Cтраница 2
В табл. 4.3 приведены значения массивов, кодирующих схему реакций. После обработки входной информации рабочие массивы принимают значения, представленные в табл. 4.4. Эти массивы используются также в программах вычисления разряженных матриц чувствительности djIdC и df / dk, которые работают только с ненулевыми элементами без предварительного нахождения их путем перебора. После начального присвоения нулевых значений элементам этих матриц, во время счета при вызове программ вычисления матриц чувствительности организуется цикл по каждому компоненту С. Обрабатывается каждое слагаемое, входящее в суммы (4.13), и в зависимости от номера и типа реакции вводятся поправки в соответствующие элементы матриц. [16]
В качестве предварительных этапов предусматривается решение задачи о собственных значениях и задачи идентификации. Вводится матрица чувствительности и линейная связь между частотным и параметрическим возмущением. Далее решается вариационная задача оптимизации скалярного функционала качества. В результате получено векторно-матричное алгебраическое уравнение, в котором с целью сжатия информации используются матрицы Грама. [17]
Задача определения УЭС пород сводится к подбору таких параметров геоэлектрического разреза, чтобы теоретически рассчитанные по прямым задачам измерения минимально отличались от фактических в заданной метрике. При этом одновременно вычисляется матрица чувствительности измерений к определяемым параметрам, которая получается путем редукции исходных уравнений Лапласа и Гельмголь-ца к уравнению Риккатти и его линеаризации. Такой подход исключает многократное обращение к прямым задачам при вычислении матриц производных методом конечных приращений, что резко сокращает время вычислений и дает возможность использовать разработанное программное обеспечение при массовой обработке скважинного материала. При необходимости возможно использование программ на основе полуаналитических ( гибридных) методов решения прямых задач электрического и индукционного каротажа. [18]
Здесь очевидно вырождение по параметрам, приводящее к потере констант знаменателя и заниженной оценке константы числителя. При этом модель прекрасно согласуется с экспериментальными данными: среднеквадратичный остаток опытных и скорректированных данных равен 0 9 %, а среднее расхождение уравнений ограничений составляет 9 73 10 7 единиц. Показателен диагноз, который дает матрица чувствительности. В табл. 3 приведены собственные числа и собственные векторы этой матрицы. [19]
Отметим, что основные затраты машинного времени на реализацию алгоритма связаны с анализом чувствительности. Анализ чувствительности методом приращений требует п 1 раз обращаться к математической модели объекта. Каждое последующее обращение позволяет вычислить очередную строку матрицы чувствительности и в итоге дает значения ац. Манипулирование ею при решении задач линейного программирования не требует заметных затрат машинного времени. [20]
В табл. 4.3 приведены значения массивов, кодирующих схему реакций. После обработки входной информации рабочие массивы принимают значения, представленные в табл. 4.4. Эти массивы используются также в программах вычисления разряженных матриц чувствительности djIdC и df / dk, которые работают только с ненулевыми элементами без предварительного нахождения их путем перебора. После начального присвоения нулевых значений элементам этих матриц, во время счета при вызове программ вычисления матриц чувствительности организуется цикл по каждому компоненту С. Обрабатывается каждое слагаемое, входящее в суммы (4.13), и в зависимости от номера и типа реакции вводятся поправки в соответствующие элементы матриц. [21]
В разделе 2.4.1 было показано, что излишняя связь ( весовой коэффициент) приводит к нулевому значению собственного числа гессиана. На практике ни один из весовых коэффициентов не может быть излишним, так как нейросетевая структура не может быть избыточной. Таким образом, гессиан всегда положительно определен. Однако малосущественные весовые коэффициенты приводят к небольшим собственным значениям гессиана и наоборот. Это явление может быть объяснено путем рассмотрения производных выходных сигналов по вектору входов ( y ( t Q)) как матрицы чувствительности. В этом случае все диагональные элементы, так же как и элементы строки i ( столбца i) матрицы R, будут малы, что приводит к небольшим собственным значениям гессиана. Для более существенных весовых коэффициентов наблюдается противоположный эффект. [22]