Diff for "RegressionAnalyzingGrapher"

; 확인 후 해당 기능이 r-project에서 가능한지, 가능하다면 c++과의 인터페이스 작성은 어떻게 해야 하는지 고려.

* 기존에 공개된 통계 관련 (회귀분석이 가능한) 라이브러리 조사.

* [RegressionAnalyzingGrapher_관련자료]

* Leverberg-Marquardt 회귀분석 방법 사용.

* modelling functions of tunnel convergence

Upload:scan11_crop.jpg

X : 굴착면의 영향거리에 관련된 상수

Cx : 최종 내공변위

T : 암반의 시간 의존적 변형특성에 관련된 상수

Cx(1+m) : 굴착면이 무한히 멀고 장시간이 경과한 후의 최종 내공변위

(천층_광폭터널의_내공변위_및... 에서 발췌)

==== 오전 3:08 2004-06-14, by Kenial ====

Upload:sample.zip 샘플 데이터

Upload:20040613_r_script.txt nls 스크립트

==== 오후 9:55 2004-06-11, by Kenial ====

파라메터 범위(예상)

* refA : '천층_광폭터널의_내공변위_및_침하거동특성_예측을_위한_수치해석적_연구.pdf'

* refB : '터널_내공변위의_이론과_계측결과의_분석.pdf'

1 .1. C(x) : refA, p.25

1 .2a. C(t) : refA, p.25

* -.002 <= c0 <= 1.24

1 .2b. C(t) : refB, p.86

* 4.94 <= a <= 16.76

* -1.34 <= c0 <= 8.18

* 2.1 <= S(%) <= 31.2

3 . C(x) : refA, p.25

* 0.39 <= c0 <= 3.46

4 . C(x,t) : 1.1, 1.2a, 1.2b 로부터 추산 = {1.1}, ({1.2a} + {1.2b}) / 2

* 4.01 <= c <= 11.92

* -.61 <= c0 <= 3.57

5 . C(x,t) : refB : p.88

* 12 <= C0/Ctot(%) <= 21

* 46.5 <= Ctot <= 99.1

* 2.1 <= S(%) <= 5.4

==== 오전 12:55 2004-06-10, by Kenial ====

테스트용 파라메터

2(이건 좀 나중에)

==== 오전 10:51 2004-06-08, by Kenial ====

거의 마찬가지 결론이지만, r-project에서도 모수를 적절히 조절하면 같은(!) 결과를 얻을 수 있음.

대신, 모수의 값에 이상이 있을 때 그 해결점을 찾는 범위에서 spss가 좀 더 우수.

try to do : r-project에서 모수의 값의 범위를 정한 다음 각각의 값에 대한 divide-and-conquer 시도.

개개의 값은 모수가 가질 수 있는 최소/최대값을 10등분한 값으로 하며, 10회의 시도에 실패하면

개개의 모수마다 10단계의 값을 취해 모수 하나하나의 값을 변경해가며 divide-and-conquer 시도

(최악의 경우 10^p 번의 시도 : p=모수의 개수)

==== 오전 1:22 2004-06-08, by Kenial ====

모수parameter 조정 성공!

Upload:spsssyntax_parametered.txt

대략 어버버하지만 웬간한 결과치에서는 4개 이상의 방정식이 80% 이상의 r^2 값을 보임.

==== 오전 1:03 2004-06-07, by Kenial ====

r-project에서의 nonlinear regression 함수 테스트 중.

tunnel <- read.table("d:tunnel.txt", TRUE)

ft1 <- nls( c ~ A * ( 1 - exp( -B * x ) ) - c0, data = tunnel,

algorithm = "plinear",

start = list( A=0, B=0, c0=0 ), trace = TRUE)

ft1 <- nls( c ~ (( 1 - exp( -B * x ) ) * A ) - c0, data = tunnel,

start = list(A=0, B=0, c0=0 ), trace = TRUE)

ft1 <- nls( c ~ (( 1 - exp( -B * t ) ) * A ) - c0, data = tunnel,

start = list(A=0, B=0, c0=0 ), trace = TRUE)

ft1 <- nls( c ~ ( A * log(1 + (B*t)) ) - c0, data = tunnel,

start = list(A=0, B=0, c0=0 ), trace = TRUE)

ft1 <- nls( c ~ ( 1 - ( ( XX / ( XX + x ) ) ** 2 ) ) - c0, data = tunnel,

start = list(XX=0, c0=0 ), trace = TRUE)

ft1 <- nls( c ~ pa * (1 - exp(-pb * x)) + pc * (1 - exp(-pd * t)) - c0, data = tunnel,

start = list(pa=0, pb=0, pc=0, pd=0, c0=0 ), trace = TRUE)

ft1 <- nls( c ~ PCX*(1- ( (PX/(PX+x)) **2 )) * (1+ PM*(1-((PT/(PT+t))**0.3))) - c0,

data = tunnel, start = list(PCX=0, PX=0, PM=0, PT=0, c0=0 ), trace = TRUE)

결국 또 삽질 작업을 했음이 밝혀짐.

기초 parameter 0으로 조정 없이

3번 모델에서 R^2 = .98826, 5번 모델에서 R^2 = .91620 수치 나옴

(5번 모델의 경우 표준오차가 상당하여 별 의미가 없는 값)

내공변위의 값은 측정치에 -1을 곱해주어야 했음.

3번 모델의 결과 :

Nonlinear Regression Summary Statistics Dependent Variable C

Source DF Sum of Squares Mean Square

Regression 3 10.27649 3.42550

Residual 10 .01351 1.350632E-03

Uncorrected Total 13 10.29000

(Corrected Total) 12 1.15077

R squared = 1 - Residual SS / Corrected SS = .98826

Asymptotic Confidence Interval

Parameter Estimate Std. Error Lower Upper

C0 .129819687 .050150412 .018077605 .241561769

CX 1.139746965 .049305817 1.029886758 1.249607172

XX 15.949666320 1.886976217 11.745221299 20.154111341

stable한 값은 아니지만, 초기치의 설정에 따라 제대로 된 값을 얻어낼 수 있을 듯 함.

==== 오전 2:20 2004-06-06, by Kenial ====

* A * ( 1 - EXP(-B*x) ).

* NonLinear Regression.

MODEL PROGRAM c0=0 A=0 B=0 .

COMPUTE PRED_ = A * ( 1 - EXP(-B*x) ) - c0.

/OUTFILE='C:\SPSSFNLR.TMP'