В.А. Федорук, В.И. Суриков, Т.Г. Сичкарь, Н.И. Шут, Омский государственный технический университет, кафедра физики
Важнейшими характеристиками релаксационных процессов в полимерных материалах являются энергия активации U, температура релаксационного перехода Tm , предэкспоненциальный множитель B в уравнении Больцмана-Аррениуса. В настоящее время существуют экспериментальные методы определения релаксационных констант [1,2]. Наибольшее распространение получил подход, разработанный Г.М.Бартеневым с сотрудниками [2]. Несмотря на очевидные достоинства, он имеет один существенный недостаток - требует большого объема экспериментальных исследований. Применение современной вычислительной техники позволяет в ряде случаев упростить процедуру определения релаксационных констант. Особенно этот метод эффективен, с нашей точки зрения, при изучении релаксационных процессов в модифицированных полимерных материалах, когда известны релаксационные константы полимера-связующего.
Суть подхода в определении U, Tm и B с помощью ЭВМ заключается в аппроксимации анализируемого релаксационного максимума на температурной зависимости тангенса угла механических потерь максвелловским максимумом с помощью метода линейной регрессии в сочетании с методом регуляризации (ЛРР) [3].
Максимум Максвелла без учета фона в координатах может быть описан следующим выражением:
где U - энергия активации; k - постоянная Больцмана; - максимальное значение . Соотношение (1) было использовано для аппроксимации экспериментальной зависимости .
С этой целью искомые параметры Пi представляли в виде , где Пi0 - нулевое приближение, . Разлагая в ряд Тейлора по малой величине , можно получить уравнение вида
где A - матрица с тремя столбцами и M строками ( M - число экспериментальных точек); x - вектор-столбец с тремя неизвестными параметрами Пi ; C - вектор-столбец с M элементами, представляющими собой разности экспериментальных и рассчитанных значений . В рассматриваемой задаче неизвестными параметрами являлись U, , Tm.
Переопределенную систему (2) решали путем умножения на транспонированную матрицу AT и
Таблица 1
Релаксационные константы ЭП УП-643, пластифицированного дибутилфталатом
Содержание ДБФ, |
K |
эвм кДж/моль |
кДж/моль |
Коэффициент уширения r |
0 |
420 |
140 |
157 |
1,1 |
5 |
411 |
155 |
154 |
1 |
10 |
401 |
118 |
150 |
1,3 |
добавлением в левую часть единичной матрицы E с параметром регуляризации [3]: Составленные подходящим образом алгоритмы и программы позволяют реализовать метод ЛРР на ПЭВМ.
Вышеуказанный метод использовали для расчета релаксационных констант в эпоксидном полимере (ЭП) на основе эпоксиноволачной смолы УП-643, модифицированного жидким пластификатором-дибутилфталатом (ДБФ).
Спектры внутреннего трения (тангенс угла механических потерь) определяли на торсионном маятнике в режиме вынужденных колебаний на частотах 20 - 90 Гц с погрешностью по . Скорость сканирования температуры - 2 град./мин. Из анализа спектров внутреннего трения следует, что введение пластификатора приводит к уменьшению температуры -перехода от 420 K (непластифицированный ЭП) до 401 K (ЭП с ДБФ). При этом резонансная частота -перехода остается неизменной и равной 29 Гц, а ширина спектра меняется аномально, достигая минимального значения в ЭП с ДБФ.
Результаты обработки экспериментальных данных непластифицированного и пластифицированного ЭП УП-643 методом ЛРР приведены в таблице. В этой же таблице приведены значения энергии активации -перехода, рассчитанные по известной формуле [2]: В этом соотношении C - константа, равная 10 для -перехода; =29 Гц; значение найдено в работе [4] и составляет . Расхождение найденных значений двумя способами может быть связано с рядом причин. Наиболее существенные из них: отклонение формы реального релаксационного максимума от максвелловского и (или) уширение релаксационного максимума за счет непрерывного распределения времени релаксации . Нами проанализированы эти причины. Хорошее совпадение расчетных кривых с экспериментальными свидетельствует в пользу максвелловской формы реальных релаксационных максимумов. В этом случае уширение релаксационного максимума вследствие распределения может быть учтено с помощью параметра нормального распределения , с которым связан коэффициент относительного уширения максимума [5]. При этом истинная энергия активации связана с рассчитанной по методу ЛРР простым соотношением [6]. Значения r, найденные из этого соотношения для непластифицированного и пластифицированного ЭП УП-643, приведены в таблице. Обращает на себя внимание отсутствие уширения в пластифицированном ЭП, содержащем ДБФ, в отличие от непластифицированного ЭП и пластифицированного ДБФ. Наблюдаемая аномалия в зависимости относительного коэффициента уширения r от доли ДБФ в полимере имеет место и для некоторых физических свойств ЭП УП-643. Так модуль упругости E достигает максимума в ЭП с ДБФ и с дальнейшим ростом содержания ДБФ уменьшается.
