- •Курсовая работа
- •Математическое моделирование энергетических состояний мозга в условиях нарушения кислородного режима
- •2014 Содержание
- •1. Введение
- •2. Постановка задачи
- •2.1. Биологическая формулировка задачи исследования
- •2.2. Математическая формулировка задачи исследования
- •3.1. Первый этап решения математической задачи
- •3.1.1. Исходные данные
- •Обработанные таблицы
- •3.1.2. Обработка экспериментальных данных
- •3.2. Подбор кривой
- •3.2.1. Формирование вариационных рядов экспериментальных данных
- •3.2.2. Выбор аппроксимирующей функции
- •3.2.3. Оценка значимости выбора функции как аппроксимирующей количественную зависимость между митохондриальной креатинкиназы (ми кк(х)) и цитоплазматической креатинкиназы (цит кк(y))
- •3.2.4. Блок-схема алгоритма решения первого этапа математической задачи
- •3.2.5. Результат решения первого этапа математической задачи
- •3.2.6. Геометрическая интерпретация количественной зависимости между показателями митохондриальной креатинкиназы (ми кк(х)) и цитоплазматической креатинкиназы (цит кк(y))
- •3.2.7. Значение параметров функции в каждом рассматриваемом эксперименте
- •3.3. Второй этап решения математической задачи
- •3.3.1. Формулировка математической задачи
- •3.3.2. Решение задачи
- •3.3.3. Геометрическая интерпретация зависимостей
- •3.3.4. Результаты определения параметров функции
- •3.4. Проверка прогностической способности модели
- •4. Заключение
3.2. Подбор кривой
- случайные переменные, детерминировано связанные между собой одинаковой экспериментальной ситуацией.
Требуется показать, что функцию вида , наилучшим образом связываетив каждом рассматриваемом эксперименте.
3.2.1. Формирование вариационных рядов экспериментальных данных
Необходимо составить таблицы экспериментальных показателей, состоящие из ранжированного массива исходных данных, представляющих собой вариационные ряды.
Ми КК(х) |
Цит КК(у) |
0,282 |
0,417 |
0,346 |
0,417 |
0,388 |
0,498 |
0,405 |
0,579 |
0,451 |
0,586 |
0,454 |
0,587 |
0,471 |
0,617 |
0,5023 |
0,63 |
0,505 |
0,663 |
0,515 |
0,7 |
0,525 |
0,775 |
Таблица 14. Вариационный ряд для данных при ишемии продолжительностью 30 минут
Ми КК(х) |
Цит КК(у) |
0,365 |
0,515 |
0,401 |
0,549 |
0,473 |
0,573 |
0,478 |
0,6135 |
0,539 |
0,625 |
0,559 |
0,642 |
0,573 |
0,669 |
0,58 |
0,67 |
0,605 |
0,758 |
Таблица 15. Вариационный ряд для данных при ишемии продолжительностью 18 часов
Ми КК(х) |
Цит КК(у) |
0,328 |
0,368 |
0,373 |
0,436 |
0,471 |
0,514 |
0,51 |
0,635 |
0,543 |
0,708 |
0,668 |
0,732 |
0,677 |
0,745 |
0,713 |
0,793 |
Таблица 16. Вариационный ряд для данных при ишемии продолжительностью 3 дня
Ми КК(х) |
Цит КК(у) |
0,383 |
0,488 |
0,451 |
0,491 |
0,464 |
0,524 |
0,464 |
0,566 |
0,4875 |
0,588 |
0,515 |
0,858 |
0,5625 |
0,922 |
0,605 |
0,93 |
0,846 |
0,973 |
Таблица 17. Вариационный ряд для данных при ишемии продолжительностью 7 дней
Ми КК(х) |
Цит КК(у) |
0,345 |
0,531 |
0,447 |
0,539 |
0,47 |
0,604 |
0,484 |
0,604 |
0,504 |
0,634 |
0,609 |
0,67 |
0,611 |
0,74 |
Таблица 18. Вариационный ряд для данных при ишемии продолжительностью 30 дней
Ми КК(х) |
Цит КК(у) |
0,31 |
0,342 |
0,322 |
0,365 |
0,37 |
0,3745 |
0,373 |
0,421 |
0,416 |
0,424 |
0,5 |
0,463 |
0,505 |
0,463 |
0,53 |
0,552 |
0,538 |
0,552 |
0,55 |
0,556 |
0,555 |
0,567 |
0,556 |
0,591 |
0,557 |
0,616 |
0,596 |
0,616 |
0,6135 |
0,623 |
0,615 |
0,655 |
0,641 |
0,663 |
0,664 |
0,746 |
0,672 |
0,824 |
Таблица 19. Вариационный ряд для данных при интактном состояние животных
3.2.2. Выбор аппроксимирующей функции
В качестве аппроксимирующей функции, связывающей показатели митохондриальной креатинкиназы (ми КК(х)) и цитоплазматической креатинкиназы (цит КК(y)) в мозге интактных животных и животных с ишемией различной продолжительности была выбрана функция вида . Необходимо, чтобы данная функция удовлетворяла следующим условиям:
должна хорошо объединять экспериментальные показатели;
проста в выражение;
удобна для расчета выбранных характеристик;
должна давать наименьшую ошибку аналитического прогноза;
должна принадлежать к классу гладких функций, по возможности элементарных.
Для расчета параметров воспользуемся методом наименьших квадратов.
Задача заключается в нахождении коэффициентов зависимости, при которых функция принимает наименьшее значение. То есть, при данных сумма квадратов отклонений экспериментальных данных от найденной прямой будет наименьшей, т.е
Для определения параметров аппроксимирующей функции используем необходимое условие экстремума функции и решаем систему уравнений относительно параметров
Решаем полученную систему из трех уравнений с тремя неизвестными методом Крамера и получаем формулы для нахождения коэффициентов по методу наименьших квадратов (МНК).
Параметры определяются по формулам :
(8)
где - определитель системы:
- вспомогательные определители системы: