大摆角下单摆周期变化的实验分析

大摆角下单摆周期变化的实验分析

摘要：详细讨论了单摆运动情况，指出柔性摆在大摆角的情况下运动情况，并与小摆角的情况做了对比，从而对单摆的运动规律有了一个更加完美的认识。

关键词：单摆，大摆角，单摆周期

单摆的运动方程

单摆就是挂在长为λ的一根质量可以忽略的杆和弦线下端的一个质点m，它的上端在支点上可以自由的转动，整个摆在竖直平面内作运动，如图1所示。（忽略空气阻力与摩擦力）设任意时刻t，弦与竖直线成θ角，质点对它的平衡位置的

弧位移S=λθ，所受合力的切向分量为其中负号表示这个分力

的指向恒与弧位移的指向相反。根据牛顿第二定律，可以建立单摆运动的微分方程是

（1）

在θ很小的情况下，（如θ不大于5°） sinθ近似等于θ（以弧度为单位），于是方程（1）可化为

这是简谐振动方程。对方程（2）求解，得单摆的振动周期为

以上结果是一般教科书中对单摆的解。但是，必须注意到只有在振幅很小的情况下，单摆的运动才能近似看作是简谐振动，一般情况下单摆远远比上述结果复杂。单摆的一般运动规律

在方程（1）中，令v=dθ/dt,于是(1)式化为等价的方程组是：

dθ/dt=v,

dv/dt=-g/λsinθ,

将方程组中第二式乘以vdt，第一式乘以sinθdt，然后相加，得vdv+g/λ·sin θdθ=0,即

由此得出的一个首次积分是（其中C是积

分常数，称C为“约化的总能量”，C=E/mλ，E为总能量，m是质量，λ是摆长），于是

对于柔线摆（即弦线构成的摆），由于弦线只产生张力，二不产生支持力。设平衡位置（θ=0）为时能零点这时摆绕轴转动的最小能量为E=5/2·mgλ，即方程中的C≥5g/2λ时，角度θ在全部运动时间内是单调增加或单调减小的，摆将绕轴转动。如果C<5g/2λ，将不能达到最高点，由于其动能减小（而弦线又不能提供支持力），已经不能维持圆周运动了，摆会“落下来”。当g/λ

为“摆”，当C≤g/λ时，摆作来回往复摆动，摆动的幅度为当C=0，对应于平衡位置θ=0（稳定平衡）。对于C<0，运动不可能发生。

1 实验装置和测量方法

1.1 实验装置

游标卡尺、米尺、电子秒表、小球、量角器、细线、单摆实验装置（如图所示）

1.2 测量方法

实验步骤：（1）用米尺测量摆线长度l,用游标卡尺测小球直径d,测3次求平均值，摆长L=l+d/2。

（2）将量角器固定于悬点，将小球从平衡位置拉开到要测的角度，然后分手让小球自由摆动。

（3）用电子秒表计时，测30周期的时间t,周期T=t/30，测5次。

注意事项：1.实验前一定要把装置调水平；

2.注意摆的度数的大小要尽量精确；

3.摆绳要保持紧绷，不能松弛。

2 实验结果示例

小球的直径d=25.64mm 摆线长l=119.20cm

表1 摆角与周期的数据记录

从表2可以看出：只有（sin θ/2）2与周期T 呈线性正比关系。利用其5组数据计算直线的斜率：

K=Δsin 2θ/2÷ΔT=0.48=T 。/4

根据K=0.48，计算sin 2θ/2轴的截距；b=2.0114≈T 。,此直线方程为；

T=T 。+0.48sin 2θ/2=T 。﹙1+1/4sin 2θ/2﹚

由实验可知小摆角下单摆的周期为

，大摆角（但摆角

）下的周期可由下式计算：

结果如下： 当摆角

时，I=1.00047.当摆角

时，I=1.00190.

当摆角

时，I=1.01740.

当摆角时，I=1.07317.

3结论及建议

这个结果与小摆角情况下单摆周期相差甚远。显然，单摆的振动周期是随着摆角

的增大而增大的。故而在测量重力加速度时，为测得较准确的重力加速度值。选择5°到10°角较为适宜。

多元时间序列建模分析

应用时间序列分析实验报告

单位根检验输出结果如下：序列x的单位根检验结果：

1967 58.8 53.4 1968 57.6 50.9 1969 59.8 47.2 1970 56.8 56.1 1971 68.5 52.4 1972 82.9 64.0 1973 116.9 103.6 1974 139.4 152.8 1975 143.0 147.4 1976 134.8 129.3 1977 139.7 132.8 1978 167.6 187.4 1979 211.7 242.9 1980 271.2 298.8 1981 367.6 367.7 1982 413.8 357.5 1983 438.3 421.8 1984 580.5 620.5 1985 808.9 1257.8 1986 1082.1 1498.3 1987 1470.0 1614.2 1988 1766.7 2055.1 1989 1956.0 2199.9 1990 2985.8 2574.3 1991 3827.1 3398.7 1992 4676.3 4443.3 1993 5284.8 5986.2 1994 10421.8 9960.1 1995 12451.8 11048.1 1996 12576.4 11557.4 1997 15160.7 11806.5 1998 15223.6 11626.1 1999 16159.8 13736.5 2000 20634.4 18638.8 2001 22024.4 20159.2 2002 26947.9 24430.3 2003 36287.9 34195.6 2004 49103.3 46435.8 2005 62648.1 54273.7 2006 77594.6 63376.9 2007 93455.6 73284.6 2008 100394.9 79526.5 run; proc gplot; plot x*t=1 y*t=2/overlay; symbol1c=black i=join v=none; symbol2c=red i=join v=none w=2l=2; run; proc arima data=example6_4; identify var=x stationarity=(adf=1); identify var=y stationarity=(adf=1); run; proc arima; identify var=y crrosscorr=x; estimate methed=ml input=x plot; forecast lead=0id=t out=out; proc aima data=out; identify varresidual stationarity=(adf=2); run;

时间序列分析实验报告(3)

《时间序列分析》课程实验报告

一、上机练习（P124） 1.拟合线性趋势 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 程序： data xiti1; input x@@; t=_n_; cards; 12.79 14.02 12.92 18.27 21.22 18.81 25.73 26.27 26.75 28.73 31.71 33.95 ; proc gplot data=xiti1; plot x*t; symbol c=red v=star i=join; run; proc autoreg data=xiti1; model x=t; output predicted=xhat out=out; run; proc gplot data=out; plot x*t=1 xhat*t=2/overlay; symbol2c=green v=star i=join; run; 运行结果：

分析：上图为该序列的时序图，可以看出其具有明显的线性递增趋势，故使用线性模型进行拟合：x t=a+bt+I t,t=1,2,3,…,12 分析：上图为拟合模型的参数估计值，其中a=9.7086,b=1.9829，它们的检验P值均小于0.0001，即小于显著性水平0.05，拒绝原假设，故其参数均显著。从而所拟合模型为：x t=9.7086+1.9829t.

分析：上图中绿色的线段为线性趋势拟合线，可以看出其与原数据基本吻合。 2.拟合非线性趋势 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 程序： data xiti2; input x@@; t=_n_; cards; 1.85 7.48 14.29 23.02 37.42 74.27 140.72 265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95 ; proc gplot data=xiti2; plot x*t; symbol c=red v=star i=none; run; proc nlin method=gauss; model x=a*b**t; parameters a=0.1 b=1.1; der.a=b**t; der.b=a*t*b**(t-1); output predicted=xh out=out; run; proc gplot data=out; plot x*t=1 xh*t=2/overlay;

数据分析实验报告

数据分析实验报告 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-

第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 统计量 全国居民 农村居民 城镇居民 N 有效 22 22 22 缺失 均值 1116.82 747.86 2336.41 中值 727.50 530.50 1499.50 方差 1031026.918 399673.838 4536136.444 百分位数 25 304.25 239.75 596.25 50 727.50 530.50 1499.50 75 1893.50 1197.00 4136.75 3画直方图，茎叶图，QQ 图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民 Stem-and-Leaf Plot Frequency Stem & Leaf 5.00 0 . 56788 数据分析实验报告 【最新资料，WORD 文档，可编辑修改】

2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验

结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。 （2 ）W 检验 结果：在Shapiro-Wilk 检验结果972.00 w ，p=0.174大于0.05 接受原假设，即数据来自正太总体。 习题1.5 5 多维正态数据的统计量 数据：

高中物理实验探究单摆的摆长与周期的关系学案

实验十三 探究单摆的摆长与周期的关系 考纲解读1.知道把单摆的运动看做简谐运动的条件.2.会探究与单摆的周期有关的因素.3.会用单摆测定重力加速度． 基本实验要求 1．实验原理 当偏角很小时，单摆做简谐运动，其运动周期为T ＝2π l g ，它与偏角的大小及摆球的质量无关，由此得到g ＝4π2 l T 2.因此，只要测出摆长l 和振动周期T ，就可以求出当地的重力加速度g 的值． 2．实验器材 带有铁夹的铁架台、中心有小孔的金属小球，不易伸长的细线(约1米)、秒表、毫米刻度尺和游标卡尺． 3．实验步骤 (1)让细线的一端穿过金属小球的小孔，然后打一个比小孔大一些的线结，做成单摆． (2)把细线的上端用铁夹固定在铁架台上，把铁架台放在实验桌边，使铁夹伸到桌面以外，让摆球自然下垂，在单摆平衡位置处作上标记，如实验原理图所示． (3)用毫米刻度尺量出摆线长度l ′，用游标卡尺测出摆球的直径，即得出金属小球半径r ，计算出摆长l ＝l ′＋r. (4)把单摆从平衡位置处拉开一个很小的角度(不超过5°)，然后放开金属小球，让金属小球摆动，待摆动平稳后测出单摆完成30～50次全振动所用的时间t ，计算出金属小球完成一次全振动所用时间，这个时间就是单摆的振动周期，即T ＝t N (N 为全振动的次数)，反复测3次，再算出周期T ＝T 1＋T 2＋T 33. (5)根据单摆周期公式T ＝2π l g 计算当地的重力加速度g ＝4π2 l T 2. (6)改变摆长，重做几次实验，计算出每次实验的重力加速度值，求出它们的平均值，该平均值即为当地的重力加速度值． (7)将测得的重力加速度值与当地的重力加速度值相比较，分析产生误差的可能原因． 规律方法总结 1．注意事项 (1)构成单摆的条件：细线的质量要小、弹性要小，选用体积小、密度大的小球，摆角不超过5°.

时间序列分析实验报告

时间序列分析实验报告 P185#1、某股票连续若干天的收盘价如表5-4 （行数据）所示。 表5-4 304 303 307 299 296 293301 293 301 295 284286 286 287 284 282278 281 278 277279 278 270 268 272 273 279 279280 275 271 277 278279 283 284 282 283279 280 280 279278 283 278 270 275 273 273 272275 273 273 272 273272 273 271 272 271273 277 274 274272 280 282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288 288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289 选择适当模型拟合该序列的发展，并估计下一天的收盘价。 解： （1）通过SA漱件画出上述序列的时序图如下： 程序： data example5_1; in put x@@; time=_ n_; cards ; 304 303 307 299296 293 301 293 301 295 284286286 287 284 282 278 281 278277 279 278 270 268 272 273279279 280 275 271 277 278 279283 284 282 283 279 280 280279278 283 278 270 275 273 273272 275 273 273 272 273 272273271 272 271 273 277 274 274272 280 282 292 295 295 294290291 288 288 290 293 288 289291 293 293 290 288 287 289292288 288 285 282 286 286 287284 283 286 282 287 286 287292292 294 291 288 289 proc gplot data =example5_1; plot x*time= 1; symbol1 c=black v=star i =join; run ; 上述程序所得时序图如下： 上述时序图显示，该序列具有长期趋势又含有一定的周期性，为典型的非平稳序列。又因为该序列呈现曲线形式，所以选择2阶差分。

《实验：探究单摆周期与摆长的关系》参考教案

实验：探究单摆周期与摆长的关系 一、教学目标 1、知识与技能： （1）探究摆长对单摆周期的影响及其定量关系 （2）理解单摆周期与摆长的定量关系 （3）学会借助计算机处理实验数据 2、过程和方法： 体验用计算机辅助系统进行科学探究的过程，学会科学探究的基本思想和基本方法 3、情感、态度和价值观：科学研究的浓厚兴趣，培养科学探究能力，培养团队合作精神 二、教学重点与难点 重点：实验探究单摆周期与摆长的定量关系 难点：精确测量摆长 三、教学结构 四、教学过程 （一）情景导入，提出问题 复习单摆理想模型，分析描述单摆作简谐振动的条件。 （二）观察实验，做出猜测 1.两摆的振幅不同 2.两摆的质量不同 3.两摆的摆长不同 （三）设计方案与讨论 1：利用米尺和游标卡尺分别测量出细线长度和小球的半径，算出摆长。 2；让单摆做简谐运动，用秒表测出振动周期。（课件出示注意事项） 注意事项 1.为减小误差，测量时间时从摆球经过平衡位置计时，此处摆球速度最大，计时误差相对较小。 2.为提高测量准确度，采取叠加测量，即测量30个周期时间，再除以次数，也

可减小测量误差。 （四）学生实验，教师辅导 每个小组改变摆长测量10组摆长和周期的数据。（直接记录到电脑的Excel 表格中） 学生进行实验，老师辅导，约10分钟 （五）实验总结，数据分析 1、原始数据定性分析大致规律 学生观察采集到的原始数据，根据数据定性分析。 学生观察采集的数据，可以从数据中看到：随着摆长逐渐减小，单摆的周期也在逐渐减小。 2、作图并拟合曲线分析定量关系 从数据的变化我们已经可以看出，摆长的确是影响单摆周期的因素之一，而且他们的大致关系是摆长越小周期也越小。excell 中，提供了对表格数据的绘图功能，利用这个功能，可以用计算机快捷地把原始数据绘制成图象。 学生活动:在计算机上画出图象，用各种函数进行拟合一次函数、二次函数、三次函数、平方根函数、三次方根函数等，观察哪条函数图线拟合得最好。 学生观察结果：平方根函数拟合得最好。 3、转化参量提高定量分析精度 师：曲线的拟合程度高低看起来还不是非常直观，最好能把图线转化成直线，这样更能说明问题。可以把周期的数据平方，当然也可以选择把摆长的数据开平方根，都可以更加精确地证明我们的猜想。而且利用软件提供的功能，可以非常快捷地完成这个过程。 学生活动，分两大组分别用两种方法处理数据，重新绘制图线。 4、找到规律总结思想方法 学生分析：从重新绘制的拟合图线中可以看出，将周期平方或者将摆长开平方根以后得到的拟合图线与正比例函数拟合得非常好，从而表示出了周期与摆长的定量关系，那就是L T ∝2，或L T ∝。 （六）讨论摆长与其他因素的关系 1、设计实验讨论细节

