Имитационная модель оценки и прогнозирования эффективности поиска подводной лодки
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
клик-фактор по формуле:
Корреляционный анализ результатов моделирования сводится к оценке разброса значений Y относительно среднего значения (отклика) в зависимости от разброса значений Х относительно среднего значения (фактора), т. е. к оценке силы корреляционной связи между случайной величиной Y отклика и случайной величиной фактора X.
если =0, то это свидетельствует о взаимной независимости случайных переменных ? и ?, исследуемых при моделировании;
если | |=1, то имеет место функциональная (т. е. не стохастическая) линейная зависимость вида у=b0+b1х, причем если r??>0, то говорят о положительной корреляции, т. е. большие значения одной случайной величины соответствуют большим значениям другой;
если 0<| |<1, то этот случай соответствует, либо наличию ли-нейной корреляции с рассеянием, либо наличию нелинейной корреляции результатов моделирования.
Для того, чтобы оценить точность полученной при обработке результатов моделирования системы S оценки коэффициента корреляции целесообразно ввести в рассмотрение коэффициент, значение которого зависит от наличия и силы корреляционной зависимости между случайными переменных x и h
причем случайная величина функции w() приближенно подчиняется нормальному распределению.
Для этого нам необходимо в программу ввести дополнительные переменные:
Sxy = ?(xk*yk); =MO; =MOx;
SMOx,SM2,SM2x,Sxy, MOx, SD0, Xk,r1,w:real;
тогда наша формула в Pascal будет выглядеть следующим образом:
.Процедура накопления результатов:
Procedure NAK_Rez;:=Nobn/Nzad;:=SMO+Pobn;:=SM2+Pobn*Pobn;
Xk:=SD0/Nzad;:=SMOx+Xk;x:=SM2x+Xk*Xk;:=Sxy+Xk*Pobn
End;
2.Процедура обработки результатов моделирования:
Procedure Obrabotka;
Begin:=SMO/m;:=SMOx/m;
D:=(SM2-(SMO*SMO)/m)/(m-1);:=sqrt(D);
E:=Tb*Sqrt(D/m);MO<=0.5 then
beginr:=E/MO;:=Round((Tb*Tb*d)/(MO*MO*e0*e0));
endr:=E/(1-MO);
Nneobx:=Round((tb*Tb*D)/((1-MO)*(1-MO)*e0*e0));
end;
r1:=(Sxy-m*MOx*MO)/sqrt((SM2x-m*MOx*MOx)*(SM2-m*MO*MO));
w:=(sqrt(m-3)*ln((1+r1)/(1-r1)))/2
End;
2.Процедура вывод результатов моделирования:
Procedure VIVOD;;(' Mo=',mo:1:4,' SKO=',sko:1:4);
Write(' D=',D:1:6,' E=',e:1:5,' E0r=',e0r:1:6,' Nneobx=',Nneobx );
Writeln;
Write(' r1=',r1:1:4,' w=',w:1:4);
End;
3.Так как мы делаем анализ для первого фактора, необходимо в процедуре задание и вычисление начальных условий одного большого прогона обнулить накопление SD0. Данная переменная накапливается в процедуре задание и вычисление одного малого прогона:
Procedure NU_BP;:=0;:=0;
SD0:=0
End;NU_MP;:=0;:=D0min+Random(D0max-D0min);:=t+Round((D0-R)/Vnk);:=t+Round(R/Vpl);
SD0:=SD0+D0;
End;
.В теле программы необходимо обнулять накопление:
begin;;;:=0;:=0;
SMOx:=0;x:=0;:=0;
For i:=1 to m do_BP;j:=1 to Nzad do_MP;_obn;;_REZ;(' ',Nobn);
end;;;.
В итоге мы получили результат:
R1=-0,5118, W=-9,7407 - коэффициент корреляции.
Проведя корреляционный анализ мы выяснили, что фактора D0 положительно влияет на отклик.
