二章 数学模型概述.pptVIP

四.最优化方法(梯度法)估参 2.4 模型的验证与误差分析 图形表示法： 相关系数法： r 相对误差法 模型验证所用的数据对于参数估值来说应该是独立的。一个模型是否满足使用要求，以模型的计算结果和实际观测数据之间的吻合程度——误差来判断。 一、灵敏度分析的意义 模型的稳健性-------Robustness（鲁棒性） 观测值存在的误差与波动 所估参数存在的误差与波动 模拟计算的误差与波动 有助于设计低灵敏度系统； 有助于确定合理的设计裕量。 2.5 灵敏度分析 ——系统的状态向量，由描述系统的各种状态组成，如河流中的 BOD、大气中的SO2浓度等； ——系统的决策向量，由系统中的可以控制的变量组成，如污染源 排放的SO2、TSP的量； ——系统的参数向量，由系统中的各种参数组成，如污染物的衰减 速度常数、河流的弥散系数Dy、Dz等； 在环境系统的模拟、控制中，灵敏度的研究主要包括两个方面: 一是状态与目标对参数的灵敏度, 即参数的估计误差一定会对状态和目标产生影响， 这种影响有多大?如何确定参数估计的必要精度? 另一个是目标对决策的灵敏度 在污染控制规划中，决策变量 （如水质标准的选择)的变化对目标（如费用）有很大的影响， 如何确定这种影响的大小？如何确定合理的决策变量？ ――约束函数，符号S.t 表示系统的约束条件。 定义：在某取值点附近，状态或目标的变化率与参数变化率的比值 研究内容： ⑴根据参数的变化范围估计目标或状态的灵敏度 ⑵目标对状态的灵敏度 二. 状态与目标对参数的灵敏度 ⑶考虑合理的设计容量 ⑷为设计合理的灵敏度系统提供依据 1.单变量时的灵敏度 一个最优化模型通常由状态方程和目标函数构成,状态方程表达周围环境条件的约束: 当状态变量和参数的数目都为1,且决策变量u=u*保持不变，那么状态变量x和目标Z都可写为参数θ0的函数： x*=f(θ0),Z*=F(θ0) 状态变量对参数的灵敏度 目标函数对参数的灵敏度 当Δθ→0时，可忽略高阶微分项： 2.多变量时的灵敏度 3.目标对状态约束的灵敏度 第二章 数学模型基础(I) 2.1 数学模型的定义和分类 2.2 模型的建立 2.3 模型参数的估值方法 2.4 模型的验证与误差分析 2.5 灵敏度分析 2.1 数学模型的定义和分类 一、数学模型的定义和特征 定义： 2. 特征： 抽象性 多变量模拟； 方便考察; 节省费用、研究周期短； 局限性 人的认识能力有限； 求解计算过程中的累积误差； 系统结构与参数的不确定性（------适用区间） 建立和应用数学模型的重要原则——尊重客观、尊重实际 数学模型 = 公式+算法 ——简洁明晰； ——抽象和简化 ——失真 二、数学模型的分类 从不同的角度可以对模型作各种形式的分类： 按变量与时间的关系：动态模型和静态模型 按变量之间的关系：线性模型和非线性模型 按变量的变化规律：确定性模型和随机模型 按模型的用途：模拟模型和管理模型 按模型参数的性质：集中参数模型和分布参数模型 一、基本方法与思想 1. 演绎法 --------对系统的结构和性质的认识和理解 2. 归纳法 ---------对系统的输入和输出的观测数据 2.2 模型的建立 机理模型 经验模型 二. 建立模型的基本要求 1. 真实可靠 理论推导-----严谨 数据资料-----可靠（质量保证） 检验合格 2. 精确易解 考虑主要变量，分析主要问题； 改变变量的性质：不重要的变量--------常量 连续变量--------线性 离散变量--------连续变量 改变变量的函数关系； 注意特征尺度。 3. 模型中应有可控变量（可操纵变量） 应该有一个或多