Калибровкой называется изменение структуры и состава модели таким образом, чтобы отредактированная модель бала адекватна по каждому из параметров р, установленных в модели.
Калибровка проводится в 3 этапа. На каждом из этапов используются специальные средства оценки калибровки модели по каждому из параметров. Калибровка ведется в следующей последовательности. Сначала калибровку модели проводят путем сравнения распределения вероятности результатов, полученных на объекте -и на модели - . Если распределения совпадают, а адекватности не достигнуто, переходят к балансировке модели. На этом этапе значение параметров модели изменяют таким образом, чтобы результаты совпадали. Если балансировка не приводит к адекватности модели, переходят к оптимизации. Если оптимизация не приводит к адекватности, переходят к построению новой модели.
Калибровка сравнением законов распределения вероятности. Адекватность может быть не обеспечена в модели вследствие того, что законы распределения, принятые в модели, не соответствуют законам, которые действуют на объекте. Калибровка модели по этому пункту ведётся в следующей последовательности. В модель закладывают законы распределения, по предположению, близкие к объекту или же изменяют модель таким образом, чтобы законы совпадали. Для того чтобы проверить насколько законы совпадают, используется критерий согласия (критерий согласия Пирсона).
|
|
Для проверки по степени совпадения (согласия) распределений проводятся следующие вычисления. Теоретическоеопределяется по таблице распределения при заданных значениях уровня доверия и степенях свободы V = m-2, где m – число групп ряда распределения, составляющих статистическую совокупность (группа близких значений). Фактическоеопределяют по формуле , где и - частота попадания значений исследуемого параметра в i-ю группу соответственно в выбранном законе распределения и в теоретическом законе распределения (на объекте). Затем сравнивается с . Если окажется, что , то выбранные законы распределения в модели совпадают с законами на объекте. Если законы не совпадают, то в модели задаются другие совпадающие законы.
Далее при совпадающих законах распределения проверяется адекватность модели. Если модель не адекватна, переходят ко 2-ому этапу – балансировке.
Калибровка балансировкой модели. Адекватность модели может быть не обеспечена из-за неправильно выбранной области значений параметров. Поэтому на этом этапе проводится поиск такой области значения по каждому из параметров, чтобы результаты совпадали. Выполняется это следующим образом. В модели и на объекте изменяется значение параметра р в широком диапазоне. При каждом значении параметра вычисляется сумма квадратов отклонения . Если найденная сумма квадратов Sр приняла минимальное допустимое значение, значит по параметру р осуществлена балансировка. Если баланс по какому-то параметру отсутствует, то путем изменения модели его добиваются. Далее проверяется адекватность сбалансированной модели. Если балансировка не даёт положительных результатов, переходят к оптимизации.
|
|
Калибровка оптимизацией модели. На этом этапе на основе корелляционно-регрессионного анализа (см. подпункт 5 пункта 6 раздела «Обработка результатов эксперимента») определяется параметр, который может искажать наибольшим образом структуру и состав модели (иметь сильную зависимость с большими значениями), например, pi. Для его исключения модель перестраивается так, чтобы указанный параметр был незначительным, добиваясь при этом чтобы оценка значимости коэффициента а1 в линейной регрессии Spi = a0 + a1pi, описывающей выходную функциональную зависимость модели, была минимальной. Если в результате изменения модели коэффициент а1 становится незначимым, проводится проверка адекватности. Если модель и в этом случае окажется не адекватной, переходят к полной перестройке модели.