Адаптивная модель

Cтраница 1

Адаптивная модель тесно связана с фактическим знанием нефтяных пластов, не преувеличивает наше знание, когда оно невелико; без поломок учитывает все последующие поступления знания; позволяет осуществить мероприятия по увеличению добычи нефти и дополнительное знание превратить в дополнительную добычу нефти. [1]

Адаптивная модель - модель, структура и параметры которой изменяются так, чтобы некоторая мера погрешности между выходными переменными модели и объекта была наименьшей. [2]

Класс адаптивных моделей в настоящее время довольно широк. Их характерным элементом является отсутствие стабильности структурных параметров. Модели допускают изменение тренда, характера периодических колебаний, а также характеристик распределения случайного члена. Изменения могут быть частными и нерегулярными, при этом соответствующий механизм адаптации должен по возможности быстро исключать прежние закономерности развития и приспосабливаться к новым. [3]

Диапазоны изменения параметров. [4]

Применение адаптивной модели позволило уменьшить значение критерия качества прогнозирования оу на 5 %, однако разность значений критерия оу по отношению к неадаптивной модели невелика. Наряду с этим вычисления по адаптивной модели требуют в три раза больше машинного времени. [5]

Существует множество адаптивных моделей. Здесь рассматриваются только две из них, для того чтобы отметить некоторые характерные черты адаптивных моделей. Поскольку в адаптивных моделях мы пытаемся проследить изменения в случайном поведении процесса, важна история процесса. Так как требуется управлять процессом, важен также прогноз его будущего поведения. Чтобы управлять адаптивными моделями, необходим способ превращения знания о прошлом поведении процесса в инструмент прогнозирования будущего поведения процесса. [6]

Требуется разработать формальную адаптивную модель абсорбционного отделения в производстве слабой азотной кислоты в статическом режиме. Основным технологическим аппаратом отделения является тарельчатая абсорбционная колонна, где происходит абсорбция окислов азота. [7]

Для подстройки параметров адаптивной модели наиболее пригодны итеративные методы оценивания параметров, которые в дальнейшем для кратности будут называться методами адаптации. [8]

Результаты эксперимента с адаптивной моделью позволяют сделать следующий вывод. Эксперимент подтверждает основные теоретические положения работы. Минимально необходимая длительность обучения равна приблизительно 180 шагам. [9]

Важно отметить, что адаптивная модель разработки нефтяного месторождения как в самом начале, когда применима вероятностная модель, так и в самом конце, когда действует адресная детерминированная модель, представляется одними и теми же уравнениями разработки нефтяной залежи, только у этих уравнений по мере накопления достоверного знания уточняются численные значения основных параметров. [10]

Нами ставится задача построения адаптивной модели балансирования, которая позволила бы обеспечить поиск наиболее рациональных вариантов устранения имеющегося разбаланса и, опираясь на постоянно обновляющуюся статистиче-скую информацию и анализ рекомендуемых и скорректированных решений, могла бы самообучаться. [11]

Другими словами, в адаптивных моделях должен осуществляться процесс упреждения - изменения коррозионных условий модели как функции поведения оригинала. Очевидно, что адаптивная модель коррозионного процесса должна в полной мере обладать способностью приспосабливаться к коррозионным условиям реального объекта. Подобная модель должна автоматически следить за реальными условиями коррозии металла и при необходимости менять интенсивность ( активность) электролита и свои основные параметры в соответствии с изменениями коррозионных условий. [12]

Поскольку распределение вероятностей в адаптивных моделях меняется от цикла к циклу, то для описания состояния системы нужно принимать во внимание не только уровень в резервуаре, но и параметры, описывающие переход от одного распределения вероятностей к следующему. [13]

Электронная карта реализует мобильную или адаптивную модель данных, позволяющую настраивать состав, объем и форму отображаемых данных в соответствии с запросами пользователя. [14]

Наконец, следует отметить необходимость построения адаптивных моделей. В процессе работы большой системы ее параметры могут изменяться. Заранее построенная модель системы, не соответствующая теперь реальному объекту, должна быть исправлена. Разработанные итерационные процедуры уточнения моделей реальных объектов используют разные алгоритмы [21, 22] и могут применяться к моделям различной сложности. Для нестационарных объектов, когда параметры объектов существенно изменяются случайным образом, адаптивные модели являются единственно приемлемыми. Существенную роль играют скорость сходимости алгоритма и точность модели. Адаптивная модель ввиду своего свойства приспосабливаться в частных случаях может быть проще модели с фиксированными параметрами. [15]

Страницы: 1 2 3 4