/ Forside / Karriere / Uddannelse / Højere uddannelser / Nyhedsindlæg
Login
Glemt dit kodeord?
Brugernavn

Kodeord


Reklame
Top 10 brugere
Højere uddannelser
#NavnPoint
Nordsted1 1588
erling_l 1224
ans 1150
dova 895
gert_h 800
molokyle 661
berpox 610
creamygirl 610
3773 570
10  jomfruane 570
Forudsigelse af resultater på baggrund af ~
Fra : Christian


Dato : 01-04-03 11:17

Jeg har data for en række forskellige opstillinger, som dog alle har
fælles basis/udgangspunkt. Dvs. jeg taler om parameter studie.
Hvordan tager jeg så disse data og laver en trend ud af dem. Jeg
ønsker at kunne forudsige værdier for andre parameterindstillinger,
det være sig parametre der ligger udenfor den dataserie jeg allerede
har, eller parameterindstillinger der ligger imellem.
Der er flere parametre.

Er der en bestemt teknik jeg skal anvende. Evt. noget der minder om
kurvefitning, bare anvendt på mange parametre.

Hvis min beskrivelse ikke er god nok, så sig til og jeg vil forsøge at
beskrive det du mangler til et svar.

Mvh. Christian

 
 
Michael Vittrup (01-04-2003)
Kommentar
Fra : Michael Vittrup


Dato : 01-04-03 12:03



Carsten Svaneborg (01-04-2003)
Kommentar
Fra : Carsten Svaneborg


Dato : 01-04-03 14:57

Christian wrote:
> Hvordan tager jeg så disse data og laver en trend ud af dem.

Hvor mange dimensioner har dit input rum og dit output rum?
Dvs. har du 5 kontrol parametre og 3 output?

Kan du generelt sige noget om forholdet mellem input og output?

> Er der en bestemt teknik jeg skal anvende. Evt. noget der minder
> om kurvefitning, bare anvendt på mange parametre.

Hvis ovenstående er tilfældet så kan du antage at der findes en
kontinuert og differentiabel vektor funktion
(y1,y2,y3)=f(x1,x2,x3,x4,x5; a1,..,an)

Hvor x'erne er dine kontrol parametre, y'erne er måle resultater.
a1,..,an er konstanter der kan findes ved et fit dvs. ved at
minimere

Chi²(a)= sum (ymålt-f(x ; a))²
mht. vektoren a.


--
Mvh. Carsten Svaneborg
http://www.softwarepatenter.dk


Christian (02-04-2003)
Kommentar
Fra : Christian


Dato : 02-04-03 08:15

Hej Carsten

> Hvor mange dimensioner har dit input rum og dit output rum?
> Dvs. har du 5 kontrol parametre og 3 output?
Jeg har 4 input parametre og ..... øh. Tja, jeg måler kun een
parameter som output, men denne parameter måler jeg mange steder (ca.
13 steder) således at jeg kan tegne en kurve over parameterforløbet i
min test-kasse. Denne output parameter ændre sig (spatial afhængig)
nemlig i kassen ved konstant input.)
..... fik jeg nu skrevet det så det kan forstås?


> Kan du generelt sige noget om forholdet mellem input og output?
Input er tryk og længde. Output er tryk.
Der sendes vand ind i kassen. Der er forskellige længder fra pumpe til
kasse. Kassen kan have forskellige længder og "diametre". Endvidere
kan pumpen give forskellige flowmængder.
Jeg måler så reaktionen på kassen de der ca. 13 steder i kassen.
Jeg ville gerne kunne forudsige denne reaktionsfordeling i kassen
udfra mine input parametre.


> Hvis ovenstående er tilfældet så kan du antage at der findes en
> kontinuert og differentiabel vektor funktion
> (y1,y2,y3)=f(x1,x2,x3,x4,x5; a1,..,an)
>
> Hvor x'erne er dine kontrol parametre, y'erne er måle resultater.
> a1,..,an er konstanter der kan findes ved et fit dvs. ved at
> minimere
>
> Chi²(a)= sum (ymålt-f(x ; a))²
> mht. vektoren a.
Ser interessant ud. Skal jeg ikke vide mere end mine input parametre
for at lave denne funktion. Eller har du råd til hvordan jeg skal
gribe det an?


