ИНЖЕНЕРНОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

Е. А. Тетерин

 

ИНЖЕНЕРНОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

Методические указания

К выполнению практических работ

 

 

для специальности

21.05.04 «Горное дело»

 

 

Новочеркасск 2017

 

УДК 528.4 : 69(075.8)

 

 

Рецензент –

 

 

     Тетерин Е. А.

 

     Методические указания к выполнению практических работ/ Е. А. Тетерин; Шахтинский ин-т (филиал) ЮРГПУ (НПИ). – Новочеркасск: ЮРГПУ, 2017. – 15 с. – 50 экз.

 

     Методические указания состоят из 9 практических занятий.

Содержат методические рекомендации и порядок выполнения практических занятий.

Предназначены для студентов, обучающихся по специальности

21.05.04 «Горное дело», всех форм обучения.

 

         

 

УДК 528.4 : 69(075.8)

© Шахтинский институт ЮРГПУ, 2017

© Тетерин Е. А., 2017

СОДЕРЖАНИЕ

		стр
	Введение
1	Обзор функциональных возможностей Компас 3D
2	Построение 2D-чертежей в Компас-График
3	Моделирование 3D-объектов в Компас-3D
4	Функциональные возможности ГГИС Isoline и               ГГИС Micromine
5	Математическая интерпретация геоданных в ГГИС Isoline
6	Построение изолинии и изоповерхностей в ГГИС Isoline
7	Обзор функциональных возможностей программного обеспечения статистических исследований MS Excel, Scilab, Mathcad
8	Проведение статистических расчетов в MS Excel
9	Проведение статистических расчетов в Scilab
	Список литературы

ВВЕДЕНИЕ

Методические указания предназначены для студентов направления «Горное дело» всех специализаций.

Перед началом работы следует повторить теоретический материал по тематике работы, изучить методические указания по работе, подготовить бланк отчета, в котором имеются пустые таблицы, координатные оси и другие поля, необходимые для записи и обработки результатов проводимых измерений. Приступая к выполнению работы, следует четко представлять себе ее содержание и порядок выполнения.

Отчет выполняется машинописным (компьютерным) способом на листах формата А4 без рамки, основной надписи и дополнительных граф к ней. Данные проведенного анализа или выполненной практической задачи обрабатываются по методике, приведенной в методических указаниях, результаты обработки приводятся в отчете в виде таблиц, графиков, диаграмм. По результатам выполнения работы делаются выводы.

По окончании семестра отчеты по всем выполненным работам сшиваются, снабжаются титульным листом и сдаются преподавателю.

 

ПРАКТИЧЕСКАЯ РАБОТА № 1

ПРАКТИЧЕСКАЯ РАБОТА № 2

ПРАКТИЧЕСКАЯ РАБОТА № 3

ПРАКТИЧЕСКАЯ РАБОТА № 4

ПРАКТИЧЕСКАЯ РАБОТА № 5

Координаты и качественный показатель

№П/П	Относительные координаты		Z1		Z2		Название скважины
	x	y
1	270	25		108		0,92		1252
2	105	38		221		0,61		192
3	280	140		49		1,56		211
4	157	167		254		2,34		2018
5	51	157		273		2,94		188

 

 

ПРАКТИЧЕСКАЯ РАБОТА № 6

ПРАКТИЧЕСКАЯ РАБОТА № 7

ПРАКТИЧЕСКАЯ РАБОТА № 8

ПРАКТИЧЕСКАЯ РАБОТА № 9

Способ 1.

С помощью команды msd.

Пусть x1,x2, x3, ...xn - случайные величины, n - объем выборки, а xm - выборочное среднее (арифметическое).

Замечание: Выборочное среднее xm может быть получено с помощью команды

m e an ( xm ).

Среднее квадратичное отклонение вычисляется по формуле: y=sqrt(D), где D=((x1- xm) 2 +(x2-xm) 2 +...+(xn-xm) 2 ) / n ; xm =mean(x)

Среднее квадратичное отклонение в пакете Scilab вычисляется по следующей формуле

(для вектора):

 

 

, где n - число элементов и Mx - выборочное среднее.

 

Замечание: Обратите внимание, что результат этой команды отличается от результата,

полученного с помощью команды stdev только нормировкой.

 

Синтаксис

y=msd(x)

y=msd(x,'r') или m=msd(x,1)

y=msd(x,'c') или m =msd(x,2)

 

Параметры

x : действительный или комплексный вектор или матрица

 

"Строковые" и "столбцовые" варианты всех команд устроены аналогично командам mean,

h armean и т. д.

Команда y=msd(x,'r') (или y=msd(x,1) ) вычисляет «строковое» среднеквадратичное (или

“стандартное”)отклонение.

Команда y=msd(x,'c') (или m=msd(x,2) ) вычисляет «столбцовое» средне квадратичное отклонение.

 

Пример.

x=[20 40 30]; m=msd(x) Результат:

m =

8.1649658

 

// Для проверки

xm=mean(x);

n=3; // число элементов вектора x q=(x(1)-xm)^2+(x(2)-xm)^2+(x(3)-xm)^2; w=sqrt(q/n)

 

Результат:

w = 8.1649658

Получили результат, равный m. Следовательно, команда считает правильно.

 

Способ 2.

С помощью команды stdev .

 

Среднее квадратичное отклонение (standard deviation) в пакете Scilab вычисляется по следующей формуле (для вектора):

 

 

, где n - число элементов и Mx - выборочное среднее.

 

Замечания

1) Обратите внимание, что результат этой команды отличается от результата, полученного

с помощью команды msd только нормировкой.

2) В Scilab есть еще команда st_deviation, которая совершенно идентична команде stdev,

как по синтаксису, так и по результату.

