382 优化设计方法-拟合-最小二乘法

382 优化设计方法-拟合-最小二乘法

背景

确定优化模型后,就可以利用已知数据对模型中的待定常系数进行拟合确定。

已知数据可为软件计算数据,也可为实验数据。

基于数据分析建立的优化模型,已知数据的质量和数量很重要;所有已知数据应形成一张网,网的宽度应覆盖参数变化范围,网格不能太大(网格太大可能会造成最佳值的遗漏)。

基于机理分析建立的优化模型,已知数据个数不少于待定的常系数个数即可,但已知数据的分布也应一定的代表性。

拟合方法-最小二乘法

优化模型中常系数的拟合方法很多(尤其当机理模型中知道各常系数的物理含义时),常用的方法是最小二乘法(对数据分析法模型和机理法模型均适用)。

下面以某气扫式膜蒸馏装置产水速率函数拟合为例,其简化模型为(式1

MWP=aTF2 + bmSG0.8

式中,ab为待拟合的方程系数。

设有三组已知数据,按(MWP, TF, mSG)格式为:

(2.2, 45.3, 3.1)

(3.8, 60.0, 3.6)

(2.8, 50.2, 4.3)

则每组料液温度和吹扫气流量下模型计算值为(式2

MWP1=45.32 a + 3.10.8 b

MWP2=60.02 a + 3.60.8 b

MWP3=50.22 a + 4.30.8 b

最小二乘法的基本思想是使产水速率的模型计算值与已知值之差的平方和S最小,即(式3

S=(MWP1-2.2)2 + (MWP2-3.8)2+ (MWP3-2.8)2

把式2MWP1MWP2MWP3代入式3,可得到一个S为因变量,ab为自变量的函数(该函数为ab的二次方程),即(式4

S=(45.32a+3.10.8b-2.2)2 + (60.02a+3.60.8b-3.8)2 + (50.22a+4.30.8b-2.8)2

S分别对ab求偏导并令偏导为0,即:

(式5A

(эS/эa)b=2*45.32 (45.32a+3.10.8b-2.2) + 2*60.02(60.02a+3.60.8b-3.8) + 2*50.22 (50.22a+4.30.8b-2.8)=0

(式5B

(эS/эb)a=2*3.10.8 (45.32a+3.10.8b-2.2) + 2*3.60.8(60.02a+3.60.8b-3.8) + 2*4.30.8 (50.22a+4.30.8b-2.8)=0

5A和式5B联立,是一个ab为变量的二元一次方程组,求解该方程组,可得:

a=0.001024

b=0.05025

ab代入式1,即得到产水速率拟合方程(也称经验方程、关联方程等)。

拟合结果校验

确定优化模型中的常系数后,还需再代入优化模型(式2)进行校验,此例中:

MWP1=45.32 *0.001024 + 3.10.8 *0.05025=2.2256

与已知数据偏差为:

2.2256-2.2=0.02561.2%

MWP2=60.02 *0.001024 + 3.60.8 *0.05025=3.8264

与已知数据偏差为:

3.8264-3.8=0.02640.7%

MWP3=50.22 *0.001024 + 4.30.8 *0.05025=2.7419

与已知数据偏差为:

2.7419-2.8=-0.0581-2.1%

校验时,不能只看多个点的平均偏差,更需要关注最大偏差值,否则可能会遗漏最佳优化结果。

加权最小二乘法

如果拟合后的优化函数在部分点的误差过大,可在计算S值时对该点增加权重系数(式4中各项前系数均为1,如果某点经校验发现误差过大,可增加该项前系数,即为加权系数)。

此外,如果在拟合方程系数时想让某些工况时的拟合精度高一些,也可对这些工况的项前增加权重系数(如想让料液温度较高时精度高一些,可在料液温度60.0℃的项前采用大于1的权重系数)。

(0)

相关推荐

  • 3D曲面重建之移动最小二乘法

    干货第一时间送达 本文我们思考这样一个问题:如何在一组逐点值的给定域上估计该域的一般函数? 这种估计对于给定域上PDE数值的求解,根据扫描数据进行表面重建,或者理解采集到数据的数据结构都有所帮助.下面 ...

