Матрица - исходные данные
Cтраница 1
Матрица исходных данных для построения статистической модели нефтеотдачи карбонатов составлена исходя из предположения, что все природные условия, влияющие на эффективность разработки нефтяной залежи, можно разделить на три группы факторов. К первой группе условно можно отнести коллекторские свойства, ко второй - физико-химическую характеристику насыщающих пласт жидкостей, к третьей - параметры, характеризующие геометрию залежи. [1]
Составляют матрицу исходных данных. [2]
После обновления матрицы исходных данных заново стартуют все методы со всеми вариантами. Таким образом, одновременное применение разных методов идентификации и расчет по ним нескольких вариантов формируют группу алгоритмов, каждый из которых работает достаточно эффективно только в определенной ситуации. При этом многометодный алгоритм предусматривает автоматический анализ различных вариантов построения моделей разными методами по заданному критерию. [3]
Для формирования матриц исходных данных система содержит генератор псевдослучайных чисел, распределенных по равномерному закону. Предусмотрены возможность варьирования диапазона генерируемых чисел, а также коррекция полученных матриц и заполнение их вручную. [4]
Блок 15 - осуществляет формирование матрицы исходных данных для проведения расчета на ЭВМ. [5]
 |
Карта контуров параметра и [ IMAGE ] Схема определения ее отображение в пределах ячейки среднего значения параметра. [6] |
Именно это значение необходимо закодировать в матрицу исходных данных. [7]
При решении классической задачи выбора (3.1) - (3.3) обычно предполагают, что матрица исходных данных А, содержащая коэффициенты a, j, известна. Однако при реализации задачи выбора в системах управления должны быть предусмотрены специальные алгоритмы, вычисляющие a - j в заданные моменты времени. Такого типа дополнительные ограничения присутствуют практически всегда в реальных системах управления. [8]
Пусть [ Z ( x, у) ] и [ F ( u, v) ] представляют собой ( NxN) матрицы исходных данных и результата преобразования соответственно. [9]
Эффективность гибкого алгоритма тем выше, чем больше значение отношения ( а, а2) / а3 Однако и в предельном случае, когда в ходе работы гибкого алгоритма матрица исходных данных оказывается заполненной, оценка решения задачи 3.3 базового алгоритма а3и3 и оценка приращения времени работы гибкого алгоритма ( после заполнения матрицы А) Kdn ( n - 2) ( см. формулу (3.29)) позволяют отдать дань предпочтения гибкому алгоритму. [10]
Для повышения надежности результатов в работе [ НО ] для исследования равновесия димеризацин применен комплексный подход, включающий взвешенный МНК, предварительное сглаживание данных методом Савицкого - Голея ( см. раздел 8.5.1), предварительную проверку ранга матрицы исходных данных методом Уоллеса - Каца ( см. раздел 2.4.2) и, наконец, проверку остаточных разностей Овыч - ОЭКсл на нормальность распределения. [11]
Для всех промежуточных переменных вычисляются их значения в точках входной последовательности. Полученная таким образом матрица значения промежуточных переменных является матрицей исходных данных для следующего ряда селекции. [12]
Для этого в системе CHOISE предусмотрены специальные датчики времени расчета элементов матриц исходных данных и таймеры. [13]
 |
Собственные значения и собственные векторы для смесей цикло-гексан - циклогексен. [14] |
Ясно, что два собственных значения незначительно отличаются от нуля. Таким образом, число основных факторов равно двум, что указывает на число чистых продуктов, присутствующих в исследуемой смеси. Воспроизведение матрицы исходных данных реализуется по одному и двум основных факторам. В табл. 5.3 представлены вычисленные для каждой точки ошибки. [15]
Страницы: 1 2