Обратные задачи технической и биомедицинской физики
Покупка
Новинка
Тематика:
Теоретическая физика
Издательство:
Политех-Пресс
Год издания: 2025
Кол-во страниц: 106
Возрастное ограничение: 18+
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Магистратура
ISBN: 978-5-7422-9115-2
Артикул: 896959.01.99
Учебное пособие соответствует ФГОС ВПО по направлению 16.04.01 «Техническая физика». Рассмотрены методы решения неустойчивых обратных задач, часто встречающихся при обработке данных экспериментов в электронике и медицинской физике: линейные и нелинейные аппроксимации, сглаживание данных, решение систем нелинейных алгебраических уравнений, обратные задачи дифференциальных уравнений и их систем. Основное внимание уделено приемам практической реализации излагаемых методов, анализу их достоинств и недостатков на основе решения конкретных примеров. Описаны как проверенные временем и практикой вычислений методы, так
и результаты, полученные в последние годы. Учебное пособие предназначено для студентов и аспирантов, а также слушателей факультета повышения квалификации преподавателей Санкт-Петербургского политехнического университета Петра Великого, занимающихся обработкой и интерпретацией экспериментальных данных.
Тематика:
ББК:
УДК:
- 519: Комбинатор. анализ. Теория графов. Теория вер. и мат. стат. Вычисл. мат., числ. анализ. Мат. кибер..
- 577: Материальные основы жизни. Биохимия. Молекулярная биология. Биофизика
ОКСО:
- ВО - Магистратура
- 16.04.01: Техническая физика
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
Санкт-Петербург Санкт-Петербургский политехнический университет Петра Великого Министерство науки и высшего образования Российской Федерации САНКТ-ПЕТЕРБУРГСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ПЕТРА ВЕЛИКОГО Институт электроники и телекоммуникаций Высшая инженерно-физическая школа А. П. Головицкий ОБРАТНЫЕ ЗАДАЧИ ТЕХНИЧЕСКОЙ И БИОМЕДИЦИНСКОЙ ФИЗИКИ Учебное пособие
УДК 519.65:577.3 ББК 22.311:22.379:28в631я73 Г61 Р е ц е н з е н т ы: Доктор физико-математических наук, профессор кафедры «Физика» Петербургского государственного университета путей сообщения Императора Александра I В. Ф. Лапшин Доктор физико-математических наук, профессор Санкт-Петербургского университета Петра Великого О. Л. Власова Головицкий А. П. Обратные задачи технической и биомедицинской физики : учеб. пособие / А. П. Головицкий. – СПб. : ПОЛИТЕХ-ПРЕСС, 2025. – 106 с. Учебное пособие соответствует ФГОС ВПО по направлению 16.04.01 «Техническая физика». Рассмотрены методы решения неустойчивых обратных задач, часто встречающихся при обработке данных экспериментов в электронике и медицинской физике: линейные и нелинейные аппроксимации, сглаживание данных, решение систем нелинейных алгебраических уравнений, обратные задачи дифференциальных уравнений и их систем. Основное внимание уделено приемам практической реализации излагаемых методов, анализу их достоинств и недостатков на основе решения конкретных примеров. Описаны как проверенные временем и практикой вычислений методы, так и результаты, полученные в последние годы. Учебное пособие предназначено для студентов и аспирантов, а также слушателей факультета повышения квалификации преподавателей Санкт-Петербургского политехнического университета Петра Великого, занимающихся обработкой и интерпретацией экспериментальных данных. В оформлении обложки использована картина Л. С. Поповой (1889–1924), сюжет 8 из серии «Пространственно-силовое построение» (1921). Ил. 26. Библиогр.: 28 назв. Печатается по решению Совета по издательской деятельности Ученого совета Санкт-Петербургского политехнического университета Петра Великого. ISBN 978-5-7422-9115-2 doi:10.18720/SPBPU/2/id25-262 © Головицкий А. П., 2025 © Санкт-Петербургский политехнический университет Петра Великого, 2025
Ministry of Science and Higher Education of the Russian Federation PETER THE GREAT ST. PETERSBURG POLYTECHNIC UNIVERSITY Saint Petersburg 2025 Peter the Great St.Petersburg Polytechnic University Institute of Electronics and Telecommunications Graduate School of Engineering Physics A. P. Golovitsky INVERSE PROBLEMS OF TECHNICAL AND BIOMEDICAL PHYSICS Training manual
ISBN 978-5-7422-9115-2 doi:10.18720/SPBPU/2/id25-262 © Golovitsky A. P., 2025 © Peter the Great St. Petersburg Polytechnic University, 2025 Printed by the Publishing Council of the Peter the Great St. Petersburg polytechnic university Academic Council. R e v i e w e r s: Doctor of Physics and Mathematics, professor at the Department “Physics” of Emperor Alexander I St. Petersburg State Transport University V. F. Lapshin Doctor of Physics and Mathematics, professor at Peter the Great St. Petersburg Polytechnic University O. L. Vlasova Golovitsky A. P. Inverse problems of technical and biomedical physics : training manual / A. P. Golovitsky. – St. Petersburg : POLYTECH-PRESS, 2025. – 106 p. The training manual complies with the federal state educational standard of higher professional education in the major 16.04.01 “Technical Physics”. The manual considers methods for solving unstable inverse problems that often arise when processing experimental data in electronics and medical physics: linear and nonlinear approximations, data smoothing, solving systems of non-linear algebraic equations, inverse problems of differential equations and their systems. The main focus is on practical implementation techniques for the methods described and analysis of their advantages and disadvantages based on solving specific examples. The author describes the methods tested by time and by practical calculations, as well as the results obtained in recent years. The training manual is intended for students and postgraduate students, as well as attendees of the Faculty of Advanced Training for Teachers at Peter the Great St. Petersburg Polytechnic University who are involved in the processing and interpretation of experimental data. The cover design features a painting by L. S. Popova (1889–1924), scene 8 from the series Spatial-Force Construction (1921). Figures 26. References: 28 titles.
ОГЛАВЛЕНИЕ Введение...................................................................................................... 6 1. Устойчивость, корректность, регуляризация ............................................ 9 2. Мера обусловленности .......................................................................... 12 3. Проблема восстановления зависимостей................................................ 17 4. Линейный метод наименьших квадратов................................................ 19 5. Масштабирование линейного МНК ...................................................... 24 6. Квазилинейные аппроксимации ............................................................. 27 6.1. Дробно-линейная аппроксимация............................................... 28 6.2. Показательно-экспоненциальная аппроксимация..................... 29 6.3. Аппроксимация вида ( )= + cx y x a be ............................................. 33 7. Сингулярное разложение ....................................................................... 35 8. Нелинейные аппроксимации. Метод Левенберга–Марквардта ............ 42 9. Полиномиальное сглаживание ............................................................... 55 10. Комбинированное сглаживание ........................................................... 68 11. Системы нелинейных алгебраических уравнений................................. 78 12. Обратная задача дифференциальных уравнений ................................. 84 12.1. Дифференциальные уравнения II порядка................................ 85 12.2. Дифференциальные уравнения I порядка................................. 91 13. Обратная задача систем дифференциальных уравнений ...................... 93 Библиографический список .................................................................. 103
ВВЕДЕНИЕ Понимание физических механизмов протекания различных процессов в физике, биологии и медицине приходит при сопоставлении результатов теоретических (математических) моделей изучаемых процессов с экспериментальными данными. Естественно, теоретическая модель должна адекватно описывать причинноследственные связи природы изучаемого процесса. Тогда, опираясь на результат сопоставления, можно извлечь ранее неизвестную информацию об изучаемом процессе, что и является основной задачей научных исследований. В зависимости от того, идет ли теоретическое описание по ходу причинно-следственных связей или против него, задачи подразделяют на прямые и обратные. Решение обратных задач в экспериментальной физике часто является необходимым этапом обработки данных экспериментальных исследований. Обратные задачи в биологической и медицинской физике, по сути, не отличаются от таковых в любой другой области экспериментальной физики, но при этом они имеют определенную специфику. 1. Биологические процессы крайне сложны, многообразны и сопровождаются одновременным протеканием большого количества различных биохимических реакций. В настоящее время невозможно дать полного теоретического описания большинства процессов. Сложность реальных биологических процессов объективно вынуждает исследователей к упрощению математических моделей, к выделению в них главных, доминирующих реакций, определяющих протекание процесса в основном. Но как отбрасывание якобы
