Моделирование систем и процессов нефтепереработки и нефтехимии.Модель для имитации динамических рядов многомерного объекта, страница 5

Рисунок 33 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 100000 в РЕМ

Рисунок 34 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 100000 в processmodels

Рисунок 34 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 100000 в PEMпри 2 половине динамического ряда

Рисунок 35 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 100000 в Processmodels при 2 половине динамического ряда

Рисунок 36 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 1000 в PEM при validationdatabaza динамического ряда

Рисунок 37 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 1000 в Processmodelsvalidationdatabaza динамического ряда

Рисунок 38 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 1000 в PEM при validationdata 2 половина динамического ряда

Рисунок 38 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 1000 в при Processmodelsvalidationdata 2 половина динамического ряда

Рисунок 39 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 10000 в PEM при validationdatabaza динамического ряда

Рисунок 40 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 10000 в Processmodelsvalidationdatabaza динамического ряда

Рисунок 41 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 10000 в PEM при validationdata 2 половина динамического ряда

Рисунок 42 – bestfit для 0.5% , 5%, 50% шума при динамическом ряде 10000 в при Processmodelsvalidationdata 2 половина динамического ряда

Рисунок 43 – параметры передаточных функции W11,W21,W12,W22 при 1000 экземпляров 0,5% validationdata базовый

Рисунок 44 – параметры передаточных функции W11,W21,W12,W22 при 1000 экземпляров 5%  validationdata базовый

Рисунок 45 – параметры передаточных функции W11,W21,W12,W22 при 1000 экземпляров 50%  validationdata базовый

Рисунок 46 – параметры передаточных функции W11,W21,W12,W22 при 1000 экземпляров 0,5%  validationdata 2-я половина

Рисунок 47 – параметры передаточных функции W11,W21,W12,W22 при 1000 экземпляров 5%  validationdata 2-я половина

Рисунок 48 – параметры передаточных функции W11,W21,W12,W22 при 1000 экземпляров 50%  validationdata 2-я половина

Рисунок 49 – параметры передаточных функции W11,W21,W12,W22 при 10000 экземпляров 0,5%  validationdata базовый

Рисунок 50 – параметры передаточных функции W11,W21,W12,W22 при 10000 экземпляров 5%  validationdata базовый

Рисунок 51 – параметры передаточных функции W11,W21,W12,W22 при 10000 экземпляров 50%  validationdata базовый

Рисунок 52 – параметры передаточных функции W11,W21,W12,W22 при 10000 экземпляров 0,5%  validationdata 2-я половина

Рисунок 53 – параметры передаточных функции W11,W21,W12,W22 при 10000 экземпляров 5%  validationdata 2-я половина

Рисунок 54 – параметры передаточных функции W11,W21,W12,W22 при 10000 экземпляров 50%  validationdata 2-я половина

Рисунок 61 – параметры передаточных функции W11,W21,W12,W22 при 100000 экземпляров 0,5%  validationdata база

Рисунок 62 – параметры передаточных функции W11,W21,W12,W22 при 100000 экземпляров 5%  validationdata база

Рисунок 63 – параметры передаточных функции W11,W21,W12,W22 при 100000 экземпляров 50%  validationdata база

Рисунок 64 – параметры передаточных функции W11,W21,W12,W22 при 100000 экземпляров 0,5%  validationdata 2-я половина

Рисунок 65 – параметры передаточных функции W11,W21,W12,W22 при 100000 экземпляров 5%  validationdata 2-я половина

Рисунок 66 – параметры передаточных функции W11,W21,W12,W22 при 100000 экземпляров 50%  validationdata 2-я половина

Вывод к 3 части курсовой работы : по данным эксперимента точность идентификации bestfit при увеличении мощности шума понижается, а также bestfit повышается чем больше экземпляров (1000,10000,100000). Значения полученные через processmodels точнее чем метод PEM (PredictionErrorMinimization).