В среде Maple выполним следующие команды:
> data4:=[data1[k]^2$k=1..12];
> data5:=[data2[k]^2$k=1..12];
> M[el]:=[[data4[k],data5[k]]$k=1..12];
> evalf(fit[leastsquare[[X,Y]]]([data4,data5]));
> describe[linearcorrelation](data4,data5):r[el]:=evalf(%);
> plot([315.9626550-.8698268850e-1*X,M[el]],X=0..3500,Y=-50..350,style=[line,point],color=black,thickness=3);
Рисунок 3.4 - Линейная регрессия для эллипса в
новых переменных
Рисунок 3.4 - Линейная регрессия для эллипса в
новых переменных
> A:=315.9626550;B:=.8698268850e-1;b:=sqrt(A);a:=sqrt(A/B);
> plot([[a*cos(t),b*sin(t),t=0..Pi],m],x=-67..67,y=0..20,style=[line,point],color=black,symbol=BOX,thickness=3);
Рисунок 3.5 - Эллиптическая регрессионная зависимость на исходном корреляционном поле
3.3
Приближение контура поперечного сечения отсека обобщенной цепной линией
По корреляционной таблице 3.3 построим линейную
регрессию для эллипса в новых переменных. Выполним следующие команды:
> d:=2.9*59/17.5;
> data6:=[cosh(data1[k]/d)$k=1..12];
> data2:=[data2[k]$k=1..12];
Составим корреляционную таблицу 3.4 в новых
переменных.
Таблица3.4 - Корреляционная таблица в новых переменных
|
№ |
1 |
2 |
3 |
4 |
5 |
6 |
|
Xi |
ch(59/d) |
ch(56/d) |
ch(53/d) |
ch(40/d) |
ch(24/d) |
ch(10/d) |
|
Yi |
1.0 |
4 |
9.5 |
14.5 |
16 |
17.2 |
|
№ |
7 |
8 |
9 |
10 |
11 |
12 |
|
Xi |
ch(2/d) |
ch(22/d) |
ch(38/d) |
ch(49/d) |
ch(56/d) |
ch(59/d) |
|
Yi |
17.5 |
16.2 |
14.7 |
11 |
6.7 |
1.1 |
> M[cl]:=[[data6[k],data2[k]]$k=1..12];
> evalf(fit[leastsquare[[X,Y]]]([data6,data2]));
> describe[linearcorrelation](data6,data2):r[cl]:=evalf(%);
> plot([16.92748383-.7519628962e-1*X,M[cl]],X=1..220,Y=-1..17,style=[line,point],color=black,thickness=3);
Рисунок 3.6 - Графическое изображение линейной
регрессии для обобщенной цепной линии в новых переменных
> A:=16.92748383;B:=-.7519628962e-1;
> plot([16.92748383-.7519628962e-1*cosh(x/d),m],x=-67..67,y=0..20,style=[line,point],color=black,symbol=BOX,thickness=3);
Рисунок 3.7 - Кривая регрессии обобщённой цепной
линии на исходном корреляционном поле
Выводы по работе
1) Исследования в области проектирования теплозащитной одежды с объемными несвязными наполнителями позволяют повысить качество изделий и снизить материальные затраты на производство.
) В результате расчета толщины теплозащитного пакета при заданных условиях установлено, что средневзвешенная толщина в безветренную погоду равна 20,22 мм. При ветре V=5м/с и воздухопроницаемости В=30 дм3/(м2*с) толщина теплозащитного пакета должна быть увеличена на 22 % и она составит 21 мм.
) В результате анализа выборочных коэффициентов корреляции |r(цепн.)|=0,9828> |r(элл.)|=0,9877> |r(окр.)|=0,9381 установлено, что наиболее предпочтительным является приближение границы отсека цепной линией.
Библиографический список
1.Бекмурзаев Л.А. Методические указания к выполнению курсовой исследовательской работы на стыке фундаментальных дисциплин [Текст] / Л.А. Бекмурзаев. - Шахты: Издательство ЮРГУЭС, 2005.- 50с.
. Делль Р.А. Гигиена одежды: Учебное пособие для вузов - 2-е изд., перераб. и доп. [Текст] / Р.А. Делль, Р.Ф. Афанасьева, З.С. Чубарова. - М.: Легпромбытиздат, 1991. - 160с.
.Бузов Б.А. Материаловедение в производстве изделий лёгкой промышленности (швейное производство) [Текст] Учебник / Б.А. Бузов, Н.Д. Алыменкова; под ред.Б.А. Бузова - М.: Издательский центр «Академия», 2004 - 448с.
. СТО ЮРГУЭС 01-2009 Стандарт организации. Выпускные квалификационные работы. Курсовые проекты (работы). Основные требования к объёму и оформлению - Взамен СТП - 01-01. Дата введения-2009-04-01