第五篇 线性拟合方法.pptVIP

第五章 实验数据及模型参数拟合方法 第五章 实验数据及模型参数拟合方法 第一节 问题的提出 在化工设计及化工模拟计算中，需要大量的物性参数及各种设备参数。这些参数有些可以通过计算得到，但大量的参数还是要通过实验测量得到。实验测量得到的常常是一组离散数据序列（xi ,yi）。 如果数据序列（xi ,yi）(为一般起见), i=1,2, …,m ,含有不可避免的误差（或称“噪声” ，如图5-1所示），或者无法同时满足某特定的函数（如图5-2所示）,那么，只能要求所作逼近函数ψ（x）最优地靠近样点，即向量Q=（ψ(x1), ψ(x2), … , ψ(xm)）T与Y=(y1,y2, …,ym)T的误差或距离最小。按Q与Y之间误差最小原则作为“最优”标准构造的逼近函数，称为拟合函数。 第一节 问题的提出 第一节 问题的提出 除了物性数据及设备参数需要利用数据拟合外，在化学化工中，许多模型也要利用数据拟合技术，求出最佳的模型和模型参数。如在某一反应工程实验中，我们测得了如表5-1所示的实验数据。 第一节 问题的提出 如何求取上述模型中的参数，并判断两种模型的优劣,是化学化工工作者经常要碰到的问题，这个问题的求解将在本章下面的有关章节中进行详细的讲解。 第二节 拟合的标准 前面已经提到按Q与Y之间误差最小原则作为“最优”标准构造的逼近函数，称为拟合函数，而向量Q与Y之间的误差或距离有各种不同的定义方法，一般有以下几种。 （1）用各点误差绝对值的和表示 （2）用各点误差按绝对值的最大值表示 （3）用各点误差的平方和表示 第二节 拟合的标准 式中R称为均方误差。由于计算均方误差的最小值的原则容易实现而被广泛采用。按均方误差达到极小构造拟合曲线的方法称为最小二乘法。同时还有许多种其他的方法构造拟合曲线，感兴趣的读者可参阅有关教材。本章主要讲述用最小二乘法构造拟合曲线。 第二节 拟合的标准__实例1 实验测得二甲醇（DME）的饱和蒸气压和温度的关系，见表5-2。 第二节 拟合的标准__实例1 拟合的标准 —— 实例2 如果采用二次拟合，通过计算下述均方误差 拟合得二次方程为 相关系数R为0.99972，平均绝对偏差SD为0.00815,具体拟合曲线见图5-4。 拟合的标准 实例2 比较图5-3和图5-4以及各自的相关系数和平均绝对偏差可知： 对于DME饱和蒸汽压和温度之间的关系，在实验温度范围内用二次拟合曲线优于线性拟合。 二次拟合曲线具有局限性，由图5-4观察可知，当温度低于-30℃时，饱和压力有升高的趋势，但在拟合的温度范围内，二次拟合的平均绝对偏差又小于一次拟合，故对物性数据进行拟合时，不仅要看在拟合条件下的拟合效果，还必须根据物性的具体性质，判断在拟合条件之外的物性变化趋势，以便使拟合公式在已做实验点数据之外应用。 第三节 单变量拟合和多变量拟合 给定一组数据（xi,yi）,i=1, 2 , …, m ， 作拟合直线p (x)=a + bx , 均方误差为 1.单变量拟合——线性拟合 该方程可用消元法或克莱姆方法解出方程（如下式所示） 单变量拟合—— 线性拟合实例 例： 下表为实验测得的某一物性和温度之间的关系数据，表中x为温度数据，y为物性数据。请用线性函数拟合温度和物性之间的关系。 解：设拟合直线p(x)=a+bx ,并计算得下表： 单变量拟合—— 线性拟合实例 将数据代入法方程组（1-12）中，得到： 解方程得：a = -1.5 , b = 1.5 拟合直线为： 有关线性拟合变型问题 例如要拟合y=a+b/x2，只需在数据输入后增加一语句x(i)=1/x(i)^2，而在程序后面的误差eer 的计算中则不需要修改。 2.单变量拟合 二次拟合函数 给定数据（xi ,yi), i=1, 2 , …, m ,用二次多项式函数拟合这组数据。 设 ,作出拟合函数与数据序列的均方误差表达式 2.单变量拟合 二次拟合函数 解此方程得到在均方误差最小意义下的拟合函数p ( x )。式（5-14）称为多项式拟合的法方程，法方程的系数矩阵是对称的。当拟合多项式 3.二次拟合函数的拓展 和一次拟合一样，二次拟合也可