数据分析实验报告

《数据分析》实验报告 班级：07信计0班学号：姓名：实验日期2010-3-11 实验地点：实验楼505 实验名称：样本数据的特征分析使用软件名称：MATLAB 实验目的1.熟练掌握利用Matlab软件计算均值、方差、协方差、相关系数、标准差与变异系数、偏度与峰度，中位数、分位数、三均值、四分位极差与极差； 2.熟练掌握jbtest与lillietest关于一元数据的正态性检验； 3.掌握统计作图方法； 4.掌握多元数据的数字特征与相关矩阵的处理方法； 实验内容安徽省1990-2004年万元工业GDP废气排放量、废水排放量、固体废物排放量以及用于污染治理的投入经费比重见表6.1.1，解决以下问题：表6.1.1废气、废水、固体废物排放量及污染治理的投入经费占GDP比重 年份 万元工业GDP 废气排放量 万元工业GDP 固体物排放量 万元工业GDP废 水排放量 环境污染治理投 资占GDP比重 （立方米）（千克）（吨）（%）1990 104254.40 519.48 441.65 0.18 1991 94415.00 476.97 398.19 0.26 1992 89317.41 119.45 332.14 0.23 1993 63012.42 67.93 203.91 0.20 1994 45435.04 7.86 128.20 0.17 1995 46383.42 12.45 113.39 0.22 1996 39874.19 13.24 87.12 0.15 1997 38412.85 37.97 76.98 0.21 1998 35270.79 45.36 59.68 0.11 1999 35200.76 34.93 60.82 0.15 2000 35848.97 1.82 57.35 0.19 2001 40348.43 1.17 53.06 0.11 2002 40392.96 0.16 50.96 0.12 2003 37237.13 0.05 43.94 0.15 2004 34176.27 0.06 36.90 0.13 1.计算各指标的均值、方差、标准差、变异系数以及相关系数矩阵； 2.计算各指标的偏度、峰度、三均值以及极差； 3.做出各指标数据直方图并检验该数据是否服从正态分布？若不服从正态分布，利用boxcox变换以后给出该数据的密度函数； 4.上网查找1990-2004江苏省万元工业GDP废气排放量，安徽省与江苏省是 否服从同样的分布？

spss时间序列模型

《统计软件实验报告》SPSS软件的上机实践应用 时间序列分析

数学与统计学学院 一、实验内容： 时间序列是指一个依时间顺序做成的观察资料的集合。时间序列分析过程中最常用的方法是：指数平滑、自回归、综合移动平均及季节分解。 本次实验研究就业理论中的就业人口总量问题。但人口经济的理论和实践表明，就业总量往往受到许多因素的制约，这些因素之间有着错综复杂的联系，因此，运用结构性的因果模型分析和预测就业总量往往是比较困难的。时间序列分析中的自回归求积分移动平均法（ARIMA）则是一个较好的选择。对于时间序列的短期预测来说，随机时序ARIMA是一种精度较高的模型。 我们已辽宁省历年（1969-2005）从业人员人数为数据基础建立一个就业总量的预测时间序列模型,通过spss建立模型并用此模型来预测就业总量的未来发展趋势。 二、实验目的： 1.准确理解时间序列分析的方法原理 2.学会实用SPSS建立时间序列变量 3.学会使用SPSS绘制时间序列图以反应时间序列的直观特征。

4.掌握时间序列模型的平稳化方法。 5.掌握时间序列模型的定阶方法。 6.学会使用SPSS建立时间序列模型与短期预测。 7.培养运用时间序列分析方法解决身边实际问题的能力。 三、实验分析： 总体分析： 先对数据进行必要的预处理和观察，直到它变成稳态后再用SPSS对数据进行分析。 数据的预处理阶段，将它分为三个步骤：首先，对有缺失值的数据进行修补，其次将数据资料定义为相应的时间序列，最后对时间序列数据的平稳性进行计算观察。 数据分析和建模阶段：根据时间序列的特征和分析的要求，选择恰当的模型进行数据建模和分析。 四、实验步骤： SPSS的数据准备包括数据文件的建立、时间定义和数据期间的指定。 SPSS的时间定义功能用来将数据编辑窗口中的一个或多个变量指定为时间序列变量，并给它们赋予相应的时间标志，具体操作步骤是： 1.选择菜单：Date→Define Dates，出现窗口：

数据分析实验报告

数据分析实验报告 【最新资料，WORD文档，可编辑修改】 第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出：

方差1031026.918399673.8384536136.444百分位数25304.25239.75596.25 50727.50530.501499.50 751893.501197.004136.75 3画直方图，茎叶图，QQ图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民Stem-and-Leaf Plot Frequency Stem & Leaf 9.00 0 . 122223344 5.00 0 . 56788 2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689

1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验 单样本Kolmogorov-Smirnov 检验 身高N60正态参数a,,b均值139.00

标准差7.064 最极端差别绝对值.089 正.045 负-.089 Kolmogorov-Smirnov Z.686 渐近显着性(双侧).735 a. 检验分布为正态分布。 b. 根据数据计算得到。 结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。（2）W检验

