- •Кафедра информационных технологий
- •Москва – 2007
- •Содержание
- •Введение
- •Постановка задачи
- •Решение задачи
- •Глава 2. Оптимизация технологий рецептурных смесей
- •2.1. Оптимизация технологии составления многокомпонентных рецептурных смесей
- •1. Формирование математической модели
- •2. Формирование компьютерной модели
- •3. Поиск решения
- •2.2. Моделирование двух- и трёхкомпонентной рецептурной смеси
- •1. Модель показателя активной кислотности (pH)
- •2. Модель водосвязывающей способности (всс)
- •Глава 3. Регрессионно-факторный анализ в исследовании адекватности эмпирических зависимостей
- •3.1. Идентификация параметров эмпирических зависимостей технологических моделей
- •3.2. Адекватность эмпирических зависимостей
- •Критерий поворотных точек для определения случайности остаточной компоненты
- •Определение автокорреляции остатков критерием Дарбина-Уотсона
- •Независимость распределения остаточной компоненты по r/s-критерию
- •3.3. Оценка статистической значимости регрессионных моделей технологических объектов
- •Коэффициент детерминации как характеристика силы вязи между показателями исследуемого технологического объекта
- •Оценка качества уравнения регрессии f-критерием Фишера
- •Оценка статистической значимости коэффициентов регрессии и корреляции t-критерием Стьюдента
- •Постановка задачи
- •Зависимость щёлочности и показателя активной кислотности рН от объёмной доли спирта
- •Решение задачи
- •Глава 4. Спектральные методы оценки нечетких потребительских свойств пищевого сырья и готовых продуктов
- •4.1. Сверхразрешение при различии спектральных распределений Постановка задачи
- •Решение задачи
- •4.2. Сравнительный анализ технологий. Моделирование связи показателей технологий
- •Список литературы
Постановка задачи
Проведено исследование зависимости функционально-технологических свойств (показателя активной кислотности рН и щёлочности) водно-спиртовых смесей от вариации объёмных долей спиртаV1 и воды V2 (V1 + V2 = 100 мл). В результате эксперимента, проведенного на базе лаборатории оптоэлектронной квалиметрии МГУТУ и ФИАН, были получены следующие зависимости (табл. 18).
Таблица 18
Зависимость щёлочности и показателя активной кислотности рН от объёмной доли спирта
Объёмная доля спирта, V1 мл, |
20 |
25 |
30 |
35 |
40 |
45 |
50 |
55 |
60 |
65 |
70 |
75 |
80 |
Объёмная доля воды, V2 мл, |
80 |
75 |
70 |
65 |
60 |
55 |
50 |
45 |
40 |
35 |
30 |
25 |
20 |
рН, Y1 |
7,35 |
7,53 |
7,52 |
7,77 |
7,84 |
7,86 |
7,92 |
7,98 |
8,03 |
8,25 |
8,29 |
8,4 |
8,59 |
ЩелочностьY2 |
3 |
2,7 |
2,6 |
2,4 |
2,1 |
1,9 |
1,8 |
1,6 |
1 |
1,3 |
1,2 |
1 |
0,9 |
Построить различные виды зависимостей рН и щелочности спирта от объёмной доли спирта в водно-спиртовой смеси.
Решение задачи
1. Осуществим выбор прогнозной модели, позволяющей наиболее точно указать зависимость уровня рН водно-спиртовой смеси от объёмной доли спирта. Для этого построим зависимость величины Y1 от V1.
Рис. 3. График зависимости рН от объёмной доли спирта
Добавим к построенному графику линию тренда, которая позволяет однозначно определить характер наблюдаемой динамики. При этом можно использовать следующие функциональные зависимости (Y – объёмная доля спирта, х – уровень рН):
линейная Y = a + bх, где a и b – константы;
полиномиальная Y = b + c1х1 + c2х2 + c3х3 + … + cnхn, где b и ci – константы;
логарифмическая Y = c lnх + b, где c и b – константы;
экспоненциальная Y = c ebх, где c и b – константы;
степенная Y = c хb, где c и b ‑ константы.
Рис. 4. Линейный тренд
Рис. 5. Логарифмический тренд
Рис. 6. Степенной тренд
Итак, по значению коэффициента детерминации R2 (квадрата корреляции) наиболее значимой оказывается линейная линия тренда (для данной модели R2 принимает наибольшее значение).
2. Проверим полученную зависимость на адекватность и статистическую значимость.
Получим все необходимые для анализа данные (таблица 19) в пакете регрессионного анализа Microsoft Excel (Сервис / Регрессия).
