GEODEZYJNE MODELE KINEMATYCZNE GEODETIC KINEMATIC MODELS
|
|
- Justyna Przybysz
- 6 lat temu
- Przeglądów:
Transkrypt
1 INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH INFRASTRUCTURE AND ECOLOGY OF RURAL AREAS Nr II/2/2014, POLSKA AKADEMIA NAUK, Oddział w Krakowie, s Komisja Technicznej Infrastruktury Wsi DOI: GEODEZYJNE MODELE KINEMATYCZNE Edward Preweda AGH Akademia Górniczo-Hutnicza w Krakowie GEODETIC KINEMATIC MODELS Streszczenie W pracy przedstawiono wybrane zagadnienia dotyczące geodezyjnych modeli kinematycznych. W dotychczasowych zastosowaniach wykorzystuje się różne procedury estymacji liniowej, które wynikają z postaci układów równań wiążących obserwacje. W różny też sposób formułowany jest sam model kinematyczny. Przyjęta w pracy koncepcja modelu zakłada, że nie ma znaczenia sposóbprzeprowadzania obserwacji, w sensie czasu czy epok pomiarowych. Danymi wejściowymi mogą być również funkcje obserwacji, na przykład współrzędne punktów wraz z odpowiadającą im macierzą kowariancji. Model kinematyczny, jeśli ma dotyczyć obiektów inżynierskich, powinien być uzupełniony odpowiednimi restrykcjami nakładanymi na parametry modelu, gwarantującymi ciągłość przemieszczeń i odkształceń. Uogólniony model kinematyczny może służyć do uzyskania parametrów funkcji opisujących ruch pojedynczych punktów lub całego obiektu, czyli dostarczać informacji o punktowym lub wektorowym polu przemieszczeń. Słowa kluczowe: model kinematyczny, przemieszczenia, odkształcenia Summary The paper presents selected issues on geodetic kinematic models. In previous applications various linear estimation procedures are used, they are use to solve a system of equations involving observation issue. The kinematic model can be formulated itself in various options. The model con- 437
2 Edward Preweda ception adopted in this work assumes that it does not matter how to perform follow-up, in terms of time or measurement periods. The input data may also be functions of observations, for example, coordinates of the points with the corresponding covariance matrix. Kinematic model if it is to involve civil engineering, should be supplemented by adequate restrictions imposed on the model parameters, ensuring continuity of displacements and deformations. A generalized kinematic model can be used to obtain the parameters of functions describing the movement of individual points or the entire facility, which provide information on the point or vector displacement field. Key words: kinematic model, displacements, strains WSTĘP Inspiracją do poruszenia sformułowanego tematu, są doświadczenia praktyczne autora, z których wynika, że pomimo wielu prac poświęconych kinematycznym i dynamicznym modelom przemieszczeń, między innymi (Beluch J., Plewako M. 1994, Cacoń S. 2001, Czaja J., Preweda E. 2000, GargulaT. 2010, Kadaj R. 1998, Pfeufer A.i inni 1994, Preweda E. 2002, Prószyński W., Kwaśniak M. 2006, Yalc inkaya,m, Bayrak T. 2005),w dalszym ciągu istotnym problemem jest ustalenie funkcji prędkości punktów obserwowanych oraz numeryczne wyznaczanie parametrów modelu kinematycznego. Przyjęta koncepcja modelu kinematycznego zakłada dowolny sposób przeprowadzania obserwacji, w sensie czasu czy epok pomiarowych. Danymi wejściowymi mogą być wyniki klasycznych pomiarów geodezyjnych, pozyskane techniką satelitarną czy na przykład wyniki pomiarów tensometrycznych. Danymi mogą być również funkcje obserwacji, w postaci współrzędnych punktów wraz z odpowiadającą im macierzą kowariancji. Model kinematyczny powinien być uzupełniony przez nałożenie na postać strukturalną modelu warunków gwarantujących ciągłość przemieszczeń i odkształceń. Dzięki temu może służyć do wyznaczenia parametrów funkcji opisujących ruch pojedynczych punktów lub całego obiektu, dostarczać informacji o punktowym lub wektorowym polu przemieszczeń, a w najprostszych przypadkach może być zastosowany do uzgodnienia wyników obserwacji statycznych. W przypadku wprowadzenia wyników pomiarów tensometrycznych, umożliwi również wyznaczanie odkształceń obiektów inżynierskich. PRZEMIESZCZENIA I DEFORMACJE Przemieszczenia i deformacje obiektów inżynierskich, mogą tylko podobnie być wyznaczane jak przemieszczenia terenu. Utożsamiane są ze zmianami położenia punktów reprezentujących badany obiekt. Pomiary geodezyjne pro- 438
3 Geodezyjne modele... wadzone są najczęściej z sieci obserwacyjnej nawiązanej do punktów odniesienia, teoretycznie uznawanych za stałe. Dla wyznaczenia przemieszczeń punktów sieci obserwacyjnych i punktów reprezentujących obiekty inżynierskie wykonuje się pomiary okresowe. Ponieważ położenie punktów odniesienia w dowolnej chwili t nie zawsze jest znane, w praktyce mamy często do czynienia z układem swobodnym, mającym zastosowanie na przykład przy badaniu przemieszczeń względnych różnych obiektów. Punkty sieci obserwacyjnej, zmieniając swoje położenie w czasie, tworzą obiekt kinematyczny. Często model ten jest upraszczany, na przykład przez założenie stałości punktów w czasie wykonywania pomiarów. Założenie to, w przypadku zwłaszcza niewielkich obszarowo obiektów i o małym natężeniu ruchu, ma niewielki wpływ na wyniki prowadzonych badań. Taki model sieci, znany jako model quasi-statyczny, stosowany jest w praktyce najczęściej. W pierwszej kolejności estymuje się współrzędne punktów w poszczególnych cyklach pomiarowych. Współrzędne te obarczone są błędem