Mvh
Christian

Carsten Svaneborg (02-04-2003)
Kommentar
Fra : Carsten Svaneborg


Dato : 02-04-03 13:20

Christian wrote:
> Input er tryk og længde. Output er tryk.

Er Output tidafhængigt, eller venter du til steady state?

> Der sendes vand ind i kassen. Der er forskellige længder fra
> pumpe til kasse. Kassen kan have forskellige længder og "diametre".

Ok. Det er måske en idee at bruge diameter/længde som en parameter.

>> Chi²(a)= sum (ymålt-f(x ; a))²
>> mht. vektoren a.
> Ser interessant ud. Skal jeg ikke vide mere end mine input parametre
> for at lave denne funktion. Eller har du råd til hvordan jeg skal
> gribe det an?

Jeg ville plotte forskellige input vs. output for at få en
idee om der findes linære relationer eller whatever, på
basis af den viden kan f() så formuleres.

--
Mvh. Carsten Svaneborg
http://www.softwarepatenter.dk


Christian (03-04-2003)
Kommentar
Fra : Christian


Dato : 03-04-03 08:18

> Er Output tidafhængigt, eller venter du til steady state?
Output er tidsafhængigt. Steady state er uinteressant.


> Ok. Det er måske en idee at bruge diameter/længde som en parameter.
Diameter og længde af kassen har ikke nogen sammenhæng. Men jeg kan da
selvfølgelig prøve at kikke på forholdene alligevel.


> Jeg ville plotte forskellige input vs. output for at få en
> idee om der findes linære relationer eller whatever, på
> basis af den viden kan f() så formuleres.
Jeg har allerede lavet en simpel korrelation på basis af mine
testdata. Men den er ikke så god og bestemt ikke særlig videnskablig.
jeg har blot sammenlignet mine testdata og fundet max, min osv for på
den måde at stykke en tilnærming sammen.
Men som sagt så vil jeg gerne gå lidt mere systematisk til værks, blot
ved jeg ikke rigtigt hvordan jeg skal gribe det an.
eg ville gerne formulere f(), men igen er jeg lidt på bar bund. Måske
hvis du kan komme med/henvise til et simpelt eksempel med få variable
(mere end een), og så kan jeg arbejde ud fra den.
Hvis jeg skal søge litteratur om området, ved du så hvilke ord der vil
være dækkende for teknikker til dette område?

Carsten Svaneborg (03-04-2003)
Kommentar
Fra : Carsten Svaneborg


Dato : 03-04-03 10:37

Christian wrote:
> Der sendes vand ind i kassen.

> Der er forskellige længder fra pumpe til kasse.
Hvad forskel gør det?

> Kassen kan have forskellige længder og "diametre".
> Endvidere kan pumpen give forskellige flowmængder.

Det lyder som Poiseuilles flow:
http://hyperphysics.phy-astr.gsu.edu/hbase/ppois.html#poi


> Jeg måler så reaktionen på kassen de der ca. 13 steder i kassen.
> Jeg ville gerne kunne forudsige denne reaktionsfordeling i kassen
> udfra mine input parametre.

Du mener du vil gerne forudsige hvordan trykket afhænger af
tiden 13 punkter langs længderetning kassen?


>> Er Output tidafhængigt, eller venter du til steady state?
> Output er tidsafhængigt. Steady state er uinteressant.

Dvs. der er en funktional afhængighed som
(y1(t),..,y13(t)) = f(x1,..,x4; t ; a1,..,an )

så vidt jeg forstår. Dvs. at dine kontrol parametre ikke
ændres med tiden.


> Diameter og længde af kassen har ikke nogen sammenhæng. Men
> jeg kan da selvfølgelig prøve at kikke på forholdene alligevel.

