参数辨识型.pptVIP

参数辨识模型;据等等)。如果利用这些信息，连同刻划关键量之间的表达式可以确定未知参数，则实际问题就迎刃而解了。;能是某种代数方程、函数方程，也可能是微分方程或方程组；未知参数在这些关系式中也以不同的方式出现；赖以进行参数辨识的信息更是多种多样的。;又与微分方程模型有十分密切的关系。若需要辨识的参数是某些微分方程的系数时，这类辨识模型又可称为微分方程的反问题。有一类专门刻划一个“系统”中各个部门之间物质的转移和守恒的参数辨识模型被称为房室模型。;§2.施肥效果分析;生菜：N P K; 我们仅讨论生菜产量与P肥施肥量之间的关系。模型的建立基于以下的事实：P是植物生长的要素之一，土壤中没有P，植物不可能长成，因而产量为0。另一方面，若其它营养要素N，K供应充分能满足植物生长需要，则随着P的施肥量增加，植物产量会增加，而产量达到较高水平时再增加P施肥量引起产量增加的效果比产量较低时增加同样的施肥量引起产量增加的效果要低。实验数据也揭示了这一特征。; 从实验数据可以看出，当N施肥量为224kg/ha时或K施肥量为372kg/ha时，生菜产量均处于较高水平，因此可以认为，此时，N，K能满足生菜生长的需要。因此N，K施肥量固定在这一水平，P施肥量变化对产量变化的影响的实验数据就明显地呈现前述趋势。 从数据还可以看出，当P的施肥量为0时，生菜产量并非为0，这说明土壤中原来就含有一定的P营养成分。实验数据也;证实，P的施肥量再多也不会引起产量的明显下降。于是可以认为随着P的施肥量大大增加，生菜产量趋于一个渐近值，称为极限产量。 ;显然，当P趋于无穷时，y趋于a，因此参数a即为极限产量。令y=0，得;从而得;。;就可以用求多元函数极值的数值方法，如高斯牛顿法或直接搜索法求得最小值点a , b , P0之值即为这些未知参数应取之值。用Mathematica的Find Minimum函数或MATLAB的fmins函数也可求得最小值。;;有的P营养素相当的肥料量P0，参数?1，?2可用最小二乘法直接求得，从而得到参数a，b之值。;§3.薄膜渗透率的测定;低浓度溶液中扩散。???过单位面积膜分子扩散的速度与膜两侧溶液的浓度差成正比，比例系数K表征了薄膜被该物质分子穿透的能力，称为渗透率。定时测量容器中薄膜某一侧的溶液浓度值，以此来确定K的数值。;(2)薄膜是双向同性的，即物质从膜的任何一侧向另一侧渗透的性能是相同的。;VACA(t + ? t)– VACA(t)。;。;。;VACA(t )+ VBCB(t)=常数= VA?A + VB?B 。;再利用初始条件CB(0) =?B ，即可解得;的最小值点。;的最小值点(K,a,b)。;利用MATLAB软件中的fmins函数求得K=0.01012 ，a=0.007，b=0.003 。进一步求得?A =0.01(mg/cm3)，?B =0.004 (mg/cm3) 。;§4.用放射性同位素测定局部脑血流量; 在测试时，用头盔接触受试者头部的固定位置，令受试者戴上面罩，并让受试者吸入或静脉注射剂量为500至1000毫居里的放射性同位素。从此时起由计算机控制，自动、定时地记录并存储各个探头(包括面罩中的探头)的放射性计数率约十分钟。然后通过计算机处理这些记录数据，得到每个探头附近区域的脑血流量，即局部脑血流量。 一般采用133Xe作为示踪剂，它随血液;的流动而流动，对人体的危害极小，并且由于衰变引起的放射性计数率的减少可以忽略不计。 如何从测量头部放射性计数率和面罩中的放射性计数率确定局部脑血流量？;血在灰质中的流量比在白质中的流量大约高5-10倍。 (H1)脑组织由灰质和白质两种成分组成，单位脑组织中灰质与白质的质量比为w1:w2 (未知)；单位质量的灰质组织中容纳体积为?1的血液，单位质量的白质组织中容纳体积为?2的血液。灰质中的血液不会流入白质组织，白质中的血液也不会流入灰质组织。 (H2)血液循环处于一种稳定平衡的状态，;流入脑组织中的动脉血和流出脑组织进入静脉的血液量是相等的，不随时间的变化而变化。 (H3) 133Xe随着血液的流动而流动，与脑组织相结合而停留在脑组织中的示踪剂十分微少，可以忽略不计；同时在测量过程中，由衰变引起的示踪剂放射性减少也可忽略不计。;Fick原理：考察单位质量(1克)脑组织中示踪剂的数量。在这部分脑组织中，放射性示踪剂数量的改变等于动脉血输入的示踪剂量与静脉血带走的示踪剂量之差。 现对灰质和白质分别应用Fick原理。设单位质量灰质和白质血