 

Синтаксис

s=stdev

s=stdev(x,'r') или m =stdev(x,1)

s=stdev(x,'c') или m =stdev(x,2)

 

Параметры

x : действительный или комплексный вектор или матрица

s: скаляр

 

Команда s=stdev(x,'r') (или s=stdev(x,1) ) является "строковым вариантом".

Команда s=stdev(x,'c') (или s=stdev(x,2)) является "столбцовым" вариантом.

 

Пример.

x=[0.2113249 0.0002211 0.6653811 0.7560439 0.3303271 0.6283918]

n=length(x); // число элементов в x

s=stdev(x)

//для проверки

mx=mean(x);

w=0;

for i = 1:n, w=w+(x(i)-mx)^2;end;

w=sqrt(w/(n-1))

 

Результат:

s =

.2978284

 

w =

.2978284

 

Способ 3.

С помощью команды stdevf .

Среднее отклонение с учетом веса (взвешенное среднее квадратичное отклонение)в пакете

Scilab вычисляется по следующей формуле (для вектора):

 

 

, где x i - набор случайных величин, f i - набор соответствующих им весов, n - число элементов, а Mx =meanf(x,f) - среднее арифметическое с учетом веса.

 

Синтаксис

s=stdevf(x,fre)

s=stdevf(x,fre,'r') или s=stdevf(x,fre,1)

s=stdevf(x,fre,'c') или s=stdevf(x,fre,2)

 

Параметры

x: действительный или комплексный вектор (матрица)

f re: вектор (матрица)того же размера, что и x.

 

Пример.

x=[0.2113249 0.0002211 0.6653811 0.7560439 0.9546254 0.6283918]

fre=[1 2 3 3 4 3]

n=length(x); // число элементов в x s=stdevf(x,fre)

//для проверки

w=0;

for i = 1:n, w=w+fre(i)*(x(i)-meanf(x,fre))^2;end;

w=sqrt(w)/(sum(fre)-1)

 

Результат:

s =

.0800239

 

w =

.0800239

Дисперсия значений вектора или матрицы

 

Способ 1.

С помощью команды variance.

 

Значение дисперсии для вектора случайных величин x=(x 1 , x 2 , ... ,x n ) по формуле:

 

 

Важное замечание:

Обычно в русских учебниках в формулу для дисперсии входит деление не на величину (n-

1), а на величину n.

 

Синтаксис

s=variance(x)

s=variance(x,'r') или m =variance(x,1)

s=variance(x,'c') или m =variance(x,2)

 

Параметры

x : действительный или комплексный вектор (матрица)

 

Команда s=variance(x,'r') (или s=variance(x,1)) является «строковым» вариантом.

Команда s=variance(x,'c') (или s=variance(x,2)) является «столбцовым» вариантом.

 

Пример.

x=[2 0 6 7 4 0.6];

d=variance(x)

 

Результат:

d =

8.2666667

// Для проверки

n=length(x); // число элементов вектора x

mx=mean(x);

y=x-mean(x); w=y^2; w=sum(w)/(n-1)

 

Результат (совпадает со значением d):

w =

8.2666667

Способ 2.

С помощью команды variancef. Эта команда вычисляет дисперсию с учетом веса, если

наблюдаемые значения x неравнорассеяны (неравноточны).

Значение дисперсии для вектора случайных величин x=(x 1 , x 2 , ... ,x n ) с учетом вектора веса

f =(f 1 , f 2 , ... ,f n ) по формуле:

 

 

Синтаксис

s=variancef(x,fre) (или s=variancef(x,fre,'*')) s=variancef(x,fre,'r') (или s=variancef(x,fre,1) ) s=variancef(x,fre,'c') (или s=variancef(x,fre,2) )

 

Параметры

x : действительный или комплексный вектор (матрица)

f re: имеет тот же тип и размер, что и x, и является векирором (матрицей) веса наблюдений.

 

Матрица весов fre должна быть того же типа, что и x. В вычислении учитывается значение вектора (матрицы) соответствующих весов. Почему-то для возможности осуществления счета сумма всех элементов fre (=sum(fre)) должна быть > 1.

 

Замечание:

Если все веса матрицы x равны, т.е. все элементы матрицы fre равны единице, то

результаты выполнения команд variancef и variance будут совпадать.

 

Пример.

x=[2 5 7 1]; fre=[1 1 1 1]; v=variance(x) Результат:

v =

7.5833333

vf=variancef(x,fre)

 

Результат:

vf =

7.5833333 // совпадает с v

Частота встречаемости значения случайной величины

 

С помощью команды tabul.

Синтаксис

[m]=tabul(x)

 

Параметры

x : действительный, комплексный вектор (матрица) или вектор (матрица) из символьных переменных

 

Если x - числовой вектор или матрица, то m: матрица из двух столбцов, в первом из которых содержатся числовые значения вектора x, отсортированные по убыванию (упорядоченный по убыванию вариационный ряд), а во втором содержится целое число, равное тому, как часто повторяется это значение в векторе x. Если элементы x являются символьными, то m - является списком.

 

Пример 1.

x=[2 3 3 4 2 5 4 4 4 5];

t=tabul(x)

 

 

t =

! 5. 2. !

! 4. 4. !

! 3. 2. !

! 2. 2. !

 

Пример 2.

y=["cat" "cat" "dog" "dog" "pig"];

t=tabul(y)

 

Результат:

t =

t(1)

!cat !

! !

!dog !

! !

!pig !

 

t(2)

! 2. !

! 2. !

! 1. !

 

Елисей Андреевич Тетерин

 

По дисциплине

Е. А. Тетерин

 

ИНЖЕНЕРНОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

Методические указания

12345678910Следующая ⇒

Поделиться: