8第八章系统仿真结果分析.doc

第八章 系统仿真结果分析 采用统计方法来估计系统的性能，利用统计分析方法要求样本数据具有统计独立性，但实际上在很多情况下这个条件并不能满足。 解决这一难题的途径无非两条：一是对样本序列进行处理，使之尽量满足统计独立性条件；二是在经典统计方法的基础上进行修正使之适合于处理相关的样本序列。 终态仿真是指仿真实验在某个持续事件段上运行。 稳态仿真则是通过系统的仿真实验，希望的得到一些系统性能测度指标在系统达到稳态时的估计值。 有必要采用方差减小技术，即在相同的仿真运行次数下获得较小方差的仿真输出结果。 §8.1终态仿真的结果分析 8.1.1 重复运行法 所谓重复运行方法是指选用不同的独立随机数序列，采用相同的参数、初始条件以及用相同的采样次数n对系统重复进行仿真运行。 对于一终态仿真的系统，由于每次运行是相互独立的，因此可以认为每次仿真运行结果是独立同分布的随机变量，是服从正态分布的随机变量。随机变X量的期望值E(X)地估计值μ为： (8.1) 其中， (8.2) (8.3) α为置信水平。 根据中心极限定理，若产生的样本点Xj越多，即仿真运行的次数越多，则Xj越接近于正态分布，因此在终态仿真中使用仿真方法运行的重复次数n不能选取得太小。 8.1.2序贯程序法 在终态仿真结果分析得重复运行法中，通过规定次数得仿真 可以得到随机变量取值的置信区间，置信区间的长度与仿真次数的平方根成反比。显然，若要缩小置信区间的长度就必然增加仿真次数n。这样就产生了另一个方面的问题，即在一定的精度要求下，规定仿真结果的置信区间，无法确定能够达到精度要求的仿真次数。这样就可以对置信区间的长度进行控制，避免得出不适用的结论。 一般说来，在同样精度要求下，采用序贯程序法得出的仿真重复运行次数比利用解析法得到的次数要少。 由式(8.1)可知，样本X的100(1-α)%置信区间的半长为： (8.4) 式中 (8.5) S为样本的标准差，n为重复运行次数。设给定一准确的临界值ε，即限定置信区间的长度为，并给定精度(1-α)。为了达到此精度要求，需要取足够大的仿真运行次数n，使之满足： (8.6) 假设仿真已经重复运行了n0次(n02)，为了满足置信区间半长的临界值，必须选择重复运行次数n，使得： nn0 (8.7) 且 (8.8) 初始运行仿真运行的次数应当至少大于2，最好取4或5。由式8.8可以推出n应当满足 (8.9) 显然n的解就是满足式8.9的最小整数。 (8.10) 注意这里假定n次独立重复运行结果总体方差σ2的估计值S2(n)随着增加n次运行没有显著的变化，因此可以用n0的总体方差代替。 实际上，利用次仿真运行的方差来替代n次仿真运行的方差，会使得计算得出的n值偏大。为了消除这种影响，一般采用序贯程序法，其步骤为： 预定独立仿真运行的初始次数，置n=，独立运行n次； 计算该n次运行的样本以及相应的； 利用下式计算值 如果，则得到置信度为的满足精度要求的置信区间，从而确定了相应的仿真次数n； 否则令n=n+1，进行仿真得到样本值； 返回步骤2）。 8.2稳态仿真的结果分析 研究系统的稳态性能，需要研究一次运行时间很长的仿真。在仿真运行过程中，每隔一段时间即可获得一个观测值，从而可以得到一组自相关时间序列的采样值，其稳态平均值定义为： (8.11) 如果ν的极值存在，则ν与仿真的初始条件无关。 8.2.1批均值法 批均值法的基本思想是：设仿真运行时间足够长，可以得到足够多的观测值，将分为n批，每一批中有l个观测值，则每批观测数据如下： 第一批： 第二批： 第n批： 首先对每批数据进行处理，分别得出每批数据的均值 (8.13) 由此可得总得样本均值为： (8.14) 此即ν的点估计。 为了构造ν的置信区间，需要假定是独立的且服从正态分布的随机变量，并具有相同的均值和方差。此时ν的近似置信区间的计算公式为： (8.15) 式中 (8.16) n为观测值的批数。 8.2.2稳态序贯法 在利用批均值法进行计算时，假定每批观测值的均值是独立的，但实际上是相关的。为了得到不相关的，直观的做法是：保持批数n不变，不断增大l，直到满足不相关的条件为止。 但是如果n选择过小，则的方差加大，结果得到的置信区间就会偏大，为此n也必须足够大。这样为了达到精度要求就必须选择足够大的n和l，使得样本总量特别大，而仿真过程