基于优化模型的广义最小二乘法及其应用.pdfVIP

第33卷第 6期 东 北 电 力 大 学 学 报 Vo1．33．No．6 2013年 12月 JournalOfNortheastDianliUniversity DeC．，2013 文章编号：1005—2992(2013)06—0011—04 基于优化模型的广义最小二乘法及其应用 徐 屹 (东北电力大学 理学院，吉林 吉林 132012) 摘 要：最小二乘法问题常常用来处理曲线拟合问题，在此我们采用优化模型处理最小二乘法下 的曲线拟合问题 ，分别建立单 目标规划和多 目标规划两个模型，对此问题进行探讨 ，并通过实例给出三 种模型下的结果分析。 关 键 词 ：最小二乘法 ；单 目标规划；多 目标规划 中图分类号 ：TP212 文献标识码 ：A 最小二乘法是解决 “观测拟合”的重要工具之一，它依据对某事件的大量观测而获得 “最佳”结果或 “最可能”表现形式。最小二乘法不仅是 19世纪最重要的统计方法，而且还是相关回归分析、方差分析 和线性模型理论等数理统计学的几大分支的理论基础。作为其进一步发展或纠正其不足而采取的对 策，不少近现代的数理统计学分支也是在最小二乘法基础上衍生出来的。随着优化模型的使用越来越 广泛，如何基于优化模型下使用最小二乘法是我们要解决的一个问题。优化模型是在原有问题的基础 上来寻找一个改进的方向，可能这个模型最终找到的答案并不是最优的，但它在局部具有其优越性。本 文将探讨曲线拟合中的最小二乘法以及如何建立基于最小二乘法的优化模型，在此我们建立了单 目标 规划模型和多 目标规划模型，并给出这三种模型下的结果分析。 1 最小二乘法简介 最小二乘法的一个主要应用是进行数据拟合，其原理简介如下。 对给定的一组数据( ，‘Y)‘(i=1，2，…，n)，其中 =( ， ，…， )，Y ∈R，利用最小二乘法对这 凡个数据进行拟合，设Y= ，b)，其中 = ( --， )，b=(b 一，bJ)，b为函数Y的参数向量。问题 是确定参数b，使得观测值数据Y(i=1，2，…，n)与函数值Y=l厂( ；b)距离的平方和最小，即 minF(b)= ( ；b)一Y)‘， 对于给定的数据点( ，Y)‘(i=1，2，…，)，如果我们选择多项式函数进行拟合，则可以构造一个 (J一1)次多项式函数，即求．厂(，b)，使得 n ／ J ＼2 minF(6)=∑( ；6)一yi)=∑ 【∑ ～一y)， (1) 由此数据拟合问题就转化为求问题 (1)的I，元函数的极值问题。由多元函数求极值的必要条件，得 OF(b) = 2 ．6)√ )· _0， 百OF(b)_2( I6) )· -0， (2) 收稿 日期 ：2013—07—10 作者简介：徐 屹(1971一)，男，吉林省德惠市人 ，东北电力大学理学院副教授，主要研究方向：数值代数 12 东北电力大学学报 第33卷 方程组(2)有．，个方程 ．，个未知数，固可对其进行求解。 下面通过实例进行说明。某企业某项生产指标连续 11个月的实际产量如下表所示，试对这 l1个数 据进行曲线拟合。 表 1 11个月的某项生产指标值 序 号 1 2 3 4 5 6 7 8 9 10 11 实际值 20．8 29．8 39．1 47．3 50．3 56．6 63．4