小樣本多元試驗設計與優(yōu)化分析系統(tǒng)的研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著社會的不斷發(fā)展,小樣本多元試驗也越來越受到人們的關注,但目前關于此類試驗的研究并不多,將整體方案付諸于實踐則更加少?;谡n題來源,本文提出了一套能有效地設計和分析此類試驗的系統(tǒng)方案,并開發(fā)了小樣本多元試驗設計與優(yōu)化分析系統(tǒng)。該系統(tǒng)方案將試驗方案設計、多元回歸分析以及全局優(yōu)化分析三者融為一體,提高了小樣本試驗數(shù)據(jù)代表性和信息含量,能夠獲取試驗因素和試驗指標之間的回歸函數(shù)關系式及全局優(yōu)化信息,解決了小樣本試驗數(shù)據(jù)分析與優(yōu)化中存在的數(shù)據(jù)之

2、間相關性大,存在多重共線性,不易做回歸分析等難題。
   本文介紹了國內外試驗設計與數(shù)據(jù)分析的發(fā)展現(xiàn)狀,通過對比分析,選取了適合小樣本多元試驗的試驗設計、回歸分析算法及全局優(yōu)化算法,并加以改進。在試驗設計方面,主要介紹了均勻設計的基本原理及衡量指標,給出了均勻設計的改進方法和實現(xiàn)過程。針對小樣本多元試驗的回歸分析,則提出了基于二次多項式模型的自選擇偏最小二乘回歸算法,并給出了必要的檢驗方法。在試驗全局優(yōu)化方面,采用添加權系數(shù)的方

3、法,將多個多元回歸關系式轉化為單目標多元函數(shù),然后基于粒子群優(yōu)化算法對單目標多元函數(shù)進行全局優(yōu)化,最后結合試驗背景得到最優(yōu)的試驗方案??傊?,本文提出了一套針對小樣本多元試驗的試驗設計與優(yōu)化分析的方案,并對改進的算法進行實驗分析和實例驗證。實驗分析表明,改進算法的性能超過了現(xiàn)有的此類算法,且算法的應用方式更加靈活。實例驗證表明,系統(tǒng)的試驗設計與優(yōu)化分析方案能夠達到實際應用的精度,具有可行性和有效性。通過軟件開發(fā)對整體方案進行了實現(xiàn),形成了

4、小樣本多元試驗設計與優(yōu)化分析系統(tǒng),實現(xiàn)了理論向實際的轉化。
   經(jīng)過對本文工作的總結,主要的創(chuàng)新工作歸納如下:
   1)針對小樣本多元試驗,提出了一種新的試驗分析方案,該方案將試驗方案設計、多元回歸分析與全局優(yōu)化分析有機地結合在一起。
   2)采用基于整數(shù)編碼的改進遺傳算法來生成均勻設計表,提高了均勻設計表的均勻性和易用性。
   3)基于偏最小二乘法,提出了改進的多元回歸分析算法,新的算法能有效地

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論