问题描述
我有以下经验方程(工程):
Y = A + (X - B) * (0.3026506 * (A/B))^0.3895556 * (0.2444663 * (A/B))^1.226 + 0.00000560643 * A^(0.00125 * B + 0.3026)
我不知道 A 和 B 的值(但知道在某些物理边界之间存在)并且以表格格式给我的 Y 和 X 值:
X | Y |
---|---|
35 | 179.92 |
40 | 181.46 |
50 | 184.53 |
60 | 187.61 |
70 | 190.69 |
90 | 196.84 |
100 | 199.92 |
110 | 203 |
120 | 206.08 |
130 | 209.16 |
140 | 212.23 |
150 | 215.31 |
我的目标是调整 A 和 B 的值,使得 RHS 上的方程将具有与 Y 相似的值表中给出了方程中给出的所有常数。我的假设之一是使用梯度下降进行多元回归。我想我应该把 Y 作为我的成本函数,但是如果我不知道 A 和 B 应该有什么样的值,我该如何创建梯度下降图?可能需要其他方法吗?基本上,这是一个有两个已知和两个未知的方程。
提前致谢
解决方法
在python中你可以这样做:
def error(par,X,Y):
A = par[0]
B = par[1]
V = A + (X - B) * (0.3026506 * (A/B))**0.3895556 * (0.2444663 * (A/B))**1.226 + 0.00000560643 * A**(0.00125 * B + 0.3026)
return ((Y-V)**2).sum()
from scipy.optimize import minimize
X = [ 35,40,50,60,70,90,100,110,120,130,140,150]
Y = [179.92,181.46,184.53,187.61,190.69,196.84,199.92,203.,206.08,209.16,212.23,215.31]
minimize(error,[1,2],(X,Y))['x']
array([202.39468192,108.03429635])
,
这是一种使用线性回归的不同方法。
那么这不再是回归问题,而是求解两个未知数 A 和 B 的两个方程组的问题。
问题被简化为只有一个非线性方程需要求解 B。
使用 Newton-Raphson 方法的结果是 B=108.0343
A=1.873431*108.0343=202.3947
请注意,非线性方程是准线性的(第二项可以忽略不计 = 0.0000573)。因此,如果您接受略低的准确度,则更简单地使用 B=169.14586/1.565669=108.03424,这与 Newton-Raphson 结果非常接近。
这意味着您将使用更简单的方程获得 A 和 B 的非常接近的近似值:Y = A +(X-B) * 0.1116231 * (A/B)^1.6155556