Регрессионный анализ
После выбора типа модели и плана эксперимента, перед непосредственным проведением опытов, необходимо решить вопрос о значениях факторов, не включенных (на основе априорной информации) во входные, но оказывающих некоторое влияние на значения параметров оптимизации, о количестве повторных опытов, порядке их проведения, о методах статистической обработки результатов экспериментов.
К факторам, влияющим на параметры оптимизации, но не включенным во входные, относятся: гранулометрический состав исходного материала, его физико-механические свойства, влажность.
Для компенсации влияния систематических ошибок опыты проводились в случайной последовательности. В нашем случае, в связи со сложностью переоборудования экспериментальной установки и для сокращения времени проведения экспериментов, применялась частичная рандомизация опытов во времени. Рандомизация опытов в каждой серии проводилась раздельно. Последовательность опытов определялась с помощью оператора случайных чисел.
Усредненные результаты лабораторных экспериментов на установке для изучения процесса измельчения приведены в таблице 3.7 (глава 3).
На основании полученных результатов, с помощью разработанной
программы для ЭВМ (приложение 3) были рассчитаны коэффициенты уравнений регрессии и составлены уравнения, описывающие процесс измельчения и оценена их адекватность. План с результатами целевых функций представлен в таблице 4.1.
План с результатами целевых функций
Таблица 4.1
| № | X1 | X2 | X3 | X4 | Q | q | S |
| 1 | -1 | -1 | -1 | -1 | 50,6 | 19,0 | 150 |
| 2 | +1 | -1 | -1 | -1 | 80,7 | 18,1 | 222 |
| 3 | -1 | +1 | -1 | -1 | 55,6 | 17,4 | 160 |
| 4 | +1 | +1 | -1 | -1 | 85,3 | 16,6 | 208 |
| 5 | -1 | -1 | +1 | -1 | 56,6 | 18,0 | 170 |
| 6 | +1 | -1 | +1 | -1 | 90,8 | 17,0 | 220 |
| 7 | -1 | +1 | +1 | -1 | 59,8 | 18,6 | 147 |
| 8 | +1 | +1 | +1 | -1 | 89,6 | 17,45 | 221 |
| 9 | -1 | -1 | -1 | +1 | 60,4 | 21,0 | 166 |
| 10 | +1 | +1 | -1 | +1 | 90,3 | 19,5 | 233 |
| 11 | -1 | +1 | -1 | +1 | 54,3 | 18,22 | 150 |
| 12 | +1 | +1 | -1 | +1 | 91,6 | 17,0 | 220 |
| 13 | -1 | -1 | +1 | +1 | 60,9 | 20,5 | 172 |
| 14 | +1 | -1 | +1 | +1 | 93,0 | 19,6 | 225 |
| 15 | -1 | +1 | +1 | +1 | 57,5 | 23,0 | 150 |
| 16 | +1 | +1 | +1 | +1 | 90,1 | 22,6 | 228 |
| 17 | -α | 0 | 0 | 0 | 50,0 | 23,0 | 135 |
| 18 | +α | 0 | 0 | 0 | 120,0 | 15,8 | 280 |
| 19 | 0 | -α | 0 | 0 | 40,0 | 23,3 | 155 |
| 20 | 0 | +α | 0 | 0 | 60,0 | 24,3 | 158 |
| 21 | 0 | 0 | -α | 0 | 45,8 | 22,6 | 144 |
| 22 | 0 | 0 | +α | 0 | 55,6 | 22,6 | 186 |
| 23 | 0 | 0 | 0 | -α | 50,8 | 23,55 | 150 |
| 24 | 0 | 0 | 0 | +α | 60,5 | 22,45 | 165 |
| 25 | 0 | 0 | 0 | 0 | 80,5 | 18,05 | 190 |
4.2.
Еще по теме Регрессионный анализ:
- 1.2. Задачи регрессионного анализа
- 8.4 Регрессионный анализ
- 7.2.9 Корреляционный и регрессионный анализы
- 2.2 Регрессионный анализ.
- 6.1. Классическая линейная модель регрессионного анализа
- Исходные предположения и специальные задачи множественного регрессионного анализа
- 2.2. Лабораторная работа № 2. Применение регрессионных моделей для анализа и прогнозирования спроса на продукцию фирмы
- Основные понятиякорреляционно-регрессионного анализа
- Элементы корреляционного и регрессионного анализа
- Приложение 5Данные номинального регрессионного анализа.