Oransal yaklaştırım yöntemlerinin, tek veya çok değişkenli fonksiyonlardaki doğrusal olmama durumlarının veya tekilliklerin üstesinden gelmede kullanılan en etkin ve oluşturulması en kolay yaklaştırım yöntemleri olduğu söylenebilir. Bu yöntemler, çok değişkenli, doğrusal öteleme altında değişmeyen sistemlerdeki (ing: Multidimensional Linear Shift Invariant-LSI recursive systems) model indirgeme uygulamalarında, çok düzeyli birleştiricilerdeki (ing: multiplexer models) paket kayıp olasılıklarının hesaplanmasında ve üç boyutlu şekilleri yeniden oluşturmada (ing: shape reconstruction) kullanılırlar. Bu çalışmada, çok değişkenli, yeni bir oransal yaklaştırım yöntemi geliştirilmiş, yöntemin özellikleri, günümüzde oransal yaklaştırım yöntemlerinin en başında gelen Padé yaklaştırım yöntemi ile karşılaştırmalar yaparak tartışılmıştır. Burada sunulan oransal yaklaştırım çizemi, YBMG’nde (Yüksek Boyutlu Model Gösterilimi) yapılan kesmelere dayanır. YBMG, analitik yapısı bilinen çok değişkenli fonksiyonları daha az değişken içeren bir takım fonksiyonların toplamı olarak yaklaştırmaya dayanan ve son 15 yılda geliştirilen bir yaklaştırım yöntemidir. Çalışmada, yaklaştırımın niteliğini arttırmak amacı ile yöntemin yapısına bir takım esneklikler katılmıştır. YBMG, asıl fonksiyon yerine fonksiyonun birinci derece dönüşüm altındaki görüntüsüne uygulanmıştır. Bu da bize yaklaştırıma fazladan esneklik katabilme olanağını vermiştir. YBMG aracılığı ile elde edilen bu yeni yaklaştırım yönteminin fiziksel problemlerdeki davranışını gözlemlemek amacı ile, yöntem doğrusal öteleme altında değişmeyen, çok değişkenli sistemlere (LSI) uygulanmıştır. Bunun dışında, tek değişkenli bir yapay fonksiyon örneği de, yöntemin tek değişkenli fonksiyonlardaki etkinliğini incelemek için verilmiştir. Sonuçlar, tek veya çok değişkenli bir fonksiyonu Padé oransal yaklaştırım yöntemine göre daha geniş bir aralıkta yaklaştırabildiğimizi göstermektedir.

Anahtar Kelimeler: Yüksek boyutlu model gösterilimi, oransal yaklaştırım, çok değişkenli analiz.