wynikającym z tytułu niedokładności pomiarów oraz z tytułu założenia stałości punktów w czasie wykonywania pomiarów. Na podstawie dyskretnego zbioru współrzędnych punktów, z następujących po sobie cykli pomiarowych, można aproksymować funkcję przemieszczeń punktów w czasie. Jeżeli w czasie wykonywania obserwacji geodezyjnych obserwowane punkty przemieszczają się, wtedy wyniki badań obarczone są pewnym błędem systematycznym. Błąd ten można wyeliminować, jeśli ustalimy funkcję zmiany jego wartości w czasie. Model przemieszczeń punktów w czasie jest wprawdzie obarczony błędem z tytułu niesynchroniczności pomiarów, jednak błąd ten ma charakter błędu losowego a nie systematycznego. W ogólności można założyć, że wszystkie punkty sieci w czasie wykonywania pomiarów są w ruchu. Każda obserwacja ma przypisany odpowiedni moment czasu. Aproksymację ruchu punktów reprezentujących badany obiekt wykonuje się jednocześnie z uzgadnianiem obserwacji. W przypadku obserwacji punktów reprezentujących obiekty inżynierskie konieczne jest zwrócenie uwagi, czy należy uwzględnić ciągłość odkształceń. Wprzypadku sieci statycznej, niezależnie od jej rodzaju, model funkcjonalny ma postać ogólną natomiast model stochastyczny przyjmowany jest przy założeniu, że kowariancje obserwacji są równe zeru oraz, że współrzędne punktów odniesienia i obserwacje są niezależne, czyli 439
4 Edward Preweda Występującą w modelu stochastycznym macierz kowariancji współrzędnych punktów odniesienia aproksymuje się często przy dodatkowych założeniach, takich jak: współrzędne są różno dokładne ale nieskorelowane, współrzędne są jednakowo dokładne i nieskorelowane, współrzędne punktów odniesienia są bezbłędne. Estymację punktową, prowadzącą do znalezienia wektora niewiadomych, przeprowadza się metodą najmniejszych kwadratów, realizując warunek gdzie : w wektor wyrazów wolnych, A macierz współczynników, x wektor niewiadomych. Jeśli korzysta się z pseudo odwrotności macierzy, spełniane są dwa warunki: Ogólny model kinematyczny sieci można otrzymać na podstawie powyższego modelu statycznego, wprowadzając funkcję czasu. I tak, w przypadku sieci kinematycznej, model funkcjonalny przyjmie postać ogólną natomiast model stochastyczny ma postać x( t) Cov( x( t) Cov( x( t), w( t) = Cov = w( t) 0 0 Cov( w( t) Powyższy model może stanowić podstawę do aproksymacji funkcji przemieszczeń pojedynczych punktów oraz kinematycznego wektorowego pola przemieszczeń, przy czym jego postać musi być dla zastosowań praktycznych odpowiednio zmodyfikowana. OBSERWACJE W MODELU KINEMATYCZNYM Informacji o stanie geometrycznym obiektów inżynierskich dostarczają pomiary geodezyjne. Opracowane wyniki pomiarów pozwalają na opisanie 440
5 Geodezyjne modele... aktualnego stanu geometrycznego obiektu oraz wyznaczenie zmian zachodzących w czasie, czyli przemieszczeń, odkształceń i ich pochodnych. Ponieważ kinematyczny model przemieszczeń i odkształceń różnych obiektów formułowany jest na podstawie pomiarów ich cech geometrycznych, najlepszym materiałem badawczym są wyniki pomiarów powykonawczych i inwentaryzacyjnych. Dane te są naturalnie niezbędnie dla weryfikacji praktycznej. W ogólnym przypadku wielkości obserwowane można aproksymować za pomocą nieliniowych modeli, w których wielkości obserwowane reprezentują zmienną objaśnianą, zaś parametry modelu stanowią zmienne objaśniające. Modele takie występują pod ogólną nazwą stochastycznych modeli hybrydowych, czyli modeli zawierających różne warunki nałożone na estymowane parametry. Model kinematyczny może być również estymowany na podstawie równań obserwacyjnych, które uwzględniają czas wykonania danej obserwacji. Każde równanie będzie w tym przypadku zawierało dodatkowe niewiadome, którymi są parametry przyjętego modelu ruchu punktów, na których opiera się dana obserwacja. W zależności od przyjętego modelu ruchu, konieczne będzie sformułowanie stosownego równania obserwacyjnego. Przykładowe równania, zamieszczone w dalszej części tego rozdziału, ilustrują jedynie sposób rozwiązania tego problemu. Kinematyczne równanie obserwacyjne dla długości poziomych Długość boku jest jednoznacznie zdefiniowana przez współrzędne (X, Y) dwóch punktówp i K. Załóżmy liniowy model kinematyczny w postaci: Można zapisać Po rozwinięciu powyższej funkcji w szereg Taylora otrzymamy równanie obserwacyjne. Jeżeli zamiast funkcji liniowej zastosujemy wielomian n-tego stopnia, typu: dla współrzędnej X, dla współrzędnej Y, wtedy równanie obserwacyjne przyjmie następującą postać macierzową: 441
6 Edward Preweda Kinematyczne równanie obserwacyjne dla długości przestrzennych Długość boku w przestrzeni trójwymiarowej definiują współrzędne (X,Y,Z) dwóch punktów P i K. Przy założonym liniowym modelu kinematycznym typu: Równanie obserwacyjne wynika z zależności Po przekształcenia można zapisać powyższe równie w następującej postaci macierzowej: 442
7 Geodezyjne modele... Kinematyczne równanie obserwacyjne dla kątów poziomych Kąt poziomy jest wyznaczony jednoznacznie przez współrzędne (X, Y) trzech punktów C, L, P (centralny, lewy prawy). Skracając rozważania, można zapisać następującą macierzową postać kinematycznego równania obserwacyjnego, przy założonym wielomianowym modelu ruchu Kinematyczne równanie obserwacyjne dla przewyższeń Rozpatrzmy różnicę wysokości pomiędzy punktami P i K. Modele kinematyczne punktów P i K przyjmijmy w postaci liniowych funkcji: Równanie obserwacyjne przewyższenia zapiszmy przy założeniu, że, stąd W miejsce liniowej funkcji można zastosować wielomian n-tego stopnia, wtedy 443
