атофакторних даних фізичного експерименту в проекційному просторі дозволяє досліднику краще зрозуміти і пояснити досліджувані явища. При цьому виникає необхідність (1) охарактеризувати властивості кожного окремого об'єкта щодо всієї групи об'єктів і побудованої моделі; (2) окреслити область дії моделі, а, отже, і надійність прогнозу. Метод ПІО представляє систему класифікації об'єктів, а так же набір однозначних правил для визначення статусу (ролі) кожного об'єкта. p align="justify"> Результати ПІО класифікації демонструються на прикладі застосування акустичних вимірювань з подальшою математичною обробкою експериментальних даних для кількісного визначення слідових концентрації нафти в промислових стічних водах в режимі реального часу.
Матриця предикторів Х складається з акустичних спектрів (перетворені за допомогою швидкого перетворення Фур'є) на 1024 частотах; вектор відгуків у - це відоме стандартні концентрації нафти (0, 2.5,5, 10, 20, 50, 100 , 300 ppm). За допомогою ПЛС методу побудована модель, заснована на двох ГК, при цьому RMSEC = 0.12, і RMSEP = 0.24. p align="justify"> Порівняння графіків на Рис. 3.1 а) і b) показує, яку нову інформацію надає ПІО метод, порівняно із звичайним ПЛС методом. Порівнюючи ДЗГ (Рис.3.1 а) з графіком впливовості Рис.3.1 b видно, що всі найбільш впливові об'єкти (NN 37, 38, і 40), а так само об'єкт, що має максимальне значення залишку моделювання (N5), є граничним по ПІО класифікації.
В
Рис.3.1 Визначення слідових концентрації нафти у воді.
ПІО класифікація дозволяє однозначно визначати всі найбільш впливові об'єкти серед калібрувального набору (Утв.2.8). Концепція граничних об'єктів має сенс не тільки всередині самого методу ПІО, вона об'єктивно характеризує досліджувану структуру даних фізичного експерименту. p align="justify"> Важливим аспектом ПІО класифікації є визначення статусу об'єктів перевірочного набору. У перевірочному наборі виявлено 32 внутрішніх і 8 зовнішніх об'єктів (Рис.3.1 а). Зовнішніми об'єкти можуть бути з двох причин: (1) велика помилка у вимірах відгуків; (2) похибка моделювання. Прогноз на такі об'єкти, наприклад Т7, є ненадійним. Об'єкт Т39 є абсолютно зовнішнім. Такі об'єкти за структурою даних в ПРЕДИКТОРИ відрізняється від калібрувальних об'єктів. Величина прогнозних інтервалів для них завжди більше, ніж ?.
Таким чином, ПІО метод не тільки дозволяє виявити граничні об'єкти в калібрувальному наборі, але і являє детальну інформацію для індивідуальної класифікації об'єктів перевірочного набору.
3.2 Дослідження викидів
Калібрувальна модель використовується для передбачення відгуків нових об'єктів. Якщо новий об'єкт погано узгоджується з моделлю, результат передбачення буде поганим (велика невизн...