Таблица 19
ВЫВОД ИТОГОВ |
|
|
|
|
|
|
|
|
Регрессионная статистика
|
|
|
|
|
|
|||
Множественный R |
0,9851522 |
|
|
|
|
|
|
|
R-квадрат |
0,9705249 |
|
|
|
|
|
|
|
Нормированный R-квадрат |
0,9678454 |
|
|
|
|
|
|
|
Стандартная ошибка |
0,0654726 |
|
|
|
|
|
|
|
Наблюдения |
13 |
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
|
|
Регрессия |
1 |
1,5526159 |
1,552616 |
362,1968 |
9,09651E-10 |
|
|
|
Остаток |
11 |
0,0471533 |
0,004287 |
|
|
|
|
|
Итого |
12 |
1,5997692 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
7,024835 |
0,0518175 |
135,5688 |
4,41E-19 |
6,910786 |
7,139 |
6,91 |
7,139 |
Объемная доля спирта Х1 |
0,018472 |
0,0009706 |
19,03147 |
9,1E-10 |
0,016336 |
0,021 |
0,02 |
0,021 |
ВЫВОД ОСТАТКА |
|
|
|
|
|
|
||
Наблюдение |
Предсказанное Величина рН Y1 |
Остатки |
|
|
|
|
|
|
1 |
7,3942857 |
-0,0442857 |
|
|
|
|
|
|
2 |
7,4866484 |
0,0433516 |
|
|
|
|
|
|
3 |
7,579011 |
-0,059011 |
|
|
|
|
|
|
4 |
7,6713736 |
0,0986264 |
|
|
|
|
|
|
5 |
7,7637363 |
0,0762637 |
|
|
|
|
|
|
6 |
7,8560989 |
0,0039011 |
|
|
|
|
|
|
7 |
7,9484615 |
-0,0284615 |
|
|
|
|
|
|
8 |
8,0408242 |
-0,0608242 |
|
|
|
|
|
|
9 |
8,1331868 |
-0,1031868 |
|
|
|
|
|
|
10 |
8,2255495 |
0,0244505 |
|
|
|
|
|
|
11 |
8,3179121 |
-0,0279121 |
|
|
|
|
|
|
12 |
8,4102747 |
-0,0102747 |
|
|
|
|
|
|
13 |
8,5026374 |
0,0873626 |
|
|
|
|
|
|
А) Критерий поворотных точек для определения случайности остаточной компоненты (таблица 20).
Таблица 20
Остатки |
Поворотность точки |
-0,0442857 |
- |
0,0433516 |
1 |
-0,059011 |
1 |
0,0986264 |
1 |
0,0762637 |
0 |
0,0039011 |
0 |
-0,0284615 |
0 |
-0,0608242 |
0 |
-0,1031868 |
1 |
0,0244505 |
1 |
-0,0279121 |
1 |
-0,0102747 |
0 |
0,0873626 |
- |
Сумма |
6 |
Используя формулу (3.13), имеем
.
6 > 4 – верно, следовательно, случайность остаточной компоненты по критерию поворотных точек подтверждается, модель адекватна.
Б) Определение автокорреляции остатков критерием Дарбина-Уотсона (таблица 21).
Таблица 21
|
Остатки t |
t-t-1 |
t2 |
(t-t-1)2 |
|
-0,044285714 |
- |
0,001961 |
- |
|
0,043351648 |
0,087637 |
0,001879 |
0,00768 |
|
-0,059010989 |
-0,10236 |
0,003482 |
0,010478 |
|
0,098626374 |
0,157637 |
0,009727 |
0,02485 |
|
0,076263736 |
-0,02236 |
0,005816 |
0,0005 |
|
0,003901099 |
-0,07236 |
1,52E-05 |
0,005236 |
|
-0,028461538 |
-0,03236 |
0,00081 |
0,001047 |
|
-0,060824176 |
-0,03236 |
0,0037 |
0,001047 |
|
-0,103186813 |
-0,04236 |
0,010648 |
0,001795 |
|
0,024450549 |
0,127637 |
0,000598 |
0,016291 |
|
-0,027912088 |
-0,05236 |
0,000779 |
0,002742 |
|
-0,010274725 |
0,017637 |
0,000106 |
0,000311 |
|
0,087362637 |
0,097637 |
0,007632 |
0,009533 |
Сумма |
|
|
0,047153 |
0,081511 |
Используя формулу (3.16), имеем
.
1,34 = dU < d = 1,73 < 4 ‑ dU = 2,66.
Следовательно, автокорреляция остатков отсутствует, модель адекватна.
В) Независимость распределения остаточной компоненты по R/S-критерию.
Используя формулу (3.17), имеем
.
Рассчитанное значение R/S критерия не попадает внутрь заданного табличного интервала (2,7; 3,7). Следовательно, независимость распределения остаточной компоненты не подтверждается, а модель неадекватна.
Г) оценка качества модели F-критерием Фишера.
Fрасч = 362,1968 > Fтабл = 4,7.
Следовательно, гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность.
Д) Оценка статистической значимости коэффициентов регрессии и корреляции t-критерием Стьюдента.
2,2 = tтабл < tа факт = 135,6 и 2,2 = tтабл < tb факт = 19,03.
Следовательно, коэффициенты a и b в линейной регрессии не случайно отличаются от нуля и сформировались под влиянием систематически действующего фактора х.
Таким образом, по критериям поворотных точек и Дарбина-Уотсона построенную линейную модель y = 0,0185 x + 7,0248 можно считать адекватной. F-критерий Фишера и t-статистика Стьюдента подтверждает статистическую значимость модели. Но R/S-критерий не подтверждает независимость распределения остаточной компоненты, следовательно, имеет смысл «улучшить» построенную эмпирическую зависимость.
Предлагаемая полиномиальная зависимость 6-й степени
y = 7E-10x6 ‑ 2E-07x5 + 3E-05x4 ‑ 0,0018x3 + 0,0621x2 ‑ 1,028x + 13,856
имеет больший коэффициент детерминации R2 = 0,9862 (т.е. доля вариации величины рН уже на 98,62% будет объясняться вариацией объёмной долей спирта в водно-спиртовой смеси).
Рис. 8. Полиномиальная зависимость
Аналогично, можно исследовать зависимость уровня щёлочности от объёмной доли спирта в водно-спиртовой смеси.