8 Edward Preweda A równanie obserwacyjne przewyższenia przyjmie formę Kinematyczne równanie obserwacyjne można formułować dla dowolnego modelu ruchu. Dla przykładu, rozpatrzmy często stosowany nieliniowy model osiadań (Kadaj R. 1998). Niech: Równanie obserwacyjne przewyższenia można zapisać w postaci: W powyższym równaniu założono, że maksymalne osiadanie punktów P i K jest ustalone a priori. Zestawiając równania obserwacyjne w postaci liniowego układu typu można wyznaczyć niewiadome, w tym parametry modeli kinematycznych. Parametry modeli kinematycznych mają charakter deterministyczny. W klasycznym ujęciu metody spostrzeżeń pośredniczących, jako zmienne losowe o charakterze stochastycznym traktowane są tak niewiadome w sensie współrzędnych punktów, jak i parametry kinematyczne. W praktyce użyteczne może okazać się rozdzielenie zmiennych losowych od parametrów nielosowych. Naturalnym rozwiązaniem jest w tym przypadku zestawienie równań warunkowych. Oprócz klasycznych warunków, formułowanych analogicznie jak w przypadku obserwacji statycznych, można formułować warunki, jakie muszą spełniać pojedyncze obserwacje, ale przy uwzględnieniu kinematycznego modelu przemieszczeń. Wektor parametrów rozważanego modelu może opisywać współczynniki wektorowego pola przemieszczeń, określonego przez funkcje współrzędnych punktów x, y, z oraz czasu t. Dla wektorowego pola przemieszczeń (Czaja J. 1971), określonego w układzie i zapisanego w postaci: 444
9 Geodezyjne modele... estymowanymi parametrami będą wielkości oraz. MODEL UOGÓLNIONY Dowolny układ równań liniowych (nadliczbowy lub uwarunkowany) można zapisać w znanej postaci macierzowej gdzie: F macierz współczynników, stanowiących wartości pierwszych pochodnych dla przybliżonych wartości estymowanych parametrów modelu, o wymiarach z macierz niewiadomych, stanowiących odchyłki losowe lub przyrosty doprzybliżonych wartości estymowanych parametrów modelu, o wymiarach g wektor wyrazów wolnych, wynikający z zaobserwowanych wartości zmiennych losowych i przybliżonych wartości estymowanych parametrów modelu, o wymiarach Rozwiązanie układu równań (1) może być formułowane dla różnych warunków brzegowych, wynikających ze specyfiki rozważanego zagadnienia, na przykład na podstawie warunków ciągłości odkształceń. Różne warunki brzegowe będą prowadziły do pionowego lub poziomego podziału układu równań (1), a w konsekwencji do układów równań blokowych. Dla pionowego podziału układu równań (1) można na część niewiadomych v narzucić warunek Gaussa Markowa, a pozostałą część niewiadomych potraktować jako parametry modelu. Wtedy taki układ równań może być zapisany w postaci blokowej co jest równoważne układowi równań Cv + Ax = u, przy czym v oznacza wektor odchyłek losowych, zaś x oznacza wektor parametrów analizowanego modelu. Dla poziomego podziału układu równań (1) wykorzystamy postać (2), w której na wartości parametrów modelu narzucamy restrykcje (warunki) postaci Bx = w. Uwzględniając powyższy warunek, układ równań (2) może być zapisany w formie blokowej (1) (2) 445
10 Edward Preweda C 0 A B v u = x w Podział poziomy układu równań (1) zapisanego w postaci (3) może wynikać zwarunków brzegowych, w których górna część równań powinna spełniać model probabilistyczny, zaś dolna część równań powinna spełniać model deterministyczny. Macierze występujące w powyższym układzie równań mają następujące oznaczenia: C macierz współczynników przy wektorze odchyłek losowych v wektor odchyłek losowych w modelu probabilistycznym; A macierz współczynników przy estymowanym wektorze parametrów modelu (x) w części probabilistycznej; x wektor niewiadomych, czyli estymowanych parametrów (przyrostów do przybliżonych wartości estymowanych parametrów), występujących w modelu probabilistycznym i w modelu deterministycznym; u wektor wyrazów wolnych w części probabilistycznej modelu; B macierz współczynników przy estymowanym wektorze parametrów x w modelu deterministycznym; w wektor wyrazów wolnych w modelu deterministycznym. Zgodnie z zasadą metody najmniejszych kwadratów estymatory nieobciążone układu równań (3) muszą spełniać warunki Gaussa Markowa wynikające z formy kwadratowej zapisanej za pomocą funkcji Lagrange a, która ma następującą postać Formę kwadratową (6) można zapisać w postaci funkcji Lagrange a W powyższych formach występują następujące oznaczenia: t - wektor zmiennej losowej, czyli wielkości obserwowanych - wektor wartości modelowych wektora t o wartości oczekiwanej v - wektor odchyłek losowych w modelu probabilistycznym związanyze zmienną objaśniającą, czyli z obserwacjami w i ich wartościami modelowymi równaniem o wartości oczekiwanej Cov(t) - macierz wariancyjno-kowariancyjna dla wielkości obserwowanych P - nieosobliwa macierz wagowa odpowiadająca odwrotności macierzy kowariancji, czyli P = Cov(t) -1 j, k - wektory współczynników Lagrange a; C - macierz współczynników przy wektorze zmiennej losowej, wynikająca z warunków nałożonych na wektor obserwacji t; (3) (4) (5)
