Сравнение целевых функций в задаче Прони для аппроксимации данных измерений

Автор: Ломов Андрей Александрович, Русинова Елизавета Александровна

Журнал: Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика @vestnik-susu-cmi

Статья в выпуске: 2 т.11, 2022 года.

Бесплатный доступ

В работе проводится сравнение двух целевых функций в задаче Прони аппроксимации данных измерений решениями линейного дифференциального уравнения заданного порядка с постоянными коэффициентами. Целевые функции различаются типом зависимости градиента от коэффициентов уравнения (линейная или со сложной нелинейностью) и являются 1) нормой невязки уравнения (линейный метод наименьших квадратов) или 2) нормой ошибки аппроксимации по А. Хаусхолдеру (вариационный метод идентификации). В последнем случае производится совместная оптимизация коэффициентов дифференциального уравнения и начальных условий решения. Для рассмотренных целевых функций вычислены константы локальной устойчивости решения задачи Прони с использованием локальных разложений зависимостей оптимальных коэффициентов уравнения как неявных функций от данных из условия равенства градиента целевой функции нулю. На этой основе предложен способ определения допустимой погрешности в данных задачи для обеспечения заданного уровня отклонения решения от истинного значения. На примере К. Ланцоша вычисления показателей экспонент по наблюдениям суммы трех экспонент с ошибками округления показано существенное преимущество (с точки зрения допустимой погрешности в данных) использования вариационной целевой функции. Адекватность используемых локальных показателей устойчивости для немалых возмущений проверяется численным экспериментом.

Еще

Аппроксимация данных измерений, задача прони, пример к. ланцоша выделения показательных функций, локальная устойчивость, метод наименьших квадратов, вариационный метод

Короткий адрес: https://sciup.org/147238108

IDR: 147238108   |   DOI: 10.14529/cmse220202

Список литературы Сравнение целевых функций в задаче Прони для аппроксимации данных измерений

  • Марпл С.Л. Цифровой спектральный анализ и его приложения. М.: Мир, 1990. 265 с.
  • Бердышев В.И., Петрак Л.В. Аппроксимация функций, сжатие численной информации, приложения. Екатеринбург: Уро РАН, 1999. 296 с.
  • Householder A.S. On Prony’s method of fitting exponential decay curves and multiple-hit survival curves. Oak Ridge National Lab. Report ORNL-455. 1950. Oak Ridge, Tennessee. URL: http://www.technicalreports.org/trail/detail/11105 (дата обращения: 15.12.2021).
  • Егоршин А.О. Метод наименьших квадратов и «быстрые» алгоритмы в вариационных задачах идентификации и фильтрации (метод ВИ) // Автометрия. 1988. № 1. С. 30-42. URL: http://www.iae.nsk.su/images/stories/5_Autometria/5_Archives/1988/1/ 30-42.pdf (дата обращения: 15.12.2021).
  • Puller W.A. Measurement Error Models. New York: Wiley, 1987. 440 p. DOI: 10.1002/9780470316665.
  • Ломов А.А. О количественных априорных показателях идентифицируемости коэффициентов линейных динамических систем // Известия РАН ТСУ. 2011. № 1. С. 3-15. DOI: 10.1134/S106423071101014X.
  • Ломов А.А., Федосеев А.В. Сравнение методов параметрической идентификации линейных динамических систем в условиях смешанных возмущений // Сибирский журнал чистой и прикладной математики. 2018. Т. 18, № 3. С. 45-59. DOI: 10.17377/РАМ.2018.18.6.
  • Ланцош К. Практические методы прикладного анализа. Справочное руководство. М.: Физматгиз, 1961. 524 с.
  • Ломов А.А. О сходимости вычислительных алгоритмов в вариационной задаче идентификации коэффициентов разностных уравнений // Сибирский журнал индустриальной математики. 2020. Т. 83, № 3. С. 77-90. DOI: 10.33048/SIBJIM.2020.23.307.
  • de Prony G. Essai experimental et analytique: sur les lois de la dilatabilite de fluides elastique et sur celles de la force expansive de la vapeur de l’alkool, a differentes temperatures // Journal deГёсоіеPolytechnique. 1795. Vol. 1, no. 22. P. 24-76. URL: http://users.polytech.unice. fr/~leroux/PR0NY.pdf (дата обращения: 15.12.2021).
  • Mitrofanov G., Priimenko V. Prony Filtering of Seismic Data // Acta Geophysica. 2015. Vol. 63, no. 3. P. 652-678. DOI: 10.1515/acgeo-2015-0012.
  • Коломейцева А.В., Мишугова Г.В., Мул А.П., Рябых Г.Ю. Применение вейвлет-преобразования и метода Прони для идентификации биогенных сигналов // Вестник ДГТУ. 2010. Т. 10, № 4. С. 455-465.
  • Bjorck A. Numerical methods for least squares problems. USA: SIAM, 1996. 425 p. DOI: 10.1137/1.9781611971484.chi.
  • Keller I., Plonka G. Modifications of Prony’s Method for the Recovery and Sparse Approximation with Generalized Exponential Sums // Approximation Theory XVI / ed. by G.E. Fasshauer, M. Neamtu, L.L. Schumaker. Cham: Springer International Publishing, 2021. P. 123-152. DOI: 10.1007/978-3-030-57464-2 7.
  • Osborne M.R. A class of nonlinear regression problems // Data representation / ed. by R.S. Anderssen, M.R. Osborne. St. Lucia: University of Queensland Press, 1970. P. 94-101.
  • Егоршин А.О., Будянов В.П. Сглаживание сигналов и оценивание динамических параметров в автоматических системах с помощью ЦВМ // Автометрия. 1973. № 1. С. 78-82. URL: https://www.iae.nsk.su/images/stories/5_Autometria/5_Archives/1973/l/ 78-82.pdf (дата обращения: 15.12.2021).
  • Брайсон А., Хо Ю-Ши. Прикладная теория оптимального управления: оптимизация, оценка и управление. М.: Мир, 1972. 544 с.
  • Егоршин А.О. О дискретизации линейных дифференциальных уравнений // Вестник ЮУрГУ. Серия: Матем. моделирование и программирование. 2012. Т. 40(299), № 14. С. 59-72. URL: https://mmp.susu.ru/article/en/179 (дата обращения: 15.12.2021).
Еще
Статья научная