pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4.5 Numerische Tests 99<br />
4.5.1 Bivariate Titanium Heat Data<br />
In einem ersten Beispiel betrachten wir die bekannten Titanium Heat Data. Durch Tensorisieren<br />
der univariaten Daten, d.h. zi1,i2 = yi1 × yi2 , erhalten wir m1 = 49 × m2 = 49<br />
Punkte im Bereich [595, 1075] × [595, 1075], siehe Abbildung 4.1. Diese 2401 Datenpunkte<br />
wollen wir durch n1 = 11 kubische B-Splines in x-Richtung und n2 = 9 kubische B-Splines<br />
in y-Richtung approximieren. Wir erhalten l1 = 7 freie Knoten in x-Richtung bzw. l2 = 5<br />
in y-Richtung.<br />
4<br />
3<br />
2<br />
1<br />
1000<br />
900<br />
800<br />
700<br />
600<br />
600<br />
700<br />
800<br />
900<br />
Abbildung 4.1: Bivariate Titanium Heat Data: Datenpunkte<br />
Verwenden wir äquidistante innere Knoten als Startpunkt, so erhalten wir die Approximation<br />
in Abbildung 4.2. Neben den großen Oszillationen in den flachen Bereichen erkennt<br />
man, daß insbesondere der Peak sehr schlecht wiedergegeben wird. Durch Optimierung<br />
der Knoten verschwinden diese Oszillationen und das Residuum sinkt auf ca. 17%. In Tabelle<br />
4.1 sind die Ergebnisse zusammengefaßt. Die MATLAB-Routine kann die geforderte<br />
Genauigkeit nicht erreichen. Der resultierende Spline nach der Optimierung mit NPSOL ist<br />
in Abbildung 4.3 dargestellt. Die Lage der Knoten sowie die zugehörigen Contour-Plots vor<br />
und nach der Optimierung zeigt Abbildung 4.4.<br />
Startknotenfolge CONSTR NPSOL<br />
F 9.049841 E+00 1.580966 E+00 1.560459 E+00<br />
Schritte 93 101<br />
func. calls 1200 1466<br />
Zeit [s] 51.26 59.27<br />
Ret. Code max. no. iterations successful<br />
1000<br />
Tabelle 4.1: Bivariate Titanium Heat Data: Vergleich von CONSTR und NPSOL