11 Geodezyjne modele... x - wektor estymowanych parametrów modelu, występujący w części probabilistycznej i części deterministycznej A - macierz współczynników przy estymowanym wektorze parametrów x (w części probabilistycznej), wynikająca z funkcji wiążących wektor obserwacji t z parametrami modelu x przy uwzględnieniu C; u - wielkości definiujące warunki funkcyjne nałożone na wektor t; B - macierz współczynników wynikająca z warunków funkcyjnych nałożonych tylko na parametry x (czyli wynikająca z charakteru badanego zjawiska, np. z warunków zgodności odkształceń); w - wektor wyrazów wolnych w części deterministycznej W oparciu o model estymacji (5) mogą być prowadzone dalsze badania stanu przemieszczeń i odkształceń obiektów inżynierskich. Wielkościami obserwowanymi mogą być kąty poziome, pionowe i odległości wyznaczane z punktów sieci odniesienia do punktów na badanym obiekcie, odległości pomiędzy punktami badanego obiektu, zmiany nachylenia elementów obiektu względem płaszczyzny poziomej lub na przykład zmiany odchylenia elementów obiektu od linii pionu. Wielkości obserwowane powinny być powiązane z estymowanymi parametrami, przy czym warunki te w przypadku sieci kinematycznej wynikają zarówno z geometrii konstrukcji pomiarowej, jak i z kinematycznego modelu przemieszczeń punktów reprezentujących obiekt. Powyższe warunki funkcyjne można zapisać w postaci ogólnej Ponieważ model (5) ujmuje parametry zmieniające się w czasie, obserwowane wielkości t oraz estymowane parametry x powinny spełniać warunki figur geometrycznych. Warunki te zapiszmy za pomocą wektora odchyłek losowych v, który stanowi przyrosty do wartości modelowych wielkości obserwowanych, czyli Po zastosowaniu powyższego związku, forma kwadratowa (4) jest minimalizowana względem wektora losowego v oraz względem warunków funkcyjnych Bx = w (8) nie zawierających składnika losowego. Macierz C wynika z warunków figur nałożonych na wartości modelowe wektora zmiennej losowej t. Wektor parametrów x opisuje współczynniki wektorowego pola przemieszczeń. Wartości przybliżone parametrów x, opisujące badane zjawisko, nie są na ogół znane, stąd funkcje względem tych parametrów powinny być w postaci liniowej. Macierz (6) (7) 447
12 Edward Preweda A stanowi ustalone współczynniki przy estymowanych parametrach x, ale przy uwzględnieniu warunków figur, czyli macierzy C. Jeżeli wyrażenia funkcyjne, zawierające tylko zmienne i t, zestawimy w postaci macierzy to macierz Warunki funkcyjne (8) względem których następuje minimalizacja formy kwadratowej (4), wynikają z charakteru badanego zjawiska. W analizie odkształceń badanego obiektu warunki te wynikają bezpośrednio z warunków zgodności odkształceń, czyli ze ściśle ustalonych wiążących składowe tensora odkształceń. Problematyka aproksymacji wektorowego pola przemieszczeń, wyznaczania odkształceń i weryfikowania warunków ciągłości odkształceń jest przedmiotem szczegółowych rozważań zamieszczonych między innymi w pracy (Czaja J. 1971). Jak wspomniano, warunkiem koniecznym istnienia minimum funkcji Lagrange a (9) jest zerowanie się wektorów pierwszych pochodnych, zaś wystarczającym (przy spełnieniu koniecznego) są dodatnio określone macierze wynikające z drugich pochodnych. Warunki konieczne prowadzą do układu czterech równań macierzowych, (10) które można zapisać w postaci macierzy blokowych(preweda E. 2002): P C 0 0 ( n, n) ( w, n) ( p, n) ( r, n) C ( n, w) 0 ( w, w) T A ( p, w) 0 T ( r, w) ( n, ( w, ( p, 0 p) A 0 B p) p) ( r, p) 0 v ( n, r) ( n, 0 k ( w, r) ( w T B x ( p, p, r) j 0 ( r, ( r, r) ( 1),1) 1) 1) 0 ( n, u ( w 0 ( p, w ( r, 1),1) 1) 1) = ( n, 1) ( w,1) ( p, 1) Warunki wystarczające istnienia minimum właściwego są spełnione, ponieważ macierze wynikające z drugich pochodnych cząstkowych są dodatnio określone, o ile nie są osobliwe. W przypadku gdy któraś ( r, 1) (11) 448
13 Geodezyjne modele... z tych macierzy jest osobliwa, istnieje nieskończenie wiele rozwiązań. Nakładając dodatkowe warunki na estymowane parametry, otrzymuje się jednoznaczne rozwiązanie (minimum właściwe). Rozwiązanie zadania przeprowadzono poprzez wyznaczenie uogólnionej odwrotności macierzy blokowej złożonej z 16 podmacierzy. Ponieważ główna macierz blokowa jest symetryczna, wobec tego jej uogólniona odwrotność będzie macierzą blokową symetryczną, czyli Szczegółowe rozwiązanie oraz dowody twierdzeń o nie obciążoności estymatorów przedstawiono w (Preweda E. 2002).Poszukiwana macierz rozwiązań układu (11) wyrażona jest iloczynem następujących macierzy blokowych: (12) Nieobciążone estymatory niewiadomych uogólnionego modelu mają postać: ˆ = Q u + Q w v 2 4 ˆ Q u + Q w x = T 6 9 Wektory współczynników Lagrange a wyznaczony jest z zależności: Estymator wielkości modelowych: Nieobciążony estymator wariancji resztowej: 449
14 Edward Preweda Macierze kowariancji wektorów wyrażają się następującymi zależnościami: Estymatory można zapisać w postaci: Wektory wynikają z przyjęcia części niewiadomych za parametry modelu, natomiast wektory wynikają z restrykcji nałożonych na parametry modelu. Jeżeli na wszystkie niewiadome narzucimy warunek Gaussa Markowa, wówczas Jeżeli zaś nie wprowadzimy warunków brzegowych, wtedy Na podstawie przedstawionego rozwiązania układu równań (12) można analizować szczególne przypadki modeli liniowych, które wynikają z warunków obserwacji i charakteru badanego zjawiska. Model wieloparametrowy PRZYPADKI SZCZEGÓLNE W uogólnionym modelu należy przyjąć: Model uwarunkowany W uogólnionym modelu trzeba założyć: 450