Детальный анализ причин, ответственных за аномальные явления в пластифицированном ЭП УП-643, не является целью данной работы. Однако, вероятней всего, повышение r и E в области малых концентраций пластификатора имеет ту же природу, что и аномалии механических свойств полимеров при межструктурной пластификации.
В заключение отметим, исходя из вышеуказанного, относительную простоту и эффективность предлагаемого метода определения релаксационных констант в модифицированных полимерах.
Список литературы
Перепечко И.И. Акустические методы исследования полимеров. М.: Химия, 1973. - 296 c.
Бартенев Г.М., Зеленев Ю.В. Физика и механика полимеров. М.: Высш. школа, 1983. - 373 c.
Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1986. - 288 с.
Шут Н.И., Сичкарь Т.Г., Лопес О.А., Дущенко В.П. Влияние ДБФ на теплофизические и релаксационные свойства эпоксидной смолы УП-643 // Пласт. массы. 1987. N 4. С. 34.
Новик А., Берри Б. Релаксационные явления в кристаллах. М.: Атомиздат, 1975. - 472 с.
Метод внутреннего трения в металловедческих исследованиях: Справ. изд. Блантер М.С., Плаузов Ю.В., Ашмарин Г.М. и др. М.: Металлургия, 1991. - 248 с.
Другие работы по теме:
Корреляционный и регрессионный анализ в экономических расчетах
Поиск несмещенных оценок математического ожидания и для дисперсии X и Y. Расчет выборочного коэффициента корреляции, анализ степени тесноты связи между X и Y. Проверка гипотезы о силе линейной связи между X и Y, о значении параметров линейной регрессии.
Планирование и прогнозирование в условиях рынка
Выравнивание заданного динамического ряда по линейной зависимости. Определение параметров и тесноты связи меду ними. Построение графика зависимости переменной и коэффициента корреляции для линейной зависимости. Расчет критериев автокорреляции остатков.
Парная регрессия
Определение наличия тенденции по заданным значениям прибыли фирмы. Построение графика линейной парной регрессии, нанесение полученных результатов на диаграмму рассеяния. Прогнозирование величины прибыли с помощью построенной регрессионной модели.
Корреляционно-регрессионный анализ
Построение корреляционного поля зависимости между y и x1, определение формы и направления связи. Построение двухфакторного уравнения регрессии y, x1, x2, оценка показателей тесноты связи. Оценка модели через F-критерий Фишера и t-критерий Стьюдента.
Cтатистическая надежность регрессионного моделирования
Расчет параметров уравнения линейной регрессии, оценка тесноты связи с помощью показателей корреляции и детерминации; определение средней ошибки аппроксимации. Статистическая надежность регрессионного моделирования с помощью критериев Фишера и Стьюдента.
Эконометрика
Обзор корреляционного поля. Доверительные интервалы регрессии. Оценка качества линейной модели прогнозирования. Проверка ее на соответствие условиям теоремы Гаусса-Маркова. Точечный и интервальный прогнозы. Нахождение средней ошибки аппроксимации.
Уравнения регрессии
Особенности расчета параметров уравнений линейной, степенной, полулогарифмической, обратной, гиперболической парной и экспоненциальной регрессии. Методика определения значимости уравнений регрессии. Идентификация и оценка параметров системы уравнений.
Парный регрессионный анализ
МИНЕСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РЕСПУБЛИКИ КАЗАХСТАН СЕВЕРО-КАЗАХСТАНСКИЙ ГОСУДАРСВЕННЫЙ УНИВЕРСИТЕТ ИМ. М. КОЗЫБАЕВА ЛАБОРАТОРНАЯ РАБОТА №1 ВАРИАНТ №13
Построение регрессионной модели
Задание Таблица 1 Пенсия, тыс. руб., у Прожиточный минимум тыс. руб., х Построить линейное регрессионное уравнение. 1. Построить поле корреляции и линию регрессии на одном графике.
