动态模型的异常数据处理{逐点剔除法}.pptxVIP

动态模型的异常数据处理 题目 仿真一组测量数据（n200），测量数据设为真值与随机误差的迭加，设置若干孤立和若干连续的异常点，按照动态目标测量数据的步骤对其进行处理分析。 （1）给定真实信号的物理意义； （2）研究异常数据识别与处理（剔除、重构）原理，方法及实验结果； （3）分析测量数据精度，并利用误差合成方法，传递到最终求取值的精度上，比较理论精度与实验结果精度； （4）报告要求有程序，有数据结果的图表和分析结论。 问题分析 建立模型 进一步讨论 理论背景 问题分析 建立物理模型,仿真一组测量数据 测量数据只含有真值与随机误差和若干孤立点作为异常数据。 利用异常观测数据的逐点剔除法，找出异常点并剔除。 通过测量数据拟合曲线。 比较数据真值与测量数据，分析测量数据精度，比较理论精度与实验结果精度 理论背景 误差是指测量值与其真值的差异。误差是未知的，因为真值是未知的，误差反映了测量的精度。 误差的分类：系统误差、随机误差、过失误差 随机误差：随着测量次数的增加，遵循一定的统计规律性，通常测量的随机误差可以假设为服从零均值的正态分布的随机变量 理论背景 随机误差的分布：一般为正态分布 考虑如下模型: 理论背景 理论背景 误差合成是指间接测量数据的误差在计算当中产生的误差传递与积累 由于不确定度中所考虑的误差都是当成随机误差来考虑的，而随机误差是用标准差（方差）来刻画的，因此测量结果的不确定度的合成是按方差合成的方法来合成的。 理论背景 建模思路 以95式自动步枪子弹飞行为物理模型,生成一组测量数据理论真值，物理意义为子弹出膛后真实的飞行轨迹。 理论真值中加入服从正态分布的随机数，和异常点生成子弹飞行的测量数据。 利用多项式对观测数据进行拟合，形成观测曲线。 利用逐点剔除准则剔除观测数据中的异常点，再重新拟合。 比较理论真值与拟合数据，分析测量数据精度 模型物理简化 子弹出膛后飞行时，受到空气阻力与重力的共同作用，空气阻力应该时刻与子弹飞行速度反向，大小呈正比。 受重力影响,子弹实际命中将会与瞄准境况产生误差 假设子弹的飞行轨迹处在同一平面上。 子弹在水平方向上受到空气阻力，假设空气阻力仅在水平方向上存在，并且与子弹飞行速度的水平方向分量呈正比。 具体模型 具体模型 子弹飞行的速度为竖直方向与水平方合成 子弹在水平方向上满足 竖直方向上满足 具体模型 具体模型 根据真实情况设出子弹的运动轨迹 理论真值 模拟测量数据 我们分别用二次，三次，四次，五次多项式对数据进行拟合 拟合结果如下: 多项式拟合 多项式拟合 逐点剔除法基本思想 逐点剔除法的基本思想是将每一个点单独提取出来与其他所有点进行比较，找到残差。 重新进行拟合 逐点剔除 剔除后重新拟合 曲线误差 曲线的误差计算公式为 剔除后 误差 2 0.4326021243986 3 0.388011834302893 4 0.389990257464864 5 0.385726171499189 拟合结果 进一步讨论 进一步讨论 改进后 误差 2 0.415085139727477 3 0.370350482981858 4 0.371631832264666 5 0.370960031756189 进一步讨论 经调整参数后,新程序将所有异常点剔除,拟合结果良好,达到预期目的,原因分析得到验证. 谢谢! 欢迎大家批评指正