малозначимых реакций, так и объединение близких по результатам реакций в некие усредненные комплексы в целях упрощения описания приводят к объективной неполноте моделей и снижению их адекватности, что огрубляет теоретическое описание реальных процессов. 2. Величины и/или переменные, которые в моделях полагаются известными, берутся из имеющихся в специальной литературе данных. Но многие биохимические реакции остаются до сих пор малоизученными, велик разброс литературных данных о скоростях реакций. Подстановка таких данных в модель способствует огрублению результатов моделирования. 3. Биомедицинские параметры и зависимости для живых организмов любого биологического вида даже в нормальных для них и постоянных внешних условиях могут варьироваться от индивидуума к индивидууму в пределах нормы даже для абсолютно здоровых представителей, не говоря уже о вариациях параметров при наличии различных патологий. Это не только объективно снижает адекватность простых математических моделей реальных биологических процессов, но и вынуждает усложнять моделирование, что часто негативно сказывается на устойчивости решений задач, получаемых из моделей. 4. Экспериментальные данные часто не являются постоянными во времени, причем их непостоянство может носить как закономерный, регулярный, так и случайный характер. В последнем случае говорят о шуме или о случайных флуктуациях. Наличие флуктуаций измеряемой величины (например, вследствие дробового шума при измерениях малых электрических токов или световых потоков) может существенно загрубить результаты экспериментальных измерений. Для периодических процессов в биологии и медицине часто наблюдается нестабильность периода в разные интервалы времени (аритмия), что затрудняет сравнение с теорией. 5. В ряде случаев непосредственное экспериментальное измерение важных параметров или зависимостей является невозможным:
либо из-за отсутствия нужной аппаратуры, либо принципиально. К подобным параметрам могут относиться энергии диссоциации молекулярных связей в биомолекулах, сечения рекомбинации фрагментов биомолекул, скоростные коэффициенты биохимических реакций и т. д. Но если удается установить математическую связь искомых параметров с некоторыми поддающимися прямому измерению параметрами, то первые можно в итоге вычислить, зная измеряемые параметры. Определение неизвестных параметров по экспериментальным данным через математическую связь называют косвенным экспериментом. Однако в результате к погрешности прямого эксперимента добавится погрешность, возникающая из-за объективной неточности названной связи, а также из-за возможной численной неустойчивости этой связи. Это негативно отразится на погрешности определенных из косвенного эксперимента «известных» величин, подставляемых в дальнейшем в модель изучаемого биологического процесса. Итак, можно сказать, что погрешности опытных данных в биофизике, строго говоря, должны быть больше, чем в тех разделах физики, которые имеют дело с неживой природой. Задача физического исследования состоит в раскрытии причин, исходя из имеющихся следствий, и часто сводится к извлечению неизвестной количественной физической информации, содержащейся в данных эксперимента при помощи математических моделей, т. е. по определению сводится к решению обратных задач. Причем погрешности и неопределенности содержатся не только в исходных данных этих задач, но также и в формулировках моделей, куда эти данные как «известные» подставляются в целях получения решения. В данном учебном пособии основное внимание сконцентрировано на проблемах восстановления зависимостей и косвенного эксперимента, когда реальные процессы биологии и медицины можно смоделировать либо аналитическими выражениями, либо дифференциальными уравнениями, причем в состав тех и других входят как «известные», так и неизвестные, подлежащие количественному определению величины.