12. Дисперсионный анализ результатов моделирования
Если проводя корреляционный анализ мы проверяли имеется ли зависимость отклика от фактора (хотя и не могли выяснить случайная ли это зависимость или причинная), то в дисперсионном анализе мы будем проверять является ли зависимость отклика от фактора значимой и причинной.
Для того, что бы выявить влияние фактора на отклик, необходимо определить: МО и D на верхнем и нижнем уровнях, вычислить Dму, МОму и вычислить D0 по формуле D0=(Dv+Dn)/2, и не забываем вводить в исходную программу L (200 на нижнем уровне, 0 на верхнем уровне и 100 между уровнями.
Листинг измененной программы для фактора D0:
Const=15000;{Padius OVM pl v metrax}=7200;{vrem9 odnogo progona}=15;{skorost' pl}=15;{skorost' nk}=0.03/60;{intensivnost' obnary8eni9 KPUG Plom}
Y2=0.02/60;{intensivnost' obnary8eni9 PL sredstvami KPYG bez ykloneni9}=0.01/60;{intensivnost' obnary8eniz PL sredstvami KPYG s ykloneniem}
D0minN=5000; минимальное значение D0 на нижнем уровне
D0maxN=25000; максимальное значение D0 на нижнем уровне
D0minV=25000; минимальное значение D0 на верхнем уровне
D0maxV=45000; максимальное значение D0 на верхнем уровне
Nzad=100;=200;=100;=1.96;=0.05;
{====================================},Nneobn,t,tk1,tk2,tk3,tk4,tk5,i,j,Nneobx,D0min,D0max:longint;,SM2,Pobn,MO,D,SKO,E,E0r,D0:real;
далее изменения в самом теле программы
begin;;;:=0;:=0;i:=1 to m doi<=l thenmin:=D0minN;max:=D0maxNelsemin:=D0minV;max:=D0maxV;_BP;j:=1 to Nzad do_MP;_obn;;
NAK_REZ;(' ',Nobn);
end;;;.
Далее находим F= Dму/ D0, из таблицы находим Fтаб=1,23.
Фaктор будет влиять на отклик если F>Fкр.
факторуровеньНижний уровень0 уровеньВерхний уровеньD0150001000025000100003500010000Vnk141516Y20,02/6000,02/600,02/6Y30,01/6000,01/600,01/6
D0 - расстояние от КПУГ до ТПК;
MOн=0,7725 Dн=0,001665
MOв=0,1908 Dв=0,001559
MOму=0,4736 Dму=0,086982
D0=0,001612
F=5,3959 F> Fкр
Fкр=1,23. Фактор D0 влияет на отклик.
Vnk - скорость КПУГ
MOн=0,4881 Dн=0,002074
MOв=0,6371 Dв=0,002479
MOму=0,1831 Dму=0,006115
D0=0,002
F=2,686 F> Fкр
Fкр=1,23. Фактор Vnk влияет на отклик.
Y2 - интенсивность обнаружения пл средствами КПУГ без уклонения
MOн=0,5212 Dн=0,00001
MOв=0,7201 Dв=0,00029
MOму=0,2070 Dму=0,002861
D0=0,0025
F=1,312 F> Fкр
Fкр=1,23. Фактор Y2 влияет на отклик.
Y3 - интенсивность обнаружения пл средствами КПУГ с уклонения
MOн=0,5305 Dн=0,002560
MOв=0,7453 Dв=0,001740
MOму=0,2186 Dму=0,002807
D0=0,00215
F=70,3 F> Fкр
Fкр=1,23. Фактор Y3 влияет на отклик.
13. Регрессионный анализ
Алгоритм проведения регрессионного анализа
В результате проведения корреляционного и дисперсионного анализа определить факторы xi, которые значимо влияют на отклик.
Для того, чтобы уравнение регрессии получилось адекватным (соо