Стохастическая математическая модель

Cтраница 1

Стохастическая математическая модель, используемая для управления процессом каталитического крекинга [ см. выражение ( 111 - 36) ] включает произведения управляющего воздействия на ненаблюдаемую переменную состояния и, следовательно, соответствующая система управления объектом относится к неприводимым по Фельдбауму. [1]

Стохастические математические модели учитывают сложные связи переменных параметров и показателей качества отливок. Их получают обычно путем обработки статистических данных методами корреляционного и регрессионного анализов. Эти модели носят частный характер и могут быть использованы для оптимизации режимов литья отливки, при изготовлении которой были получены статистические данные. [2]

Гипотетические показатели разных сценариев климата. [3]

Детерминированные и стохастические математические модели ( типа сформулированных в разделах 6.1 и 6.2) разработаны для условий Северного Кавказа в целом и входящего в него Ставропольского края. Полученные результаты использованы для анализа воздействий изменения климата на сельскохозяйственное водопользование в соответствии с принятыми агроклиматическими сценариями. В частности, в сценариях предполагается, что за последние десятилетия рост средней глобальной температуры составил к 2005 - 2010 гг. 0 5 - 1 С, а к 2020 - 2030 гг. может составить 2 - 3 С. В сценариях климата А, А % заложена гипотеза отсутствия климатических изменений, а в сценариях группы В предполагается, что климат меняется. [4]

Наибольшее распространение для получения стохастических математических моделей получили методы пассивного и активного экспериментов, используемые в работах И. И. Прохорова, Р. М. Калиша, Н. Ф. Мухаметжанова и других исследователей. [5]

Прежде всего обсудим возможные способы реализации на ЭВМ стохастической математической модели, рассмотренной в 5.1.4. Для этого необходимо решить проблемы моделирования распределений случайных значений параметров объекта и статистической обработки получаемых на выходе модели значений рабочих показателей. [6]

Схема алгоритма получения случайных значений входных параметров. [7]

Разработка алгоритмов статистической обработки результатов моделирования представляет собой вторую основную проблему реализации стохастической математической модели на ЭВМ. Наиболее полная информация об ожидаемом разбросе значений рабочих показателей может быть получена из гистограммы. Действительно, зная эмпирическое распределение значений показателей, не составляет труда определить параметры этого распределения и оценить вероятность удовлетворения требований ТЗ. Основная трудность, возникающая при разработке достаточно универсального и эффективного алгоритма построения гистограмм, состоит в необходимости совмещения во времени операций определения границ разброса по анализируемому показателю ( поскольку в общем случае эти границы заранее неизвестны и формируются в процессе выполнения заданного количества статистических испытаний) и подсчета частот попадания значений показателя в интервалы разбиения диапазона разброса. [8]

Экономический эффект от стабилизации показателей качества. [9]

В системе были впервые опробованы алгоритмы адаптивного управления РРБ, описанные в главе IV и построенные на базе стохастической математической модели. [10]

Поэтому уже на стадии разработки ЭМУ настоятельно необходимо получение статистической оценки показателей его функциональной пригодности. Применение методов вероятностного анализа позволяет распространить возможности разработанных моделей физических процессов в ЭМУ на уровнеь технологических и эксплуатационных задач, обеспечивая новое качество исследования, отвечающее требованиям системного подхода к решению задач. Это требует построения стохастической математической модели ЭМУ, которая адекватно воспроизводила бы проявление случайных отклонений перечисленных факторов. [11]

Результаты определения допусков на параметры. [12]

Вместе с тем и возможности технологического оборудования должны учитываться при определении допусков на параметры. Пути улучшения рабочих свойств проектируемых изделий, сокращения сроков и затрат на внедрение в серийное производство связаны с возможно более полным учетом предполагаемых технологических и эксплуатационных воздействий в их реальной взаимосвязи. Эти задачи целесообразно решать на стадии проектирования с применением стохастической математической модели ЭМУ ( см. § 5.1), позволяющей воспроизводить разнообразные детерминированные и случайные воздействия на уровень рабочих показателей проектируемых объектов. Для этого разрабатываются специальные алгоритмы вероятностного анализа. [13]

Страницы: 1