1. УСТОЙЧИВОСТЬ, КОРРЕКТНОСТЬ, РЕГУЛЯРИЗАЦИЯ В эксперименте мы вместо «чистой» измеряемой переменной ( ) b x регистрируем ( ) ( ) b x b x b = + δ , где b δ не имеет отношения к закономерной переменной ( ) b x , а отражает посторонние отклонения и неопределенности, возникающие при регистрации ( ) b x : например, флуктуации, шумы аппаратуры и т. п. и/или погрешности теории в косвенном эксперименте. Любую математическую задачу условно можно представить в виде y b = A , где A – оператор. Для прямых задач переменная y полагается известной, а неизвестной будет переменная b; для обратных задач – наоборот. В реальности же приходится решать задачу ( ) y y y b b b = + δ = = + δ A A . Если при 0 y δ → будет 0 b δ → и наоборот, то задача называется устойчивой по входным данным, а в противном случае – неустойчивой. Введем в рассмотрение величину, называемую нормой переменной: 1/2 2( ) . d c y y x dx = ∫ Для обратных задач характерно выполнение y C b δ ≈ δ , причем константа С часто бывает велика. Если при этом погрешность δb не предельно мала, то фактически неустранимая ошибка в решении y может стать неприемлемо большой. Подобные случаи называют слабой устойчивостью или плохой обусловленностью (англ. poor determination). Математические модели, о которых идет речь, представляют собой аналитические формулы, дифференциальные или интегральные уравнения, связывающие известные и неизвестные переменные. По умолчанию далее будет полагаться, что все релевантные задачи будут решаться не аналитически (что для задач биофизики практически возможно лишь в редких случаях), а численно на компьютерах. Последнее добавляет еще три негативных в смысле устойчивости решений фактора.
1. Все компьютерные расчеты с плавающей запятой выполняются с конечной точностью. В процессе решения задачи ошибки счета могут накапливаться, искажая результат. Для задач на собственные значения конечная точность расчетов может привести к прекращению существования численного решения, даже если аналитическое решение существует. 2. По определению производной 0 ( ) lim x y y x x ∆→ ∆ ′ = ∆. При численных расчетах вместо бесконечно малых приращений аргументов и функций всегда берутся конечные. Переменная y(x) представляется в дискретной форме yi = y(xi); при интегрировании пользуются квадратурными формулами (например, формулами трапеций или Симпсона), а при дифференцировании – разностными формулами. Содержащие переменную y(x) интегральные или дифференциальные уравнения при этом переходят в системы алгебраических уравнений (что называется алгебраизацией задачи). В частности, для равномерной сетки с шагом h используют следующие формулы численного дифференцирования [1]: ( ) 2 1 1 0 2 y y y o h h − − ′ = + или с большей точностью ( ) 4 2 1 1 2 0 8 8 12 y y y y y o h h − − − + − + ′ = + . Видно, что погрешность уже заложена в численный метод. 3. Казалось бы, для снижения такой погрешности можно уменьшить шаг h. Но это разумно делать лишь до определенного предела, так как при численном дифференцировании приходится вычитать близкие значения функции, а это приводит к уничтожению первых значащих цифр, потому что имеем не просто ( ) y x , а ( ) y x y + δ . Если 1 1 y y y − − < δ , то в результате, т. е. 0 y′, вообще не останется ни одной достоверной значащей цифры. Это означает, что при численном дифференцировании y ∆ не стремится к 0 при 0 h →, т. е. бесполезно стремить h к 0, поскольку погрешность (шум, наводка…) y δ исходных данных носит случайный характер, не является функцией от х и не зависит от степени измельчения шага по x. Получается, что задача численного дифференцирования по определению неустойчива.