15 Geodezyjne modele... Model wieloparametrowy z restrykcjami W uogólnionym modelu przyjmiemy: oraz zakładamy, że macierze symetryczne są bez defektu. WNIOSKI W pracy przestawiono uogólnione rozwiązanie geodezyjnych modeli kinematycznych. Należy jednak zwrócić uwagę, że zaburzenia danych mogą powodować powiększanie rzędu macierzy, prowadząc do rozwiązania przez funkcje, które w sposób nieciągły i nieograniczony zależą od wartości zaburzenia. Usunięcie nieciągłości można uzyskać poprzez zawężenie dziedziny zadania przy zachowaniu funkcji celu, czyli stosując regularyzację dyskretną, lub poprzez zachowanie dziedziny zadania, ale zmianie funkcji celu w taki sposób, aby otrzymać zadanie dobrze postawione o rozwiązaniach zbliżonych do rozwiązań oryginalnych (regularyzacja ciągła). Takie zabiegi umożliwiające przejście od zadania źle do dobrze postawionego zadania nazywa się ogólnie regularyzacją. Postępowanie regularyzacyjne nie jest jednoznaczne, uzależnione jest od wartości pewnego parametru, którego wybór wymaga dodatkowej informacji wynikającej z sensu fizycznego zadania, a którego sam rachunek numeryczny nie może dostarczyć. Dlatego wskazane jest rozwiązywanie zadań nieregularnych w trybie konwersacyjnym. LITERATURA Beluch J., Plewako M. (1994)Taking Kinematics of Surface into Account then Caculating High Control on Mining Areas. Haifa: Proc. of the Perelmuter Workshop on Dynamic Deformation Models, s Cacoń S. (2001)Problem wiarygodności geodezyjnych pomiarów deformacji obiektów inżynierskich w relacji obiekt-górotwór.warszawa: IGiKt. XLVIII, z Czaja J. (1971)Aproksymacja wektorowego pola przemieszczeń i odkształceń i jego interpretacja geometryczna i fizyczna. Warszawa:GiK, t. XX. Czaja J., Preweda E. (2000)Estymacja parametrów liniowych modeli. Warszawa: Materiały II Ogólnopolskiego Seminarium Modelowanie danych przestrzennych. GargulaT.(2010) Modele funkcjonalne wyrównania pomiarów okresowych przy wyznaczaniu przemieszczeń powierzchni terenu. Infrastruktura i ekologia terenów wiejskich, Nr 6,s Kadaj R. (1998)Modele, metody i algorytmy obliczeniowe sieci kinematycznych w geodezyjnych pomiarach przemieszczeń i odkształceń. Kraków: Wyd. AR. 451
16 Edward Preweda Pfeufer A., Milev G., Prószyński W., Steinberg G., Teskey W.F., Welsh W. (1994) Classification of Models for Geodetic Examination of Deformations. Haifa: Perelmuter Workshop on Dynamic Deformation Models. Preweda E. (2002)Estymacja parametrów kinematycznego modelu przemieszczeń. KrakówUWND AGH. Prószyński W., Kwaśniak M. (2006) Podstawy geodezyjnego wyznaczania przemieszczeń. Pojęciai elementy metodyki. Warszawa: OWPW. Yalc inkaya,m, Bayrak T. (2005) Comparison of Static,Kinematic and Dynamic Geodetic Deformation Models for Kutlugün Landslidein Northeastern Turkey. Springer, Natural Hazards34, s Dr hab. inż. Edward Preweda, prof. n. AGH Katedra Geomatyki AGH Akademia Górniczo-Hutnicza Al. Mickiewicza Kraków Paw. C4, p.415 Tel. (12)
KADD Metoda najmniejszych kwadratów funkcje nieliniowe
Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji
Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1
Założenie: f(x) funkcja którą aproksymujemy X jest przestrzenią liniową Aproksymacja liniowa funkcji f(x) polega na wyznaczeniu współczynników a 0,a 1,a 2,...,a m funkcji: Gdzie: - są funkcjami bazowymi
Zaawansowane metody numeryczne
Wykład 1 Zadanie Definicja 1.1. (zadanie) Zadaniem nazywamy zagadnienie znalezienia rozwiązania x spełniającego równanie F (x, d) = 0, gdzie d jest zbiorem danych (od których zależy rozwiązanie x), a F
Estymacja wektora stanu w prostym układzie elektroenergetycznym
Zakład Sieci i Systemów Elektroenergetycznych LABORATORIUM INFORMATYCZNE SYSTEMY WSPOMAGANIA DYSPOZYTORÓW Estymacja wektora stanu w prostym układzie elektroenergetycznym Autorzy: dr inż. Zbigniew Zdun
Metody numeryczne Wykład 4
Metody numeryczne Wykład 4 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Metody skończone rozwiązywania
Rok akademicki: 2017/2018 Kod: DGK GN-s Punkty ECTS: 3. Kierunek: Geodezja i Kartografia Specjalność: Gospodarka nieruchomościami i kataster
Nazwa modułu: Zaawansowane metody opracowania wyników obserwacji Rok akademicki: 2017/2018 Kod: DGK-2-102-GN-s Punkty ECTS: 3 Wydział: Geodezji Górniczej i Inżynierii Środowiska Kierunek: Geodezja i Kartografia
Baza informacji na temat przemieszczeń poziomych terenu
Edward Preweda Akademia Górniczo-Hutnicza w Krakowie Wydział Geodezji Górniczej i Inżynierii Środowiska Katedra Informacji o Terenie Streszczenie Baza informacji na temat przemieszczeń poziomych terenu
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele
INTERPOLACJA I APROKSYMACJA FUNKCJI
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Wprowadzenie Na czym polega interpolacja? Interpolacja polega
Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy
MODEL REGRESJI LINIOWEJ. METODA NAJMNIEJSZYCH KWADRATÓW Analiza regresji zajmuje się badaniem zależności pomiędzy interesującymi nas wielkościami (zmiennymi), mające na celu konstrukcję modelu, który dobrze
Układy równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Modele zapisane w przestrzeni stanów
Modele zapisane w przestrzeni stanów Modele Przestrzeni Stanów (State Space Models) sa to modele, w których część parametrów jest nieobserwowalna i losowa. Zachowanie wielowymiarowej zmiennej y t zależy
POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko
1. PODSTAWY TEORETYCZNE
