Метода - статистическое моделирование
Cтраница 3
В объединении ЭЭС процесс определения ПН можно условно разбить на два этапа. На первом методами статистического моделирования или комбинаторики формируются случайные состояния отдельных ЭЭС с использованием аналитически полученных функций, характеризующих вероятности изменения генерирующей мощности и нагрузки, а также пропускной способности связей. На втором - методами линейного или нелинейного программирования анализируется, могут ли эти состояния обеспечить нагрузку всех ЭЭС объединения с учетом ограничений по пропускной способности связей. В отличие от концентрированной в объединении ЭЭС можно перераспределять дефицит мощности из одной ЭЭС в другую ( коллективный, локальный или другие принципы) и тем самым влиять на значения интегральных вероятностей дефицита генерирующей мощности в них. Это говорит о том, что ПН, используемые для отдельных ЭЭС, непригодны для нормирования в объединении. [31]
На основании известных аналитических зависимостей выбора параметров идеального кривошипно-коромыслового механизма резания приведены алгоритм и программа исследования влияния ошибок в размерах звеньев и углов сборки на относительное движение ножей. Точностный расчет осуществляется методами статистического моделирования. Результаты моделирования статистически обрабатываются. [32]
Таблицы ЦНИИС ЛФ разработаны на основе аналитических зависимостей пропускной способности полнодоступных и неполно-доступных равномерных включений пучков линий в выходы двух-звеньевых блоков АИ-АВ, АИ-CD, ГИ, ГИК. Эти аналитические зависимости проверены методами статистического моделирования на ЭВМ. Необходимые для расчетов таблицы и графики приведены ниже. С целью уменьшения объема таблицы переработаны автором; при пользовании ими применяется метод интерполяции. [33]
В статье рассматриваются способы оценки эффективности алгоритма декомпозиции множеств. Разработаны алгоритмы исследования процессов методами статистического моделирования. Алгоритмы разработаны на уровне, достаточном для их реализации на ЭВМ. [34]
 |
Зависимости вероятности правильного распознавания для пуассоновской статистики от. [35] |
Найти аналитическое выражение для распределения величины Z, которым можно было бы воспользоваться для расчета вероятности распознавания, не удается. Поэтому для получения искомых зависимостей обычно обращаются к методу статистического моделирования. При этом фиксируются значения параметров по, q, MQ и наигрывается некоторое число независимых реализаций J, соответствующих обеим проверяемым гипотезам. [36]
Аналогично при имитации смешанных стратегий, где в качестве случайных параметров рассматривается удельный вес каждого способа производства в общем объеме производства промышленной продукции, также можно получить бесконечное множество смешанных стратегий. Поэтому для группировки исходных сочетаний случайных величин, полученных методами статистического моделирования, на третьем этапе методики прогнозирования ВЭР используются алгоритмы машинного распознавания образов. При этом правильный выбор информативных признаков, в которых сосредоточена наиболее существенная для распознавания информация, является одной из важнейших и необходимых предпосылок успешного решения задачи распознавания в целом. [37]
Решаются такие задачи методами теории массового обслужива - - Ния, при этом все шире применяются методы статистического моделирования, в основном метод Монте-Карло. [38]
Для получения методики расчета показателей эффективности, а также для исследования различных свойств системы необходимо построить математическое описание процесса ее функционирования, или, другими словами, математическую модель. На практике, учитывая специфику сложных систем и особенности задач макропроектирования, из всевозможных методов физического и математического моделирования обычно отдается предпочтение методу статистического моделирования. Статистическая модель процесса функционирования системы представляет собой алгоритм, реализуемый на универсальной цифровой вычислительной машине, при помощи которого имитируется работа отдельных элементов системы, их взаимодействие, а также циркуляция и переработка информации. Для формирования случайных воздействий на систему со стороны внешней среды и внутренних источников помех используются случайные числа с заданными или определяемыми в процессе моделирования законами распределения. Случайные числа либо генерируются специальными датчиками ( электронными приставками к вычислительной машине), либо вырабатываются в самой машине по специальным программам. [39]
Каждому из названных этапов присущи свои методы и проблемы. Так, например, при решении задач последнего этапа могут быть использованы методы теории систем автоматической оптимизации при наличии реальных помех; методы планирования экстремальных экспериментов по отысканию оптимальных параметров производственного процесса с помощью минимального количества проб ( экспериментов); методы введения целесообразной алгоритмической избыточности; методы статистического моделирования, при которых показатель качества оптимизируется в условиях помех. Широкое распространение получают также различные методы контроля информации на достоверность, использования естественной информационной избыточности, отбраковки ложных сигналов и результатов счета. [40]
Аналитические методы - более удобны при изучении общих свойств резервирования, поскольку они позволяют проанализировать характеристики надежности в большом диапазоне параметров и в любых интервалах времени. Они дают возможность проследить тенденции к изменению основных характеристик надежности и выяснить структуру процесса функционирования системы. Методы статистического моделирования позволяют анализировать сложные модели надежности, хотя и не обладают большой общностью. [41]
Эвристические и региональные нельзя применить в компьютерной модели, поскольку они не универсальны и, следовательно, требуют для каждого объекта создания новой модели. Общие методы, базирующиеся на интегральном уравнении регулирования речного стока, непригодны по вычислительным соображениям. Методы статистического моделирования используют традиционные средства: годовой сток моделируется методом Монте-Карло на основе гипотезы о функции его распределения [ Вод-ноэнергетические расчеты... Фактически, такое моделирование сводится к расчету по уравнению типа (4.3.18) в дискретном времени, где все величины нормируются по отношению к среднемноголетнему стоку. [42]
 |
Численное решение задач радиационной защиты. [43] |
Радиационные защиты современных ядерно-технических установок ( ЯТУ) - это сложные многофункциональные системы, содержащие как протяженные однородные зоны, обеспечивающие необходимое ослабление потоков нейтронов и гамма-квантов, так и локальные неоднородности с элементами теплотехники, гидравлики, контроля и управления. Для расчета характеристик радиационных полей в таких системах созданы и широко используются мощные программные комплексы, отечественные и зарубежные. Используется один из вариантов либо метода статистического моделирования ( Монте-Карло), либо сеточного метода решения уравнения переноса. Эти методы позволяют решать большое число задач радиационной защиты. Однако они оказываются чрезвычайно трудоемкими, так как в реальных защитах требуется достижение ослабления потоков нейтронов и гамма-квантов на 10 - 14 порядков с требованием процентной точности. Методы статистического моделирования в этой ситуации оказываются неприемлемыми. Поэтому используемые численные методы опираются на многогрупповую аппроксимацию уравнения переноса по энергетической переменной. [44]
Таким образом, локальные испытания позволяют выявить большинство некорректностей программной реализации исходного алгоритма. По-видимому, данная оценка может быть получена лишь при испытаниях АлСУ методами статистического моделирования в заданном диапазоне начальных условий. [45]
Страницы: 1 2 3 4