  • 什么是异方差?如何处理异方差?

    目录 1 一些例子 2 什么是异方差 3异方差产生的原因 4 异方差后果 5 如何识别异方差 6 补救 1 一些例子 消费函数,收入不同,边际消费倾向如何变化? 企业的投资.销售收入与利润:大型企业的 ...

  • 【时间序列】时间序列回归相关知识的总结与梳理

    回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,是一种预测性的建模技术,它研究的是因变量(Y)和自变量(X)之间的关系,例如不同的施肥量对苗木高生长的关系.中国人的消费习惯对美 ...

  • 线性回归与最小二乘法

    线性回归模型是使用最广泛的模型之一,也最经典的回归模型,如下所示 x轴表示自变量x的值,y轴表示因变量y的值,图中的蓝色线条就代表它们之间的回归模型,在该模型中,因为只有1个自变量x,所以称之为一元线 ...

  • 概率统计专题46:理性回归 - 线性回归方程模型

    概率统计专题46:理性回归 - 线性回归方程模型 线性回归方程常用来预估某变量的值,因此选择恰当的拟合函数是解题的关键,一般解题要点如下: (1)作图:依据样本数据画出散点图,确定两个变量具有线性相关 ...

  • 最小二乘法小结

    公众号后台回复"python",立刻领取100本机器学习必备Python电子书 最小二乘法是用来做函数拟合或者求函数极值的方法.在机器学习,尤其是回归模型中,经常可以看到最小二乘法 ...

  • 【最新成果】基于智能算法的超材料快速优化设计方法研究进展

    超材料是由亚波长单元结构按照周期性或准周期性等特定的空间分布序列构成的人工复合材料或结构,可对电磁波的幅值.相位.极化等特性进行灵活调控.作为调控电磁波的重要手段之一,超材料在通信.隐身.电子对抗等领 ...

  • 干货‖面向整车性能分解技术的多目标系统优化设计方法

    干货‖面向整车性能分解技术的多目标系统优化设计方法

  • 基于整车工况的电动汽车动力总成系统效率优化设计方法

    作者:刘祥环丨EDC电驱未来  本文提出了一种由整车参数和工况要求的电动汽车动力总成设计方法,使电机.电控及减速器的高效区间与整车工况高度重合,有效地提升了动力总成系统的综合效率.通过基于整车工况效率 ...

  • 385 优化设计方法-发展

    385 优化设计方法-发展 数据评估 用于优化设计的已知数据的质量是取得高水平的优化成果的关键(尤其对基于数据分析的优化模型方法). 数据评估即是分析已知数据的数量和分布是否合理,主要工作包括已知数据 ...

  • 384 优化设计方法-求解

    384 优化设计方法-求解 背景 拟合确定优化模型中的常系数后,就可以用优化模型求解使目标实现最佳值的变量参数. 求解优化模型的方法有多种,如求偏导法.直接搜索法等. 求偏导法 设某优化模型拟合常系数 ...

  • 381 优化设计方法-模型

    381 优化设计方法-模型  背景 优化模型就是建立目标与变量之间的数学关系,数学关系可以是函数,也可以是其他形式. 建立了优化模型,就可以计算实现目标最佳的各变量值.各变量对目标的影响灵敏度和影响规 ...

  • 379 优化设计方法-变量

    379 优化设计方法-变量  背景 装置或过程的性能指标或优化目标通常受多个因素(几个甚至几十个变量参数)影响,优化的目的是确定这些变量取什么值时目标可达到最佳值. 优化过程中并不需要对各个影响目标的 ...

  • 377 优化设计方法-技术方案

    377 优化设计方法-技术方案 背景 在装置或过程优化设计中,通常是基于参数的优化,即基于材料参数.结构参数.操作参数等的优化,但实际研究中,还需考虑技术方案的优化,且技术方案的优化是更深层次.更根本 ...

  • 378 优化设计方法-目标

    378 优化设计方法-目标 背景 优化设计的目的是使一个或几个性能指标(目标)达到最佳,但一个装置或过程可能有多个性能指标,不同指标可能不是一类量,无法直接加合(如制冷量.成本),有些指标可能随影响因 ...