Файл: Курсовая работа по дисциплине Информационные технологии.docx

МИНИСТЕРСТВО науки и высшего ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

федеральное государственное бюджетное образовательное учреждение

высшего образования

«САНКТ-ПЕТЕРБУРГСКИЙ ГОРНЫЙ УНИВЕРСИТЕТ»

Кафедра информатики и компьютерных технологий

КУРСОВАЯ РАБОТА

По дисциплине Информационные технологии

^{(наименование учебной дисциплины согласно учебному плану)}

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

Тема работы: Информационные процессы в переработке нефти и газа. Построение эмпирических формул

Выполнил: студент гр. ОНГ-22 Дзюба М.М

^{(шифр группы) (подпись) (Ф.И.О.)}

Оценка:

Дата: 10.05.2020

Проверил

руководитель работы: доцент Косовцева Т.Р.

^{(должность) (подпись) (Ф.И.О.)}


Санкт-Петербург

2023

ПЕРВОЕ ВЫСШЕЕ ТЕХНИЧЕСКОЕ УЧЕБНОЕ ЗАВЕДЕНИЕ РОССИИ



МИНИСТЕРСТВО науки и высшего ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

федеральное государственное бюджетное образовательное учреждение

высшего образования

«САНКТ-ПЕТЕРБУРГСКИЙ ГОРНЫЙ УНИВЕРСИТЕТ»

УТВЕРЖДАЮ

Заведующий кафедрой ИиКТ

Маховиков А.Б.

^{(подпись)}

«»2023 г.

Кафедра информатики и компьютерных технологий

КУРСОВАЯ РАБОТА

По дисциплине Информационные технологии

^{(наименование учебной дисциплины согласно учебному плану)}

ЗАДАНИЕ

студенту группы ОНГ-22 Хохров Д. Е.

^{(шифр группы) (Ф.И.О.)}

1. 
   Тема работы : Информационные процессы в переработке нефти и газа. Построение эмпирических формул
   
2. 
   Исходные данные к работе: выполнить две задачи. Построить эмпирические формулы разными методами для данных, приведенных в варианте №1, с использованием табличного процессора, математического пакета и языка программирования высокого уровня. Исследовать возможность использования лучшей из полученных формул для прогнозирования, построить прогноз. Пояснительную записку оформить по ГОСТ 2.105-95. «Единая система конструкторской документации. Общие требования к текстовым документам», список использованной литературы по ГОСТ 7.0.5-2008 «Библиографическая ссылка».
   
3. 
   Содержание пояснительной записки: Титульный лист, задание, аннотация, содержание, введение, разделы, заключение, список литературы, приложения.
   
4. 
   Перечень графического материала Рисунки, таблицы, формулы.
   
5. 
   Срок сдачи законченной работы 18 мая 2020 г.
   
6. 
   Задание выдал (руководитель работы) Косовцева Т.Р.
   

---

^{(подпись) (Ф.И.О.)}

Задание принял к исполнению студент Хохров Д. Е.

^{(подпись) (Ф.И.О.)}

Дата получения задания 22 февраля 2020 г

АННОТАЦИЯ

В работе выполнены изучение и обработка двух различных баз данных. С помощью эмпирических методов успешно построены математические модели в табличном процессоре Microsoft Excel, математическом пакете Mathcad и с помощью Virtual Basic for Applications (VBA); полученные в ходе работы математические закономерности также были проанализированы.

Пояснительная записка содержит 40 страниц, 25 рисунков, библиографический список насчитывает 6 позиций.

ANNOTATION

The current coursework’s main purpose is to examine into two different databases. Using Microsoft Excel, Mathcad and Virtual Basic for Applications (VBA), mathematical models have been successfully done.

The coursework contains 40 pages and 25 images.

СОДЕРЖАНИЕ

Введение

Курсовая работа “Информационные процессы в переработке нефти и газа” по дисциплине “Информационные технологии” является заключительной частью освоения курса.

В ходе выполнения работы подвергаются проверке полученные знания и навыки работы с персональным компьютером, в частности, работа с базами данных в табличном процессоре Microsoft Excel, построение математических моделей и проведение вычислений в математическом пакете Mathcad, программирование в среде Visual Basic for Applications (VBA).

Табличный процессор Microsoft Excel предоставляет возможности статистических расчётов и ряд графических инструментов для визуализации проведённых операций и построенных математических моделей.

Математически пакет Mathcad ориентирован на подготовку интерактивных моделей, включающих как математическую часть, так и графическую. Mathcad имеет интуитивный, дружественный пользовательский интерфейс, что позволяет даже рядовому пользователю Персонального Компьютера быстро освоить данную среду.