Årsagen er at det er altid praktisk hvis du kan omforme
dine kontrol parametre så de alle er dimensionsløse, fordi
så simplificere du ofte beskrivelsen af systemets karakteristiska.

Typisk vil overgange mellem fx. laminar og turbulent flow
være bestemt af om et dimensionsløst tal er større eller
mindrer end en vis kritisk grænse. (Reynolds tallet ~ 2000)
http://hyperphysics.phy-astr.gsu.edu/hbase/pturb.html

R=8 eta L/ r^4 hvor eta=viskositet (poise), L længde og r radius

> Jeg har allerede lavet en simpel korrelation på basis af mine
> testdata. Men den er ikke så god og bestemt ikke særlig videnskablig.

Jeg tror det bedste du kan håbe på er ingeinør-skabeligt. ;*)

Ellers skal du opstille en hydrodynamisk model for dit system,
og jeg er bange for at den vil være halvsvær at formulere og løse
dens tidsafhængighed. Kan du formulere den, kan du også simulere
den, men hydrodynamik er ikke så simpelt at simulere.

> Hvis jeg skal søge litteratur om området, ved du så hvilke
> ord der vil være dækkende for teknikker til dette område?

--
Mvh. Carsten Svaneborg
http://www.softwarepatenter.dk


Christian (03-04-2003)
Kommentar
Fra : Christian


Dato : 03-04-03 17:43

> > Der er forskellige længder fra pumpe til kasse.
> Hvad forskel gør det?
Trykprofilet ændres i kassen.


> > Kassen kan have forskellige længder og "diametre".
> > Endvidere kan pumpen give forskellige flowmængder.
>
> Det lyder som Poiseuilles flow:
> http://hyperphysics.phy-astr.gsu.edu/hbase/ppois.html#poi
Ikke helt. Det er meget turbulent og strækningen mellem pumpe og kasse
er kompleks. De almindelige analytiske og empiriske korrelationer duer
ikke her. Desværre.


> > Jeg måler så reaktionen på kassen de der ca. 13 steder i kassen.
> > Jeg ville gerne kunne forudsige denne reaktionsfordeling i kassen
> > udfra mine input parametre.
>
> Du mener du vil gerne forudsige hvordan trykket afhænger af
> tiden 13 punkter langs længderetning kassen?
Tja. Egentlig så har jeg valgt at kikke på max, min og gennemsnit for
trykket i kassen. Det andet er for komplekst, og jeg har alligevel
ingen interesse i at vide "for meget". Så jeg har valgt nogle få
betydende parametre ud (max, min, gns).


> >> Er Output tidafhængigt, eller venter du til steady state?
> > Output er tidsafhængigt. Steady state er uinteressant.
>
> Dvs. der er en funktional afhængighed som
> (y1(t),..,y13(t)) = f(x1,..,x4; t ; a1,..,an )
>
> så vidt jeg forstår. Dvs. at dine kontrol parametre ikke
> ændres med tiden.
Ja. Og da jeg kun kikker på max, min, gns så kan man sige at mit
interesseområde i en transient proces er stationært, dvs. de parametre
jeg interessere sig for er uafhængige af tiden.
Beklager hvis det lyder kryptisk, men selvom processen er transient,
så ser jeg bort fra det og blot vælger 3 repræsentative tal ud.
Jeg fik vist givet udtryk for noget andet i sidste svar. Beklager.


> > Diameter og længde af kassen har ikke nogen sammenhæng. Men
> > jeg kan da selvfølgelig prøve at kikke på forholdene alligevel.
>
> Årsagen er at det er altid praktisk hvis du kan omforme
> dine kontrol parametre så de alle er dimensionsløse, fordi
> så simplificere du ofte beskrivelsen af systemets karakteristiska.
>
> Typisk vil overgange mellem fx. laminar og turbulent flow
> være bestemt af om et dimensionsløst tal er større eller
> mindrer end en vis kritisk grænse. (Reynolds tallet ~ 2000)
> http://hyperphysics.phy-astr.gsu.edu/hbase/pturb.html
>
> R=8 eta L/ r^4 hvor eta=viskositet (poise), L længde og r radius
Joh. Jeg kender godt Re.
Den grænse gælder forresten kun for flow i lukkede rør (kan være både
mindre og større afhængigt af opstrømsforholdene). I flow over feks.
en vinge vil grænsen være i nærheden af 500.000.