应用时间序列实验报告

河南工程学院课程设计 《时间序列分析课程设计》学生姓名学号： 学院：理学院 专业班级： 专业课程：时间序列分析课程设计指导教师： 2017年 6 月 2 日

目录 1. 实验一澳大利亚常住人口变动分析..... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。 2. 实验二我国铁路货运量分析........... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。 3. 实验三美国月度事故死亡数据分析...... 错误!未定义书签。 实验目的............................................... 错误!未定义书签。 实验原理............................................... 错误!未定义书签。 实验内容............................................... 错误!未定义书签。 实验过程............................................... 错误!未定义书签。课程设计体会 ............................ 错误!未定义书签。

时间序列实验报告

第三章平稳时间序列分析 选择合适的模型拟合1950-2008年我国邮路及农村投递线路每年新增里程数序列，见表1： 表1 1950-2008年我国邮路及农村投递线路每年新增里程数序列 一、时间序列预处理 （一）时间序列平稳性检验 1.时序图检验 （1）工作文件的创建。打开EViews6.0软件，在主菜单中选择File/New/Workfile, 在弹出的对话框中，在Workfile structure type中选择Dated-regular frequency（时间序列数据），在Date specification下的Frequency中选择Annual(年度数)，在Start date中输入“1950”（表示起始年

份为1950年），在End date中输入“2008”（表示样本数据的结束年份为2008年），然后单击“OK”，完成工作文件的创建。 （2）样本数据的录入。选择菜单中的Quick/Empty group(Edit Series)命令，在弹出的Group对话框中，直接将数据录入，并分别命名为year（表示年份），X（表示新增里程数）。 （3）时序图。选择菜单中的Quick/graph…，在弹出的Series List中输入“year x”,然后单击“确定”，在Graph Options中的Specifi中选择“XYLine”,然后按“确定”，出现时序图，如图1所示： 图1 我国邮路及农村投递线路每年新增里程数序列时序图从图1中可以看出，该序列始终在一个常数值附近随机波动，而且波动的围有界，因而可以初步认定序列是平稳的。为了进一步确认序列的平稳性，还需要分析其自相关图。 2.自相关图检验 选择菜单中的Quick/Series Statistics/Correlogram...,在Series Name 中输入x（表示作x序列的自相关图），点击OK，在Correlogram Specification 中的Correlogram of 中选择Level，在Lags to include中输入24，点击OK，得到图2：

时间序列分析实验报告

时间序列分析SAS软件实验报告： 以我国2002第一季度到2012年第一季度国内生产总值数据（季节效应模型）分析 班级：统计系统计0姓名： 学号： 指导老师： 20 年月日

时间序列分析报告 一、前言 【摘要】2012年3月5日温家宝代表国务院向大会作政府工作报告。温家宝在报告中提出，2012年国内生产总值增长7.5%。这是我国国内生产总值（GDP）预期增长目标八年来首次低于8%。 温家宝说，今年经济社会发展的主要预期目标是：国内生产总值增长7.5%；城镇新增就业900万人以上，城镇登记失业率控制在4.6%以内；居民消费价格涨幅控制在4%左右；进出口总额增长10%左右，国际收支状况继续改善。同时，要在产业结构调整、自主创新、节能减排等方面取得新进展，城乡居民收入实际增长和经济增长保持同步。 他指出，这里要着重说明，国内生产总值增长目标略微调低，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。提出居民消费价格涨幅控制在4%左右，综合考虑了输入性通胀因素、要素成本上升影响以及居民承受能力，也为价格改革预留一定空间。 对于这一预期目标的调整，温家宝解释说，主要是要与“十二五”规划目标逐步衔接，引导各方面把工作着力点放到加快转变经济发展方式、切实提高经济发展质量和效益上来，以利于实现更长时期、更高水平、更好质量发展。 央行货币政策委员会委员李稻葵表示，未来若干年中国经济增长速度会有所放缓，这个放缓是必要的，是经济发展方式转变的一个必然要求。 【关键词】“十二五”规划目标国内生产总值增长率增速放缓提高发展质量附表：国内生产总值(2012年1季度) 绝对额（亿元）比去年同期增长（%） 国内生产总值107995.0 8.1 第一产业6922.0 3.8 第二产业51450.5 9.1 第三产业49622.5 7.5 注1：绝对额按现价计算，增长速度按不变价计算。注2：该表为初步核算数据。 GDP环比增长速度 环比增长速度（%） 2011年1季度 2.2 2季度 2.3 3季度 2.4 4季度 1.9 2012年1季度 1.8 注：环比增长速度为经季节调整与上一季度对比的增长速度。 此表是我国2012年第一季度国内生产总值及与2011年同期比较来源：前瞻网