Экономическая интерпретация коэффициента регрессии
Параметры уравнения линейной регрессии. Вычисление остаточной суммы квадратов, оценка дисперсии остатков. Осуществление проверки значимости параметров уравнения регрессии с помощью критерия Стьюдента. Расчет коэффициентов детерминации и эластичности.
Анализ данных полного факторного эксперимента
Определение воспроизводимости эксперимента по критерию Кохрина и коэффициентов линейной модели. Проверка адекватности модели при помощи критерия Фишера. Значимость коэффициентов регрессии и расчеты в автоматическом режиме в программе Statgraphics plus.
Линейное уравнение регрессии
Всероссийский заочный финансово-экономический институт Лабораторная работа по дисциплине "Эконометрика" Брянск 2010 Задание В таблице 1 представлены данные о рынке строящегося жилья в Санкт-Петербурге (по состоянию на декабрь 1996г.).
Задача по Экономике 2
Задача Проводится исследование спроса на некоторый вид товара. Пробные продажи показали следующую зависимость дневного спроса от цены: Цена у.е. 10 12 14 16 18
Множественная регрессия и корреляция 3
МНОЖЕСТВЕННАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ Ввести данные в таблицу: 13,0 37,0 21,5 16,5 60,0 27,0 22,4 21,0 53,0 26,0 16,0 12,0 32,2 18,0 14,2 35,0 19,0 22,5 48,0
Метод наименьших квадратов
Метод наименьших квадратов Оценка параметров уравнения А0 , А1, А2 осуществляется методом наименьших квадратов (МНК). В основе которого лежит предположение о независимости наблюдений исследуемой совокупности и нахождении параметра модели, при котором минимизируется сумма квадратов отклонений фактических значений результативного признака от теоретических, полученных по уравнению регрессии.
Линейное уравнение регрессии
Составление матрицы парных коэффициентов корреляции переменных. Построение линейного уравнения регрессии, характеризирующее зависимость цены от факторов. Оценка статистической значимости параметров в регрессионной модели с помощью t-критерия Стьюдента.
Эконометрика 12
Министерство образования и науки Российской Федерации Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального
Анализ данных в линейной регрессионной модели
Построение диаграммы рассеивания (корреляционного поля). Группировка данных и построение корреляционной таблицы. Оценка числовых характеристик для негруппированных и группированных данных. Выборочное значение статистики. Параметры линейной регрессии.
Рынок вторичного жилья
Исходные данные о продаже квартир на вторичном рынке жилья исследуемого региона, этапы нахождения на данной основе парной регрессии, уравнения линейной регрессии, выборочной дисперсии и ковариации. Определение средней стоимости квартиры, ее вариации.
Вычисление наибольшей прибыли предприятия
Содержание Задача 1 Пусть х (млн. шт.) – объем производства, С(х)=2х3-7х и D(x)=2х2+9х+15 – соответственно функция издержек и доход некоторой фирмы. При каком значении х фирма получит наибольшую прибыль π(х)? какова эта прибыль?
Математический анализ. Регрессия
y=a уравнение регрессии. Таблица 1 1.35 1.09 6.46 3.15 5.80 7.20 8.07 8.12 8.97 10.66 Оценка значимости коэффициентов регрессии. Выдвигается и проверяется гипотеза о том что истинное значение коэффициента регрессии=0.
Корреляционно-регрессионный анализ
ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ НОВГОРОДСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Имени ЯРОСЛАВА МУДРОГО ИНСТИТУТ ЭКОНОМИКИ И УПРАВЛЕНИЯ Кафедра: Статистики и экономико-математических методов
Определение зависимости цены товара
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ
Методы социально-экономического прогнозирования 2
Министерство образования и науки РФ Марийский государственный технический университет Кафедра Управления и Права Контрольная работа по дисциплине «Методы социально-экономического прогнозирования»
Линейная модель множественной регрессии 2
Содержание Введение…………………………………………………………………….3 Линейная модель множественной регрессии……………………...5 Классический метод наименьших квадратов для модели множественной регрессии…………………………………………..6
Лабараторная работа №4
Цель работы: изучение правил записи констант, переменных, выражений, операторов присваивания, раздела определения констант, раздела описания переменных и общей структуры программы на языке Turbo-Pascal.