- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
SHULITONGJI
数值算法在工程中的应用
4.1
在聚氨酯-酰亚胺泡沫塑料的制备中经常加入聚磷酸铵和硼酸锌作为复配阻燃剂以提高聚氨酯-酰亚胺的阻燃性能。但其阻燃性能提高的同时,泡沫塑料的力学性能有所下降,破孔率上升,发烟量增加。其中发烟量影响材料的阻燃性能和人的逃生时间。为测得时间和发烟量之间的关系,用烟密度测试仪测定聚氨酯-酰亚胺的发烟量,发现其燃烧时间和发烟量成一定的比例关系,发烟量随燃烧时间的增加而增加。用最小二乘法可得到它的拟合曲线。在一定反应温度下,聚氨酯-酰亚胺的燃烧时间和发烟量数据如表1
表1 实验数据
1 2 3 4 5 5 8 10 13 15 2 1 3 1 1 解:根据所给数据,在坐标纸上标出,见图1.从图中看到各点在一条直线附近,故可选择线性函数作拟合曲线,即令,这里,,故
由法方程得线性方程组
解得.于是所求拟合曲线为
MATH程序:
Clear[X,Y,f,k1,k2]
L={{1,5},{2,8},{3,10},{4,13},{5,15}};
f=Fit[L,{1,x},x]
k1=ListPlot[L,Prolog-AbsolutePointSize[15]]
k2=Plot[f,{x,0,16}]
Show[k1,k2]
结论:2.7+2.5x
4.2在合成含磷丙烯酸酯试验中,以甲基丙烯酸酯基烷氧基磷酸酯、甲基丙烯酸甲酯、丙烯酸丁酯、丙烯酸等为单体,采用预乳化半连续乳液聚合法制备了含磷丙烯酸酯共聚乳液。研究了甲基丙烯酸酯基烷氧基磷酸酯的用量对单体转化率及转化时间的影响。结果表明:甲基丙烯酸酯基烷氧基磷酸酯加入量的改变有利于提高乳液聚合的稳定性及乳胶膜阻燃性能、缩短转化所用时间和提高生成聚合物的浓度。
如下表为聚合反应过程中生成聚合物浓度的变化和反应时间长短的,由实验得生成聚合物浓度与时间关系如表2所示
表2 实验数据
时间/t 0 5 10 15 20 25 30 35 40 45 50 55 浓度/(10-4) 0 1.27 2.16 2.86 3.44 3.87 4.15 4.37 4.51 4.58 4.62 4.64
用最小二乘法
解:观察所给数据,采用方程,
两边同时取对数,则,
取,则有
则法方程组为
从而解得
因此
所以
MATH公式:
Clear[A,X,Y,LL,f,k1,k2]
X={1,1.25,1.5,1.75,2};
Y={5.1,5.79,6.53,7.45,8.46};
L=Table[{X[[n]],Y[[n]]},{n,1,5}]
LL=Table[{X[[n]],Log[Y[[n]]]},{n,1,5}]
f=Fit[LL,{1,x},x]
y=Exp[%]
k1=ListPlot[L,Prolog-AbsolutePointSize[15]]
k2=Plot[y,{x,0,2}]
Show[k1,k2]
Out[2]=
{{-(1/5),1.27},{-(1/10),2.16},{-(1/15),2.86},{-(1/20),3.44},{-(1/25),3.87},{-(1/30),4.15},{-(1/35),4.37},{-(1/40),4.51},{-(1/45),4.58},{-(1/50),4.62},{-(1/55),4.64}}
Out[3]= {{-(1/5),0.239017},{-(1/10),0.770108},{-(1/15),1.05082},{-(1/20),1.23547},{-(1/25),1.35325},{-(1/30),1.42311},{-(1/35),1.47476},{-(1/40),1.5063},{-(1/45),1.5217},{-(1/50),1.53039},{-(1/55),1.53471}}
Out[4]=
1.65156+7.49616x
Out[5]=
e1.65156+7.49616x
4.3 分析
最小二乘法是从误差拟合角度对回归模型进行参数估计或系统辨识,并在参数估计、系统辨识以及预测、预报等众领域中得到极为广泛的应用,是获得唯一估值的标准方法。在每个领域中,对于最小二乘法的应用,其观测值不可能是完善无误的,观测精度总是存在一个极限值,超过这个极限值,重复观测结果之间不会彼此符合。
本章主要结合实际问题,应用最小二乘法解决实际问题,可以使我们更加深刻地了解最小二乘法的曲线造型构造模型。最小二乘法可以通过计算机的简单程序实现,减少我们的工作量。
有些非线性拟合曲线可以通过适当的变量替换转化为线性曲线,从而用线性拟合进行处理。对于一个实际的曲线拟合问题,一般先按观测值在直角坐标平面上描出散点图,看一看散点同哪类曲
原创力文档


文档评论(0)