曲面R的方程
在航空工程中,跑道平面上方的高度(Z)与以下各项有关:曲面R的方程,r,R,在航空工程中,跑道平面上方的高度(Z)与以下各项有关: 距离起飞起始点的下降距离(X) 满载飞机使用的跑道长度(Y) 我们希望从已知x和y值的观测点z的数组中找到z=f(x,y)。z在x和y中是线性的。当前的解决方案包括拟合一系列函数z=f(x)。然后,使用族中的系数,进行第二次回归,得到z=f(x,y)。我想有更好的办法。这段代码已经存在了一段时间,可能是拼凑在一起的,从未重新思考过。观察结果如下: 获取f(x,y)的代码如下所示: X <- seq(6000,10000,1000);
X <- seq(6000,10000,1000);
Y <- seq(4000,6000,500);
Z <- c(145, 200, 254, 307, 360,
118, 165, 213, 260, 310,
90, 130, 172, 213, 254,
67, 102, 137, 175, 210,
50, 80, 110, 140, 170);
dim(Z) <- c(5,5);
Fxy <- coef( lm( t( coef( lm( Z ~ X ) ) ) ~ Y ) ); #2x2 matrix
x <- c(1,6000); # test values
y <- c(1,4000);
z <- y %*% Fxy %*% x;
z;
X如果您的响应Z与X或y呈线性关系,则可以使用交互项X:y执行多元线性回归
# make a data frame containing all observations
df <- expand.grid(x = X, y = Y)
df$z <- c(Z)
# fit a linear model with interaction term
fit <- lm(z ~ x + y + x:y, data = df)
# alternatively
fit <- lm(z ~ x * y, data = df) # see ?lm
# Call:
# lm(formula = z ~ x + y + x:y, data = df)
#
# Coefficients:
# (Intercept) x y x:y
# -2.703e+02 1.011e-01 2.276e-02 -1.188e-05
# predict
df.test <- cbind.data.frame(x = x, y = y)
predict(fit, newdata = df.test)
# the results is the same: one value for one obs
# 1 2
# -270.1561 142.3600
#制作一个包含所有观察结果的数据框
谢谢,我试试看。独立观测的数据框架也是一个好主意,尽管它会有X和Y的多个副本。这实际上是最有趣的外卖。如果数据是这样构造的,那么X与Y的长度是无关的。