课程论文题目-天津大学研究生e-Learning平台.doc

最小二乘拟合在气液两相流相含率中的应用 1 引言 [16]： (1)分相质量含率，通常又称为干度，指单位时间内流过管道截面的两相流总质量中离散相所占的份额，可用表示如下： (1-1) 式中，、分别表示液相和气相质量流量，表示液相质量含率。 (2)分相容积流量含率，又称含率，表示离散相体积流量与两相混合物体积流量的比值即：[7] (1-2) 式中，、分别表示液相和气相体积流量，为液相体积含率。 (3)分相截面含率，又称截面空泡率。表示在管道的某一流动截面上，离散相所占的截面积与总流通面积的比值，即： (1-3) 式中，、分别为液相和气相所占的管道截面积，为液相截面含率。 近红外光谱分析法的理论基础是Lambert-Beer吸收定律和吸光度线性叠加定律。Lambert-Beer定律表述为溶液吸光度与溶液浓度和样品池厚度(即光线在样品中的光程)的乘积成正比。表达式为公式(1-4)所示。 (1-4) 上式中，为波长λ的平行、均匀入射光束强度；为透过溶液后的光束强度；为吸光度；为待测组分的摩尔吸光系数；为光程；为待测组分的物质的量浓度。 2 最小二乘拟合 在科学实验或统计研究中, 人们常常需要从一组测定的数据去求得自变量和因变量的一个解析表达式。如果不要求曲线通过所有的数据点, 而只是要求它反映对象整体的变化趋势则可得到简单实用的近似函数表达式。这由给定的个点寻求函数, 使在某种准则下与所给数据点最为接近, 即曲线拟合。解决曲线拟合问题最常用的方法是最小二乘法原理对给定的数据点, 在取定的函数类中, 求函数, 使误差的平方和最小, 即取到最小值 从几何意义上讲, 就是寻求与给定点的距离平方和为最小的曲线。函数称为拟合函数或最小二乘解, 求拟合函数的方法称为曲线拟合的最小二乘法2.1 线性最小二乘拟合 线性最小二乘法是解决曲线拟合问题最常用的方法，基本思路是，令 其中是一组事先选定的线性无关的函数，是一组待定系数。寻求系数使得与的距离的平方和最小，求此系数的方法称为线性最小二乘拟合方法。 2.1.1 系数的求法 若记 则J为的二次函数。由数学分析（高等数学）的极值理论，J达到最小的充分必要条件是满足 于是得到求使J达到最小的方法是求解线性方程组（称为法方程组） ， 即求解线性方程组 ， 若记 ，， 则方程组可表示为 由于当线性无关时，R列满秩，可逆，所以方程组有唯一解 2.1.2 函数组的选取 面对一组数据，用线性最小二乘法作曲线拟合时，首要的、也是关键的一步是恰当地选取。 如果通过机理分析，能够知道与之间应该有什么样的函数关系，则容易确定。若无法知道y 与x之间的关系，通常可以将数据作图，直观地判断应该用什么样的曲线去作拟合。在线性最小二乘拟合中，用的较多的是多项式拟合，此时取，即用m 次多项式拟合给定数据，（一般m不宜过高[9]）。 2.2 非线性最小二乘拟合 非线性最小二乘法是假设是待定系数的任意非线性函数，在最小二乘准则下求其系数。在有可能的情况下，一般将非线性拟合函数转化为线性拟合函数求解。 对于给定的实验数据，通常应根据实验数据的走向、趋势选择合适的数学模型，即拟合函数。在许多实际问题中, 变量之间的关系并不是简单的线性关系, 但是我们可以把拟合曲线中的自变量和因变量看成是其它变量的函数。如原来的函数关系式是:令，, 则经过变换后即得的形式。于是, 许多非线性问题就转化为线性问题。人们常用的双曲线和指数曲线就是非线性最小二乘拟合中最常用的非线性函数，使用中也可将它们转变成线性最小二乘拟合[9]。 3 水平管分层流吸光度与液相体积含率的最小二乘拟合 3.1 Matlab算法实现 如图1所示圆圈表示不同液相体积含率下吸光度值的离散点，对其进行最小二乘的多项式拟合，步骤如下： 图 （1）输入离散实验数据；polyfit（）函数进行多项式的曲线拟合，函数的参数形式如下： p= polyfit（x,y,n） 其意义为对于数据组x,y进行多项式拟合，拟合的多项式的最高阶数为n，其中p为多项式的系数矩阵，对应的次数从高到低。 （3）根据拟合得到的系数画出拟合曲线； 在Matlab中使用polyval（）函数对拟合得到的模型进行验证，函数的参数形式如下： y=polyval(p,x) 其表示返回对应自变量x在给定系数p的多项式的值。取更多的自变量的值画出拟合后的函数曲线。 （4）结合物理意义，根据拟合结果得到适当的拟合函数。 3.2结果图，水层深度为，水相体积含率为，水相界面含率为，下面将根据水的深度来计算截面含水率情况。 首先，对于水相含率小于50%的情况，水相截面含率即管道下方扇形面积减去三角形区域之后的水相界面面积所占整个管道截面积的比例。 实验管道横截面面积为