经典课件：2020年高考物理总复习课时作业五十三实验十一单摆的周期与摆长的关系

课时作业五十三实验十一：单摆的周期与摆长的关系 受迫振动和共振 (限时：45分钟) (班级________ 姓名________) 1．关于单摆摆球在运动过程中的受力，下列结论正确的是 ( ) A．摆球受重力、摆线的张力、回复力、向心力作用 B．摆球的回复力最大时，向心力为零；回复力为零时，向心力最大 C．摆球的回复力最大时，摆线中的张力大小比摆球的重力大 D．摆球的向心力最大时，摆球的加速度方向沿摆球的运动方向 2．某同学做“用单摆测定重力加速度”的实验时，测得的重力加速度数值明显大于当地的重力加速度的实际值．造成这一情况的可能原因是( ) A．测量摆长时，把悬挂状态的摆线长当成了摆长 B．测量周期时，当摆球通过平衡位置时启动秒表，记为第0次，此后摆球第30次通 过平衡位置时制动秒表，读出经历的时间为t，并由计算式T＝t 30 求得周期 C．开始摆动时振幅过小 D．所用摆球的质量过大 3．(多选)在“用单摆测定重力加速度”的实验中，由于摆球形状不规则，无法准确测量摆长l，但摆线的长度l′可以准确测量．现使用同一摆球，多次改变摆线长度l′并测得每一次相应的摆动周期T.对于数据的处理方法，下列说法中正确的是( ) A．l′与T2不是直线关系 B．摆长l可以利用l′-T2图线求出 C. l′与T2是直线关系，在理论上，l′-T2直线的斜率与 l-T2直线的斜率相同 D．l′与T2是直线关系，在理论上，l′-T2直线的斜率与 l-T2直线的斜率不同 4．在飞机的发展史中有一个阶段，飞机上天后不久，飞机的机翼很快就抖动起来，而且越抖越厉害，后来人们经过了艰苦地探索，利用在飞机机翼前缘处装置一个配重杆的方法解决了这一问题，在飞机机翼前装置配重杆的主要目的是 ( ) A．加大飞机的惯性 B．使机体更加平衡 C．使机翼更加牢固 D．改变机翼的固有频率 5．(多选)一个单摆做受迫振动，其共振曲线(振幅A与驱动力的频率f的关系)如图所示，则( )

应用时间序列实验报告

河南工程学院课程设计《时间序列分析课程设计》学生姓名学号： 学院：理学院 专业班级： 专业课程：时间序列分析课程设计 指导教师： 2017年6月2日

目录 1. 实验一澳大利亚常住人口变动分析 (1) 1.1 实验目的 (1) 1.2 实验原理 (1) 1.3 实验内容 (2) 1.4 实验过程 (3) 2. 实验二我国铁路货运量分析 (8) 2.1 实验目的 (8) 2.2 实验原理 (8) 2.3 实验内容 (9) 2.4 实验过程 (10) 3. 实验三美国月度事故死亡数据分析 (14) 3.1 实验目的 (14) 3.2 实验原理 (15) 3.3 实验内容 (15) 3.4 实验过程 (16) 课程设计体会 (19)

1.实验一澳大利亚常住人口变动分析 1971年9月—1993年6月澳大利亚常住人口变动（单位：千人）情况如表1-1所示（行数据）。 表1-1 （1）判断该序列的平稳性与纯随机性。 （2）选择适当模型拟合该序列的发展。 （3）绘制该序列拟合及未来5年预测序列图。 1.1 实验目的 掌握用SAS软件对数据进行相关性分析，判断序列的平稳性与纯随机性,选择模型拟合序列发展。 1.2 实验原理 （1）平稳性检验与纯随机性检验 对序列的平稳性检验有两种方法，一种是根据时序图和自相关图显示的特征做出判断的图检验法；另一种是单位根检验法。

（2）模型识别 先对模型进行定阶，选出相对最优的模型，下一步就是要估计模型中未知参数的值，以确定模型的口径，并对拟合好的模型进行显著性诊断。 （3）模型预测 模型拟合好之后，利用该模型对序列进行短期预测。 1.3 实验内容 （1）判断该序列的平稳性与纯随机性 时序图检验，根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常识值附近波动，而且波动的范围有界。如果序列的时序图显示该序列有明显的趋势性或周期性，那么它通常不是平稳序列。 对自相关图进行检验时，可以用SAS 系统ARIMA 过程中的IDENTIFY 语句来做自相关图。 而单位根检验我们用到的是DF 检验。以1阶自回归序列为例： 11t t t x x φε-=+ 该序列的特征方程为： 0λφ-= 特征根为： λφ= 当特征根在单位圆内时： 11φ< 该序列平稳。 当特征根在单位圆上或单位圆外时： 11φ≥ 该序列非平稳。 对于纯随机性检验，既白噪声检验，可以用SAS 系统中的IDENTIFY 语句来输出白噪声检验的结果。 （2）选择适当模型拟合该序列的发展

数据分析与挖掘实验报告

数据分析与挖掘实验报告

《数据挖掘》实验报告 目录 1.关联规则的基本概念和方法 (1) 1.1数据挖掘 (1) 1.1.1数据挖掘的概念 (1) 1.1.2数据挖掘的方法与技术 (2) 1.2关联规则 (5) 1.2.1关联规则的概念 (5) 1.2.2关联规则的实现——Apriori算法 (7) 2.用Matlab实现关联规则 (12) 2.1Matlab概述 (12) 2.2基于Matlab的Apriori算法 (13) 3.用java实现关联规则 (19) 3.1java界面描述 (19) 3.2java关键代码描述 (23) 4、实验总结 (29) 4.1实验的不足和改进 (29) 4.2实验心得 (30)

