Содержание
ВВЕДЕНИЕ 6
1 АНАЛИТИЧЕСКИЙ ОБЗОР И ВЫБОР МЕТОДОВ СГЛАЖИВАНИЯ 8
1.1 Предварительная обработка экспериментальных данных 8
1.2 Аппроксимация временных рядов 8
1.3 Метод обновляемой средней 10
1.4 Метод скользящей средней 10
1.5 Метод экспоненциального сглаживания 11
1.6 Метод наименьших квадратов (МНК). 12
1.7 Аппроксимация полиномами 12
1.8 Аппроксимация экспериментальных данных в программе Microsoft Excel 13
1.9 Аппроксимация экспериментальных данных в программе MathCAD 14
1.10 Сглаживание временных рядов сплайнами 15
1.11 Аппроксимация на скользящих отрезках 16
2 РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ 18
2.1 Постановка задачи 18
2.2 Разработка программного обеспечения 20
2.3 Инструкция по использованию программы Smoothing_1 26
2.4 Проверка работы программы Smoothing_1 на реальной задачи 31
3 ТЕСТИРОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ 34
3.1 Задачи зависимостей для тестирования 34
3.2 Порядок проведения тестирования 41
3.3 Выводы и рекомендации 50
4 ОХРАНА ТРУДА 51
4.1 Требования к уровням шума и вибрации в производственных помещениях 51
4.2 Правила безопасности при проведении ремонта и наладки ЭВМ 52
4.3 Современные принципы профессионального отбора специалистов-компьютерщиков 55
4.4 Рациональное и профилактическое питание специалистов — компьютерщиков 58
ПЕРЕЧЕНЬ ССЫЛОК 61
ПРИЛОЖЕНИЕ А 63
ПРИЛОЖЕНИЕ 76
Выдержка из текста
В практике обработки экспериментальных данных аппроксимация зашумленных данных не всегда проводится успешно. Особенно когда необходима достоверная информация о значении первой и особенно второй производной. Сложность подбора вида аппроксимирующей функции требует достаточно высокой квалификации.
При аппроксимации рядов экспериментальных данных сплайнами так же существуют определенные сомнения в достоверности определения производных.
Поэтому необходима разработка программ обеспечивающих успешное сглаживания зашумленных экспериментальных зависимостей.
Основные требования — предлагаемые методы и приемы должны отвечать следующим условиям:
— Слабая чувствительность к характеру и уровню зашумления экспериментальных зависимостей;
— Инвариантность к типу физических процессов в объектах;
— Обеспечивать высокую степень достоверности результатов сглаживания за счет активного управления программным обеспечением процесса сглаживания.
Оценка результатов сглаживания имеет смысл проводить путем сравнения аналитических зависимостей Ya с результатами сглаживания экспериментальных зависимостей Ye
Список использованной литературы
1. Самарский А.А., Математическое моделирование и вычислительный експеримент / А.А. Самарский,. П.Н. Вабищевич. — М.: ИММ РАН, 2000. — 409 с.
2. Попередня обробка експериментальних даних. [Электронный ресурс] – Режим доступа: http://elartu.tstu.edu.ua/handle/123456789/382 – Дата доступа: 17.04.2016.
3. Аністратенко В.О. Математичне планування експериментів в АПК / В.О. Аністратенко, В.Г. Федоров. — Київ: Вища школа, — 1993, — 375 с.
4. Розробка програми фільтраціі шуму за допомогою сплайнів. [Электронный ресурс] – Режим доступа: http://www.allbest.ru/ – Дата доступа: 27.04.2016.
5. Остропицкий В.М. Среднеквадратическое приближение параболических сплайн-регрессионных зависимостей / В.М. Остропицкий // Вопросы прикладной математики и математического моделирования: Сб. науч. тр. –Д.: ДГУ, 1999. –С. 97–101.
6. Файзильберг Л.С. Адаптивное сглаживание шумов в информационных технологиях обработки физиологических сигналов / Л.С. Файзильберг // Математические машины и системы. – 2002. –№ 3. –С. 96–104.
7. Плис И.А., MathCAD2000. Математический практикум. Учебное пособие / И.А. Плис, Н.А. Сливина. – М.: Финансы и статистика, 2000. – 656 с.
и еще 8 источнико