1. PODSTAWY TEORETYCZNE 1 1. 1. PODSTAWY TEORETYCZNE 1.1. Wprowadzenie W pierwszym wykładzie przypomnimy podstawowe działania na macierzach. Niektóre z nich zostały opisane bardziej szczegółowo w innych
Ekonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Wprowadzenie do modelowania ekonometrycznego Estymator Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 1 Estymator 1 / 16 Agenda 1 Literatura Zaliczenie przedmiotu 2 Model
Metody numeryczne. Sformułowanie zagadnienia interpolacji
Ćwiczenia nr 4. Sformułowanie zagadnienia interpolacji Niech będą dane punkty x 0,..., x n i wartości y 0,..., y n, takie że i=0,...,n y i = f (x i )). Szukamy funkcji F (funkcji interpolującej), takiej
Zaawansowane metody numeryczne
Wykład 10 Rozkład LU i rozwiązywanie układów równań liniowych Niech będzie dany układ równań liniowych postaci Ax = b Załóżmy, że istnieją macierze L (trójkątna dolna) i U (trójkątna górna), takie że macierz
1 Pochodne wyższych rzędów
1 Pochodne wyższych rzędów Definicja 1.1 (Pochodne cząstkowe drugiego rzędu) Niech f będzie odwzorowaniem o wartościach w R m, określonym na zbiorze G R k. Załóżmy, że zbiór tych x G, dla których istnieje
Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe.
Z5: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania zagadnienie brzegowe Dyskretne operatory różniczkowania Numeryczne obliczanie pochodnych oraz rozwiązywanie
Programowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Pomiarowa baza badawcza na terenie PWSTE Measurement research base at the Higher School of Technology and Economics in Jarosław (PWSTE)
Konferencja naukowa Jarosław 09.03.2017 r. Współczesne metody gromadzenia i przetwarzania danych geodezyjnych i gospodarczych Pomiarowa baza badawcza na terenie PWSTE Measurement research base at the Higher
Metoda eliminacji Gaussa. Autorzy: Michał Góra
Metoda eliminacji Gaussa Autorzy: Michał Góra 9 Metoda eliminacji Gaussa Autor: Michał Góra Przedstawiony poniżej sposób rozwiązywania układów równań liniowych jest pewnym uproszczeniem algorytmu zwanego
RYNKOWY WSPÓŁCZYNNIK REGIONALNY W PODEJŚCIU KOSZTOWYM WYCENY NIERUCHOMOŚCI THE MARKET-BASED REGIONAL INDICATOR IN THE COST APPROACH TO VALUATION
INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH INFRASTRUCTURE AND ECOLOGY OF RURAL AREAS Nr I/2/2017, POLSKA AKADEMIA NAUK, Oddział w Krakowie, s. 385 393 Komisja Technicznej Infrastruktury Wsi DOI: http://dx.medra.org/10.14597/infraeco.2017.1.2.028
5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
EDWARD PREWEDA RACHUNEK WYRÓWNAWCZY MODELE STATYSTYCZNE. i:::::>
EDWARD PREWEDA RACHUNEK WYRÓWNAWCZY i:::::> MODELE STATYSTYCZNE Kraków 2013 Recenzenci: prof. dr hab. inż. Józef Czaja prof. dr hab. inż. Karol Noga Afiliacja autora AGH Akademia Górniczo - Hutnicza Copyright
Geometryczna interpretacja i własności jednopunktowej oraz globalnej charakterystyki dokładności poziomych sieci geodezyjnych
ZN AR, XIV, 324. Geodezja i Urządzenia Rolne, Wrocław, 1997 Stanisław Latoś Edward Preweda Katedra Informacji o Terenie Wydział Geodezji Górniczej i Inżynierii Środowiska AGH Kraków Geometryczna interpretacja
Metoda elementów skończonych
Metoda elementów skończonych Wraz z rozwojem elektronicznych maszyn obliczeniowych jakimi są komputery zaczęły pojawiać się różne numeryczne metody do obliczeń wytrzymałości różnych konstrukcji. Jedną
dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;
Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia
Układy równań liniowych. Krzysztof Patan
Układy równań liniowych Krzysztof Patan Motywacje Zagadnienie kluczowe dla przetwarzania numerycznego Wiele innych zadań redukuje się do problemu rozwiązania układu równań liniowych, często o bardzo dużych
Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe
Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje
Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Algebra liniowa. Macierze i układy równań liniowych
Algebra liniowa Macierze i układy równań liniowych Własności wyznaczników det I = 1, det(ab) = det A det B, det(a T ) = det A. Macierz nieosobliwa Niech A będzie macierzą kwadratową wymiaru n n. Mówimy,
Przekształcanie równań stanu do postaci kanonicznej diagonalnej
Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przygotowanie: Dariusz Pazderski Liniowe przekształcenie równania stanu Rozważmy liniowe równanie stanu i równanie wyjścia układu niesingularnego
IX. MECHANIKA (FIZYKA) KWANTOWA
IX. MECHANIKA (FIZYKA) KWANTOWA IX.1. OPERACJE OBSERWACJI. a) klasycznie nie ważna kolejność, w jakiej wykonujemy pomiary. AB = BA A pomiar wielkości A B pomiar wielkości B b) kwantowo wartość obserwacji
Lokalna odwracalność odwzorowań, odwzorowania uwikłane
Lokalna odwracalność odwzorowań, odwzorowania uwikłane Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 17 maja 2012 Definicja Mówimy, że odwzorowanie F : X R n, gdzie X R n, jest lokalnie
Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
KADD Minimalizacja funkcji
Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego
Ważne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
Koncepcja pomiaru i wyrównania przestrzennych ciągów tachimetrycznych w zastosowaniach geodezji zintegrowanej
Koncepcja pomiaru i wyrównania przestrzennych ciągów tachimetrycznych w zastosowaniach geodezji zintegrowanej Krzysztof Karsznia Leica Geosystems Polska XX Jesienna Szkoła Geodezji im Jacka Rejmana, Polanica
