就可以认为和之间不存在线性关系。物理实验中，如果r达到0.999，则说明实验数据的线性关系良好，各实验点聚集在一条直线附近。层次分析法确定指标权重构造判断矩阵层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的心目中，它们各占有一定的比例。 在确定影响某因素的诸因子在该因素中所占的比重时，遇到的主要困难是这些比重常常不易定量化。此外，当影响某因素的因子较多时，直接考虑各因子对该因素有多大程度的影响时，常常会因考虑不周全、顾此失彼而使决策者提出与他实际认为的重要性程度不相一致的数据，甚至有可能提出一组隐含矛盾的数据一致性准则的属性约简来有效控制误分对象数并使得间隔尽可能大。 粗糙集方法提供了一种新的处理不精确、不完全与不相容知识的数学工具. 属性约简是粗糙集理论的重要研究内容之一基于一致性准则的属性约简模型，该模型可针对离散或连续值属性进行有效的约简,该算法可有效进行连续值属性的约简错分对象数的控制可有效增强属性约简的有效性.理论分析和实验表明提出的算法是有效可行的. 数采取综合咨询评分确定权重，如综合指数法、模糊综合评判法、层次分析法、功效系数法 等。另一类是客观赋权，根据各指标间相关关系或各指标值变异程度来确定权数，如主成分 分析法、因子分析法、理想解法（也称TOPSIS 法）等。目前国内外综合评价方法有数十种 之多，其中主要使用的评价方法有主成分分析法