Вестник МГТУ, 2023, Т. 26, № 4.

Вестник МГТУ. 2023. Т. 26, № 4. С. 472-488. DOI: https://doi.org/10.21443/1560-9278-2023-26-4-472-488 нормированное значение Dc, названное Ndc = 0,594. С его помощью и функции deNorm определены в MathCad прогнозные значения bec = 19,426; vc = 4,205; omc = 41,689. На скриншоте слева (рис. 14) показаны эти процедуры и полученные прогнозы, правее их приведены действительные значения. Сравнение значений свидетельствует о том, что прогноз весьма удовлетворителен, т. е. адекватен результатам стандартных натурных испытаний. Рис. 14. Процедуры нормирования и денормирования и полученные прогнозы Fig. 14. Procedures for normalization and denormalization and the resulting forecasts Прогнозы носят вероятностный характер, и их совпадение в одной строке не говорит о качестве прогноза в целом. Поэтому ту же процедуру применим к векторам Dc, Vc, omC, beC (рис. 13). С помощью вектора Dc получим нормированный вектор V_Ndc = Norm(V_Dc, 332, 364). Затем, используя только его как основу, найдем денормированные векторы значений остальных характеристик: V_bedN = deNorm(V_Ndc, 18.454, 20.091); V_omdN = deNorm(V_Ndc, 40.088, 42.783); V_vdN = deNorm(V_Ndc, 4.137, 4.252). Здесь префикс V_ в обозначениях переменных подчеркивает их принадлежность к вектор-столбцам. Значения этих векторов не приводятся, так как каждый из них содержит 120 элементов (строк). Вычислим среднюю квадратическую погрешность прогноза для этих характеристик по всему множеству из 120 наборов данных. Результат такого сравнения, выполненного в среде MathCad, показан на рис. 15. Денормированные векторы характеристик вычитаются поэлементно из фактических значений, разности возводятся в квадрат и складываются по всем наборам от 1 до 120. Результат делится на число наборов 120 и извлекается корень квадратный. На рис. 15 приведены выражения из MathCad и полученные значения СКП (справа). Cравнение этих значений свидетельствует о том, что совокупность векторов-прогнозов адекватна результатам стандартных натурных испытаний. Рис. 15. Расчет средней квадратической погрешности по трем прогнозируемым характеристикам на всем наборе данных Fig. 15. Calculation of the root mean square error for three predictive characteristics on the entire data set 483