3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Optymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Metoda największej wiarygodności
Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna
Ćwiczenia nr 7. TEMATYKA: Krzywe Bézier a
TEMATYKA: Krzywe Bézier a Ćwiczenia nr 7 DEFINICJE: Interpolacja: przybliżanie funkcji za pomocą innej funkcji, zwykle wielomianu, tak aby były sobie równe w zadanych punktach. Poniżej przykład interpolacji
Statystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Metody numeryczne I Równania nieliniowe
Metody numeryczne I Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/66 Równania nieliniowe 1. Równania nieliniowe z pojedynczym pierwiastkiem
Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),
Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer
3. Interpolacja. Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która
3. Interpolacja Interpolacja w sensie Lagrange'a (3.1) Dana jest funkcja y= f x określona i ciągła w przedziale [a ;b], która przyjmuje wartości y 1, y 2,, y n, dla skończonego zbioru argumentów x 1, x
Wykład 14. Elementy algebry macierzy
Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,
Wykład 5. Metoda eliminacji Gaussa
1 Wykład 5 Metoda eliminacji Gaussa Rozwiązywanie układów równań liniowych Układ równań liniowych może mieć dokładnie jedno rozwiązanie, nieskończenie wiele rozwiązań lub nie mieć rozwiązania. Metody dokładne
WYKŁAD 9 METODY ZMIENNEJ METRYKI
WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać
Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 24 czerwca 2019 roku
Egzamin pisemny zestaw. ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x n, to funkcja x0 x gx ( ) + [ gx (
Matematyka stosowana i metody numeryczne
Ewa Pabisek Adam Wosatko Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 8 Interpolacja Interpolacja polega na budowaniu tzw. funkcji interpolujących ϕ(x) na podstawie zadanych
Układy równań liniowych
Układy równań liniowych ozważmy układ n równań liniowych o współczynnikach a ij z n niewiadomymi i : a + a +... + an n d a a an d a + a +... + a n n d a a a n d an + an +... + ann n d n an an a nn n d
Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R
Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Wstęp do metod numerycznych Zadania numeryczne 2016/17 1
Wstęp do metod numerycznych Zadania numeryczne /7 Warunkiem koniecznym (nie wystarczającym) uzyskania zaliczenia jest rozwiązanie co najmniej 3 z poniższych zadań, przy czym zadania oznaczone literą O
Egzamin z Metod Numerycznych ZSI, Egzamin, Gr. A
Egzamin z Metod Numerycznych ZSI, 06.2007. Egzamin, Gr. A Imię i nazwisko: Nr indeksu: Section 1. Test wyboru, max 33 pkt Zaznacz prawidziwe odpowiedzi literą T, a fałszywe N. Każda prawidłowa odpowiedź
RÓWNANIE DYNAMICZNE RUCHU KULISTEGO CIAŁA SZTYWNEGO W UKŁADZIE PARASOLA
Dr inż. Andrzej Polka Katedra Dynamiki Maszyn Politechnika Łódzka RÓWNANIE DYNAMICZNE RUCHU KULISTEGO CIAŁA SZTYWNEGO W UKŁADZIE PARASOLA Streszczenie: W pracy opisano wzajemne położenie płaszczyzny parasola
Stanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka 1 2 3 1. Wprowadzenie do danych panelowych a) Charakterystyka danych panelowych b) Zalety i ograniczenia 2. Modele ekonometryczne danych panelowych a) Model efektów
Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Mikroekonometria 3. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 3 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.hedonic.dta przygotuj model oszacowujący wartość kosztów zewnętrznych rolnictwa 1. Przeprowadź regresję objaśniającą
ELEMENTY ANALIZY NUMERYCZNEJ ELEMENTY ANALIZY NUMERYCZNEJ. Egzamin pisemny zestaw 1 26 czerwca 2017 roku
Egzamin pisemny zestaw czerwca 0 roku Imię i nazwisko:.... ( pkt.) Udowodnić, że jeśli funkcja g interpoluje funkcję f w węzłach x 0, x, K, x n, a funk- cja h interpoluje funkcję f w węzłach x, x, K, x
Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych
Mechatronika i inteligentne systemy produkcyjne Modelowanie systemów mechatronicznych Platformy przetwarzania danych 1 Sterowanie procesem oparte na jego modelu u 1 (t) System rzeczywisty x(t) y(t) Tworzenie
5. Analiza dyskryminacyjna: FLD, LDA, QDA
Algorytmy rozpoznawania obrazów 5. Analiza dyskryminacyjna: FLD, LDA, QDA dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. Liniowe funkcje dyskryminacyjne Liniowe funkcje dyskryminacyjne mają ogólną
SPIS TREŚCI PRZEDMOWA... 13
SPIS TREŚCI PRZEDMOWA... 13 CZĘŚĆ I. ALGEBRA ZBIORÓW... 15 ROZDZIAŁ 1. ZBIORY... 15 1.1. Oznaczenia i określenia... 15 1.2. Działania na zbiorach... 17 1.3. Klasa zbiorów. Iloczyn kartezjański zbiorów...
Wstęp do metod numerycznych Faktoryzacja QR i SVD. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja QR i SVD P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Transformacja Householdera Niech u R N, u 0. Tworzymy macierz W sposób oczywisty P T = P. Obliczmy
Graficzne opracowanie wyników pomiarów 1
GRAFICZNE OPRACOWANIE WYNIKÓW POMIARÓW Celem pomiarów jest bardzo często potwierdzenie związku lub znalezienie zależności między wielkościami fizycznymi. Pomiar polega na wyznaczaniu wartości y wielkości
Elementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Wykład z równań różnicowych
Wykład z równań różnicowych 1 Wiadomości wstępne Umówmy się, że na czas tego wykładu zrezygnujemy z oznaczania n-tego wyrazu ciągu symbolem typu x n, y n itp. Zamiast tego pisać będziemy x (n), y (n) itp.
Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem
Rozdział 6 Równania liniowe 6 Przekształcenia liniowe Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem F Definicja 6 Funkcję f : X Y spełniającą warunki: a) dla dowolnych x,
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.
Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki
Algebra liniowa z geometrią
Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........
Zad. 3: Układ równań liniowych
1 Cel ćwiczenia Zad. 3: Układ równań liniowych Wykształcenie umiejętności modelowania kluczowych dla danego problemu pojęć. Definiowanie właściwego interfejsu klasy. Zwrócenie uwagi na dobór odpowiednich
Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.
. Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21
a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...
Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x
Analiza składowych głównych
Analiza składowych głównych Wprowadzenie (1) W przypadku regresji naszym celem jest predykcja wartości zmiennej wyjściowej za pomocą zmiennych wejściowych, wykrycie związku między wielkościami wejściowymi
II. Równania autonomiczne. 1. Podstawowe pojęcia.
II. Równania autonomiczne. 1. Podstawowe pojęcia. Definicja 1.1. Niech Q R n, n 1, będzie danym zbiorem i niech f : Q R n będzie daną funkcją określoną na Q. Równanie różniczkowe postaci (1.1) x = f(x),
Aproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można
WYKŁAD 8 ANALIZA REGRESJI
WYKŁAD 8 ANALIZA REGRESJI Regresja 1. Metoda najmniejszych kwadratów-regresja prostoliniowa 2. Regresja krzywoliniowa 3. Estymacja liniowej funkcji regresji 4. Testy istotności współczynnika regresji liniowej
CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI
7. ELEMENTY PŁYTOWE. gdzie [N] oznacza przyjmowane funkcje kształtu, zdefinować odkształcenia i naprężenia: zdefiniować macierz sztywności:
7. ELEMENTY PŁYTOWE 1 7. 7. ELEMENTY PŁYTOWE Rys. 7.1. Element płytowy Aby rozwiązać zadanie płytowe należy: zdefiniować geometrię płyty, dokonać podziału płyty na elementy, zdefiniować węzły, wprowadzić
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
8. PODSTAWY ANALIZY NIELINIOWEJ
8. PODSTAWY ANALIZY NIELINIOWEJ 1 8. 8. PODSTAWY ANALIZY NIELINIOWEJ 8.1. Wprowadzenie Zadania nieliniowe mają swoje zastosowanie na przykład w rozwiązywaniu cięgien. Przyczyny nieliniowości: 1) geometryczne:
Model odpowiedzi i schemat oceniania do arkusza II
Model odpowiedzi i schemat oceniania do arkusza II Zadanie 12 (3 pkt) Z warunków zadania : 2 AM = MB > > n Wprowadzenie oznaczeń, naprzykład: A = (x, y) i obliczenie współrzędnych wektorów n Obliczenie
4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ
4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ 1 4. 4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ 4.1. Elementy trójkątne Do opisywania dwuwymiarowego kontinuum jako jeden z pierwszych elementów
Spis treści PRZEDMOWA DO WYDANIA PIERWSZEGO...
Spis treści PRZEDMOWA DO WYDANIA PIERWSZEGO....................... XI 1. WPROWADZENIE DO GEODEZJI WYŻSZEJ..................... 1 Z historii geodezji........................................ 1 1.1. Kształt
3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Drgania układu o wielu stopniach swobody
Drgania układu o wielu stopniach swobody Rozpatrzmy układ składający się z n ciał o masach m i (i =,,..., n, połączonych między sobą i z nieruchomym podłożem za pomocą elementów sprężystych o współczynnikach
Filtr Kalmana. Struktury i Algorytmy Sterowania Wykład 1-2. prof. dr hab. inż. Mieczysław A. Brdyś mgr inż. Tomasz Zubowicz
Filtr Kalmana Struktury i Algorytmy Sterowania Wykład 1-2 prof. dr hab. inż. Mieczysław A. Brdyś mgr inż. Tomasz Zubowicz Politechnika Gdańska, Wydział Elektortechniki i Automatyki 2013-10-09, Gdańsk Założenia
- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd.
4. Równania dyfuzji 4.1. Prawo zachowania masy cd. Równanie dyfuzji jest prostą konsekwencją prawa zachowania masy, a właściwie to jest to prawo zachowania masy zapisane dla procesu dyfuzji i uwzględniające
Komputerowa Analiza Danych Doświadczalnych
Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11; środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd
Formy kwadratowe. Rozdział 10
Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w
Opis systemów dynamicznych w przestrzeni stanu. Wojciech Kurek , Gdańsk
Opis systemów dynamicznych Mieczysław Brdyś 27.09.2010, Gdańsk Rozważmy układ RC przedstawiony na rysunku poniżej: wejscie u(t) R C wyjście y(t)=vc(t) Niech u(t) = 2 + sin(t) dla t t 0 gdzie t 0 to chwila
TEMATYKA PRAC DYPLOMOWYCH MAGISTERSKICH STUDIA STACJONARNE DRUGIEGO STOPNIA ROK AKADEMICKI 2011/2012
STUDIA STACJONARNE DRUGIEGO STOPNIA ROK AKADEMICKI 2011/2012 Instytut Geodezji GEODEZJA GOSPODARCZA PROMOTOR Ocena wykorzystania algorytmów interpolacyjnych do redukcji ilości danych pozyskiwanych w sposób
2.1. Postać algebraiczna liczb zespolonych Postać trygonometryczna liczb zespolonych... 26
Spis treści Zamiast wstępu... 11 1. Elementy teorii mnogości... 13 1.1. Algebra zbiorów... 13 1.2. Iloczyny kartezjańskie... 15 1.2.1. Potęgi kartezjańskie... 16 1.2.2. Relacje.... 17 1.2.3. Dwa szczególne
Programowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.