> > Jeg har allerede lavet en simpel korrelation på basis af mine
> > testdata. Men den er ikke så god og bestemt ikke særlig videnskablig.
>
> Jeg tror det bedste du kan håbe på er ingeinør-skabeligt. ;*)
>
> Ellers skal du opstille en hydrodynamisk model for dit system,
> og jeg er bange for at den vil være halvsvær at formulere og løse
> dens tidsafhængighed. Kan du formulere den, kan du også simulere
> den, men hydrodynamik er ikke så simpelt at simulere.
Ingeniør-skabeligt er også fint nok. Men det jeg har nu er nærmest
gymnasie-skabeligt og det holder ikke :)

Jeg tror såmænd godt at jeg ville kunne formulere det, men jeg ville
gerne undgå at lave en model af mit system. Det er nemmelig temmelig
komplekst og skal jeg lave beregninger vil det tage lang tid, og jeg
ville alligevel stå tilbage med mit oprindelige ønske: at lave en
korrelation som gerne kan udtrykkes grafisk eller i et regneark.
Og så er vi nok ude i noget matematik som jeg ikke er så stiv i (jeg
ved ikke engang hvor jeg skal starte med at lede). Så forslag og
henvisninger er meget velkomne.


> > Hvis jeg skal søge litteratur om området, ved du så hvilke
> > ord der vil være dækkende for teknikker til dette område?

Carsten Svaneborg (03-04-2003)
Kommentar
Fra : Carsten Svaneborg


Dato : 03-04-03 23:28

Christian wrote:
>> Det lyder som Poiseuilles flow:
>> http://hyperphysics.phy-astr.gsu.edu/hbase/ppois.html#poi
> Ikke helt. Det er meget turbulent og strækningen mellem pumpe
> og kasse er kompleks. De almindelige analytiske og empiriske
> korrelationer duer ikke her. Desværre.
GRU!

Hvor reproducible er dine målinger?

> Jeg tror såmænd godt at jeg ville kunne formulere det, men jeg ville
> gerne undgå at lave en model af mit system. Det er nemmelig temmelig
> komplekst og skal jeg lave beregninger vil det tage lang tid, og jeg
> ville alligevel stå tilbage med mit oprindelige ønske: at lave en
> korrelation som gerne kan udtrykkes grafisk eller i et regneark.
> Og så er vi nok ude i noget matematik som jeg ikke er så stiv i (jeg
> ved ikke engang hvor jeg skal starte med at lede). Så forslag og
> henvisninger er meget velkomne.

Jeg ser ikke nogen let måde ud over at gætte på en god
fit funktion, og så checke om den fitter de data du har,
fitter det ikke, så prøv en anden funktion. Det kræver
at du plotter snit af dine data i 2D, gætter på gode
funktioner, og så stykker dem sammen så de approximativt
reproducere afhængigheden af kontrol parametre.

Du kan sagtens lave en interpolation, så du har en funktion
der for alle dine kontrol parametre reproducere alle dine
målinger. F.eks. ved at rode med nogle polynomier med flere
løbende variable. Sådan en interpolation kan dog let lede
til uønskede oscillationer. Hvilket betyder at du får
meningsløse resultater "for langt" fra dine måleværdier,
også selvom funktionen går igennem alle måleværdier.

Det blev tidligere foreslået at bruge neurale net. Det
er essentielt det ovenstående, men hvor fit funktionen
er er en ikke linær funktion taget på en sum af ikke-linære
funktioner, der igen afhænger af en liniar kombinationer
af dine input parametre. Indlæringsprocessen svarer til
at udføre minimeringen af fittet.

