QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 1704|回复: 0
打印 上一主题 下一主题

[建模教程] 动态数学建模-初步学习

[复制链接]
字体大小: 正常 放大
杨利霞        

5273

主题

82

听众

17万

积分

  • TA的每日心情
    开心
    2021-8-11 17:59
  • 签到天数: 17 天

    [LV.4]偶尔看看III

    网络挑战赛参赛者

    网络挑战赛参赛者

    自我介绍
    本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。

    群组2018美赛大象算法课程

    群组2018美赛护航培训课程

    群组2019年 数学中国站长建

    群组2019年数据分析师课程

    群组2018年大象老师国赛优

    跳转到指定楼层
    1#
    发表于 2019-4-4 15:23 |只看该作者 |正序浏览
    |招呼Ta 关注Ta

    % a0 I( Z! F" s& O( ^* a; H: K动态数学建模-初步学习, q4 d4 [' P- h8 i8 m
    一、傅里叶变换1 K: [7 ~% c! A& {( `+ Q2 G& @

    ! X* ^8 [& C1 j7 S, D  e傅里叶变换,则是将一个时域非周期的连续信号,转换为一个在频域非周期的连续信号。# z6 s& _" @6 T1 H) X

    6 I1 o% T. t. I* g" a* }傅里叶变换实际上是对一个周期无限大的函数进行傅里叶变换。; h' r4 Z* |# l/ v

    * E0 }* f6 x: D6 |# E' r! I2 k% I' {. x* l+ O# W' n3 r

    ' r& p  {3 X6 L多项式回归( B2 k" Q2 Q7 _
    实验数据的处理问题,大多可以转化为回归分析问题的处理。0 z: n+ J- j" R4 T0 ]8 v, ]
    4 c4 m1 j- i( b3 f" V2 k
    最小二乘法$ i3 w  ]* {/ f3 R) {3 G4 U8 L5 O
    通过解正规方程来求得参数矩阵的最小二乘估计。* B: x" C5 J' f3 J* Y6 J
    ! A: g+ v0 J0 `( V
    Householder变换4 O9 ~* t: d- n$ ]4 {8 H
    减小数值病态的多项式快速回归算法
    0 o/ z) |& F# q模型阶次估计的若干准则) j( E# n: U3 Z+ Q: q* H
    基于残差平方和的几种准则5 F. ]4 @" p; i
    F检验准则# Q" e- F9 Y  e+ @) K8 ^8 U2 {' E- {
    信息量准则法
    9 J( q, ?7 `' P* P, G3 Y* {6 C受扰动数据的建模方法9 ~; h+ X2 h; [7 I8 ^8 E
    分组拟合加权平均! Q/ v3 m3 R# N% Y2 l
    有干扰的数据如果直接回归处理,误差会很大,但在直线回归中通过加权或者剔除的方法,是可以改善便是效果的。采用分组回归,就是把各组回归所得的斜率作为是对通一个物理量多次观察所得的结果,经加群平均后作为辨识的漂移角速度。把干扰较大,而且在滤波处理后改善较小的数据段的影响减弱,从而提高漂移角速度辨识的精度。
    8 e4 i6 l+ \# ~4 ?/ ]8 V, R: a5 v! X8 H" ^0 A3 [
    分组回归- X! a9 }" a3 G

    4 a& t( B: h$ `0 z& C对某个时间段内出现干扰较多的,进行回归。分组6.每组100。
    $ h7 N- G& ]  x" x, D, D
    $ O* m4 B9 Z' Y加权平均3 E: A5 x+ O: h7 K5 C$ J/ [

    4 I# G+ x, l$ @$ `% k; q  E& a6 g时域建模: t; ~* q# V, ~8 [8 q
    非参数模型建模% o& f# D% g0 }6 ~& b4 Q
    主要内容是寻求单变量系统的频率特性、脉冲响应函数和传递函数,或者建立系统的非参数模型,用曲线或一组采样值来表示相同的特性。建模方法有阶跃响应法、脉冲响应法以及相关分析法。& ]% \5 {6 h8 q8 B

    . c. d0 Z: T$ n. r' c(1)
    : k$ n& x/ ]( s: k! w
    9 ]) A, }% n" C) Q参数模型建模3 j: o7 f7 `( y- r0 V5 y
    极大似然类建模方法% f2 o2 D. p, n: u4 x6 k# N

    : d$ y9 \! B0 p) l' I" |普适性较好
    6 D- ]1 a, }+ y& r* `计算量较大: @/ t" t, |" W  J
    最小二乘类建模方法
    " |! w$ N8 T7 |) f4 b
    7 D( V  b/ U' V) ~% x+ B) P由获取的数据推断未知参数时,未知量的最可能值是这样一个数值,它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数据以后的和为最小。
    6 Z; N7 p7 U  J0 d' _0 U3 ?系统辨识领域中的基本估计方法。
    , f2 F+ \8 u  N" B测试数据时间序列分析建模方法
    3 ~) x, h9 Z( a, e1 r. ]. ^# E平稳随机时间序列线性模型的辨识方法
    ' J8 i( }" ^6 t3 E/ x9 t长自回归ARMA参数估计) T7 H/ a2 ~2 T9 _& I" E
    根据观测的时序建立的AR模型(长自回归模型)、MA模型(长滑动平均模型)、ARMA模型。4 C5 l' f5 e7 `% B

    ! h4 s9 i, i; n$ S: x* N. x陀螺仪随机漂移的时间序列建模6 C. R* P( o/ B3 g) W5 x

    & g( ?  ?* v5 o+ H
    2 G( U# Z& y) z) s' y, o6 Y) \! W概率分布函数
    $ G7 j# o; C: q4 K4 c4 \2 m! C均值函数和方差函数; x4 `. l2 G* ?: N( v2 O* j  ?
    自相关函数' A3 s. Z: _; V# a
    自功率频谱密度函数
    7 v/ }9 v/ @) q6 |# L2 {$ o) ?; y' g---------------------
    1 b8 Z1 r% |* D, w
      c5 ^/ d* N& @" g: d, L' ?
    # N2 a+ ~2 S& R& f# {
    / V, T/ ^0 i( a' O+ f3 P4 K
    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2025-6-12 21:58 , Processed in 0.428317 second(s), 52 queries .

    回顶部