---

Virtual Basic for Applications (VBA) – встроенный в линейку продуктов Microsoft Office язык программирования. В частности, в настоящей работе взаимодействие VBA и Microsoft Excel представляется оптимальным для комбинирования различных типов решений задания.

Решение конкретных практических задач предусматривает обработку статистических данных с помощью различных инструментов, предоставляемых указанными выше средами. Все методы сопровождаются комментариями

Для построения математических моделей с использованием статистических данных существует ряд способов. В настоящей работе предлагается изучение метода наименьших квадратов с дальнейшим применением его на практике.

В ходе реализации математических моделей, полученных эмпирическим путём посредствам анализа статистических данных с твёрдого источника, работа предусматривает проведение анализа различных показателей взаимосвязи установленных величин, что позволит в дальнейшем провести сравнение независимых решений и, как следствие, получить оптимальное из них.

Также аналитическая часть представляет интерес со стороны выявления недостатков – наметить потенциальные пути возможного сглаживания или полного устранения недостатков.

Работа предусматривает получение более глубоких знаний и прикладных умений в ходе изучения теоретических материалов, необходимых для выполнения задания, и взаимодействия с Персональным Компьютером. Весь изученный материал также закрепляется в ходе практических мероприятий.

1 Теоретические сведения

Метод наименьших квадратов – один из методов поиска эмпирических зависимостей на основе ряда наблюдений.

Согласно данному методу после аппроксимации подбирается функция, коэффициенты которой тем лучше, чем меньше сумма квадратов отклонений теоретических данных от практических.

	(1)

Для линейной зависимости задача поиска наилучших коэффициентов сводится к решению нормальной системы вида

Предварительно определить качество предполагаемой линейной зависимости можно с помощью определения коэффициента корреляции r:

Где – среднеарифметические значения x и y.
	(2)

---

Чим ближе коэффициент корреляции к 1, тем теснее линейная связь между x и y.

Для определения качества полученной зависимости необходимо вычислить коэффициент детерминированности R^2:

(3)

Где – теоретическое значение y.

Чем ближе R^2 к 1, тем лучше полученная функция описывает взаимосвязь между экспериментальными данными.

2 Задача 1. Зависимость содержания ионов Cl^­ от плотности пластовой воды

Вариант(6)

На рис.2.1 приведены экспериментальные данные о содержании ионов Cl^‑ (мг‑экв/л) и плотности

Рисунок 2.1 – Исходные данные (Задание 1)

Задание: исследовать зависимость содержания ионов Cl^- от плотности воды. Для этого, используя МНК (метод наименьших квадратов), построить уравнения общего вида c(ρ)=a­₁+a­₁ρ и специализированное c(ρ)=c(ρ-1000), исследовать и сравнить их качество. Вычислить прогнозные значения величины содержания ионов Cl^-

1. Таблицы, выполненные средствами Microsoft Excel.

Рисунок 1 вычисления вспомогательных сумм и средних значений.



Рисунок 2 - Вычисления вспомогательных сумм (продолжения).

На рис. 3 представлены расчёты для линейной аппроксимации.

25	27700	69697,66	Линейная
27700	30744110	78655052,76	аппроксимация
				0,9964
Обратная матрица				0,99275
23,4196	-0,0211		a1=	-27387,1153
-0,0211	1,9044E-05		a2=	27,2338

---

Рисунок 3 - Фрагмент рабочего листа MS Excel для линейной аппроксимации.

Таким образом уравнение линейной регрессии имеет вид:

y = 27,234x - 27387 (23)

На рис. 4 представлены расчёты для квадратичной аппроксимации.

25	27700	30744110	69697,66	Квадратичная
27700	30744110	34179858532	78655053	аппроксимация
30744110	3,418E+10	3,80616E+13	8,885E+10
					0,99276
Обратная матрица
15538,5749	-28,3153	0,0129		a1=	-24885,789
-28,3153	0,0516	0,0000		a2=	22,672
0,0129	0,0000	0,000000		a3=	0,002

Рисунок 4 Фрагмент рабочего листа MS Excel для квадратичной аппроксимации

Таким образом, уравнение квадратичной регрессии имеет вид:

y = 0,0021x² + 22,672x - 24886 (24)

На рис. 6 представлены расчёты для экспоненциальной аппроксимации.

25	27700	194,45	Экспоненциальная
27700	30744110	216145,47	аппрокимация
				0,9283
Обратная матрица			c=	-6,88730
23,4196	-0,02110		a2=	0,0132
-0,0211	0,00002		a1=	0,0010

---