Du kan sagtens få nettet til at reproducere alle dine
måleværdier. Problemet er det samme som med interpolationen,
at reducere antallet af neuroner i mellemlaget, for at
reducere uønskede oscillationer, og samtidigt lave en
god interpolation.

En primitiv interpolation ville være for enhver kombination
af input parametre, finde de tre-fire nærmeste målte kontrolparametre
og så tage en passende linær kombination af disse, der afhænger
af afstanden mellem parametre og det ønskede input punkt.
Det er dog ikke indlysende hvad "afstand" betyder i et 4D rum
hvor du har forskellige dimensioner på akserne.

> Hvis jeg skal søge litteratur om området, ved du så hvilke
> ord der vil være dækkende for teknikker til dette område?

Jeg ville sige Baysianisk sandsynelighedsteori, men det
er grundlæggende blot en generalisering af både fit,
neuralnet og interpolation, og vil formodeligt ikke
hjælpe dig.

--
Mvh. Carsten Svaneborg
http://www.softwarepatenter.dk


Christian (07-04-2003)
Kommentar
Fra : Christian


Dato : 07-04-03 08:18

> GRU!
*G* Ja. Egentlig.


> Hvor reproducible er dine målinger?
Tja. Indenfor "visse" målepositioner er de ok, dvs indenfor 15%.
Indenfor andre er de håbløse. Dem ser jeg bort fra idet de alligevel
ikke er særligt interessante. Så svaret er vel: Ja.


> Jeg ser ikke nogen let måde ud over at gætte på en god
> fit funktion, og så checke om den fitter de data du har,
> fitter det ikke, så prøv en anden funktion. Det kræver
> at du plotter snit af dine data i 2D, gætter på gode
> funktioner, og så stykker dem sammen så de approximativt
> reproducere afhængigheden af kontrol parametre.
>
> Du kan sagtens lave en interpolation, så du har en funktion
> der for alle dine kontrol parametre reproducere alle dine
> målinger. F.eks. ved at rode med nogle polynomier med flere
> løbende variable. Sådan en interpolation kan dog let lede
> til uønskede oscillationer. Hvilket betyder at du får
> meningsløse resultater "for langt" fra dine måleværdier,
> også selvom funktionen går igennem alle måleværdier.
>
> Det blev tidligere foreslået at bruge neurale net. Det
> er essentielt det ovenstående, men hvor fit funktionen
> er er en ikke linær funktion taget på en sum af ikke-linære
> funktioner, der igen afhænger af en liniar kombinationer
> af dine input parametre. Indlæringsprocessen svarer til
> at udføre minimeringen af fittet.
>
> Du kan sagtens få nettet til at reproducere alle dine
> måleværdier. Problemet er det samme som med interpolationen,
> at reducere antallet af neuroner i mellemlaget, for at
> reducere uønskede oscillationer, og samtidigt lave en
> god interpolation.
>
> En primitiv interpolation ville være for enhver kombination
> af input parametre, finde de tre-fire nærmeste målte kontrolparametre
> og så tage en passende linær kombination af disse, der afhænger
> af afstanden mellem parametre og det ønskede input punkt.
> Det er dog ikke indlysende hvad "afstand" betyder i et 4D rum
> hvor du har forskellige dimensioner på akserne.
Ok. Jeg vil prøve at stykke noget sammen.



> Jeg ville sige Baysianisk sandsynelighedsteori, men det
> er grundlæggende blot en generalisering af både fit,
> neuralnet og interpolation, og vil formodeligt ikke
> hjælpe dig.
:) Så tror jeg at jeg holder mig fra det.



Carsten, tak for din hjælp. Det har været værdifuldt for mig at høre
din mening, og jeg vil følge dine anvisninger.

Mvh. Christian

Søg
Reklame
Statistik
Spørgsmål : 177554
Tips : 31968
Nyheder : 719565
Indlæg : 6408852
Brugere : 218888

Månedens bedste
Årets bedste
Sidste års bedste