1.关联规则的基本概念和方法 1.1数据挖掘 1.1.1数据挖掘的概念 计算机技术和通信技术的迅猛发展将人类社会带入到了信息时代。在最近十几年里，数据库中存储的数据急剧增大。数据挖掘就是信息技术自然进化的结果。数据挖掘可以从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的，人们事先不知道的但又是潜在有用的信息和知识的过程。 许多人将数据挖掘视为另一个流行词汇数据中的知识发现（KDD）的同义词，而另一些人只是把数据挖掘视为知识发现过程的一个基本步骤。知识发现过程如下： ·数据清理（消除噪声和删除不一致的数据）·数据集成（多种数据源可以组合在一起）·数据转换（从数据库中提取和分析任务相关的数据） ·数据变换（从汇总或聚集操作，把数据变换和统一成适合挖掘的形式） ·数据挖掘（基本步骤，使用智能方法提取数

据模式） ·模式评估（根据某种兴趣度度量，识别代表知识的真正有趣的模式） ·知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）。 1.1.2数据挖掘的方法与技术 数据挖掘吸纳了诸如数据库和数据仓库技术、统计学、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像和信号处理以及空间数据分析技术的集成等许多应用领域的大量技术。数据挖掘主要包括以下方法。神经网络方法：神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注。典型的神经网络模型主要分3大类：以感知机、bp反向传播模型、函数型网络为代表的，用于分类、预测和模式识别的前馈式神经网络模型；以hopfield 的离散模型和连续模型为代表的，分别用于联想记忆和优化计算的反馈式神经网络模型；以art 模型、koholon模型为代表的，用于聚类的自组

实验·6时间序列分析报告地spss应用

实验6 时间序列分析的spss应用 6.1 实验目的 学会运用SPSS统计软件创建时间数列，熟练掌握长期趋势线性模型拟合和季节变动测定的SPSS方法与技能。 6.2 相关知识（略） 6.3 实验内容 6.3.1 用SPSS统计软件创建时间序列的创建 6.3.2用SPSS统计软件处理长期趋势线性模型的拟合（最小二乘法、指数平滑法）及预测。 6.3.3掌握测定季节变动规律的SPSS测定方法。 6.4实验要求 6.4.1准备实验数据 6.4.2用SPSS统计软件创建彩电出口数量的时间序列 6.4.3用最小二乘法测定长期趋势，拟合线性趋势方程，并进行趋势预测。 6.4.4测定彩电出口数量的季节变动规律。 6.4.5用指数平滑法预测2014和2015年的彩电出口数量。 6.5 实验步骤 6.5.1 实验数据 为了研究某国彩电出口的情况，某研究机构收集了从2003-2013年某国彩电出口的月度数据，如表6-1所示。 表6-1 我国2003-2013年的我国彩电出口的月度数据（单位：万台）1月2月3月4月5月6月7月8月9月10月11月12月2003年12.53 13.73 24.45 28.75 32.45 31.11 25.94 32.98 43.49 42.94 63.29 77.28 2004年30.01 39.63 29.77 42.74 32.25 31.94 32.27 32.59 32.92 30.98 47.44 52.82 2005年24.08 16.42 31.24 29.33 31.88 30.09 28.08 32.99 44.99 47.57 50.36 75.19 2006年39.02 25.81 43.38 37.34 39.22 39.87 51.10 50.99 55.16 62.78 57.75 72.20 2007年28.76 39.38 46.10 39.41 38.74 40.18 45.59 43.31 46.68 54.17 53.65 61.12 2008年28.87 21.23 35.82 26.97 32.33 24.53 29.39 31.96 38.22 39.24 52.95 68.41

光电效应实验报告数据处理 误差分析

表1-1：不同频率下的遏止电压表 λ（nm）365 404.7 435.8 546.1 577 v（10^14）8.219 7.413 6.884 5.493 5.199 |Ua|(v) 1.727 1.357 1.129 0.544 0.418 表1-2：λ=365（nm）时不同电压下对应的电流值 U/(v)-1.927 -1.827 -1.727 -1.627 -1.527 -1.427 -1.327 I/(10^-11)A-0.4 -0.2 0 0.9 3.9 8.2 14 -1.227 -1.127 -1.027 -0.927 -0.827 -0.727 -0.718 24.2 38.1 52 66 80 97.2 100 表1-3：λ=404.7（nm）时不同电压下对应的电流值 U/(v) -1.477 -1.417 -1.357 -1.297 -1.237 -1.177 -1.117 I/(10^-11)A -1 -0.4 0 1.8 4.1 10 16.2 -1.057 -0.997 -0.937 -0.877 -0.817 -0.757 -0.737 24.2 36.2 49.8 63.9 80 93.9 100 表1-4：λ=435.8（nm）时不同电压下对应的电流值 U/(v)-1.229 -1.179 -1.129 -1.079 -1.029 -0.979 -0.929 I/(10^-11)A-1.8 -0.4 0 2 4.2 10.2 17.9 -0.879 -0.829 -0.779 -0.729 -0.679 -0.629 -0.579 -0.575 24.8 36 47 59 71.6 83.8 98 100 表1-5：λ=546.1（nm）时不同电压下对应的电流值 U/(v)-0.604 -0.574 -0.544 -0.514 -0.484 -0.454 -0.424 I/(10^-11)A-4 -2 0 3.8 10 16.2 24 -0.394 -0.364 -0.334 -0.304 -0.274 -0.244 -0.242 34 46 56.2 72 84.2 98.2 100 表1-6：λ=577（nm）时不同电压下对应的电流值 U/(v)-0.478 -0.448 -0.418 -0.388 -0.358 -0.328 -0.298 I/(10^-11)A-3.1 -1.8 0 2 6 10.2 16.1 -0.268 -0.238 -0.208 -0.178 -0.148 -0.118 -0.088 -0.058 22.1 31.8 39.8 49 58 68.2 79.8 90.1 -0.04 100

spss相关分析实验报告

实验五相关分析实验报关费 一、实验目的： 学习利用spss对数据进行相关分析(积差相关、肯德尔等级相关)、偏相关分析。利用交叉表进行相关分析。 二、实验内容： 某班学生成绩表1如实验图表所示。 1.对该班物理成绩与数学成绩之间进行积差相关分析和肯德尔等级相关 分析。 2.在控制物理成绩不变的条件下，做数学成绩与英语成绩的相关分析（这 种情况下的相关分析称为偏相关分析）。 3.对该班物理成绩与数学成绩制作交叉表及进行其中的相关分析。 三、实验步骤： 1.选择分析→相关→双变量，弹出窗口，在对话框的变量列表中选变量 “数学成绩”、“物理成绩”，在相关系数列进行选择，本次实验选择 皮尔逊相关（积差相关）和肯德尔等级相关。单击选项，对描述统计 量进行选择，选择标准差和均值。单击确定，得出输出结果，对结果 进行分析解释。 2.选择分析→相关→偏相关，弹出窗口，在对话框的变量列表选变量“数 学成绩”、“英语成绩”，在控制列表选择要控制的变量“物理成绩” 以在控制物理成绩的影响下对变量数学成绩与英语成绩进行偏相关分 析；在“显著性检验”框中选双侧检验，单击确定，得出输出结果， 对结果进行分析解释。 3.选择分析→描述统计→交叉表，弹出窗口，对交叉表的行和列进行选 择，行选择为数学成绩，列选择为物理成绩。然后对统计量进行设置， 选择相关性，点击继续→确定，得出输出结果，对结果进行分析解释。 四、实验结果与分析：

表1

五、实验结果及其分析：

分析一：由实验结果可观察出，数学成绩与物理成绩的积差相关系数r=，肯德尔等级相关系数r=可知该班物理成绩和数学成绩之间存在显著相关。

时间序列分析实验报告70946

时间序列分析实验报告 Ｐ185＃1、某股票连续若干天的收盘价如表5—4(行数据）所示。 表5－4 ３04 303 307 299 296 293 ３0１293 301 ２95 284 286 2８6 ２87 2８4 ２82 278 28１２78 277 279 278 270 ２68 ２72 ２73 ２79 2７9 280 27５２７1 277 ２７8 27９ 28３２84 282 ２８3 2７9 280 ２80 27９ 278 2８３２7８27０ 275 273 273 2７2 2７5 27３２7３２72 2７3 27２２7３ 271 ２7２ 271 ２73 ２77 274 2７4 27２２80 2８2 29２ 29５ 29５ 294 ２90 291 288 ２88 ２9０ 2９3 ２８８ 289 2９1 ２93 2９3 29０288 2８７ 289 ２92 ２８8 2８8 285 282 286 ２８6 ２87 ２8４ 2８3 28６ 28２ 28７ 2８6 2８7 292 29２ 294 291 28８ 2８９ 选择适当模型拟合该序列的发展，并估计下一天的收盘价。 解: （１）通过ＳＡＳ软件画出上述序列的时序图如下： 程序: ｄａta eｘａmｐle5＿1； inpuｔ x@＠； time＝_ｎ＿; ｃａrｄs; 304 303 30７299 2９６２93 ３01 2９3 3０1 295 284 2８6 286 287 284 28２ 278 28１2７8 ２77 ２79 2７８ 27０268 ２７２ 27３２79 279 ２8０275 ２71 277 278 2７９ 283 28４ 282 283 279 ２80 280 ２79 ２78 28３ 278 270 2７5 ２7３２73 ２７2 2７5 273 2７3 272 2７3 272 27３ 27１２72 27１ 2７3 ２77 27４２74 ２72 28０ 2８2 29２２9５ 295 2９4 290 29１２8８ 288 ２90 29３288 289 291 29３ 2９3 290 2８８ 287 289 292 288 288 285 282 2８6 ２86 28７ 2８４２83 286 282 2８7 286 287 ２92 2９2 2９４ 291 288 ２8９ ; pｒｏc gplot datａ=examplｅ5_1; ploｔx*ｔiｍe＝1； symbol１c=ｂlacｋｖ=ｓｔａr i=ｊoiｎ; run； 上述程序所得时序图如下：