Оценка - адекватность - модель
Cтраница 2
Степень детализации математических моделей процессов полимеризации существенно определяется объемом и качественным составом эмпирической информации, используемой для идентификации и оценки адекватности модели. [16]
После вычисления коэффициентов регрессии переходят к статистическому анализу уравнения регрессии, который состоит из трех основных этапов: 1) оценка дисперсии воспроизводимости ( или оценка ошибки опыта), 2) оценка значимости коэффициентов уравнения регрессии и 3) оценка адекватности модели. [17]
Уравнения связи представляют собой систему алгебраических линейных и нелинейных уравнений, которая включает уравнения материально-тепловых балансов процесса, физико-химические и экспериментально полученные зависимости. Оценка адекватности модели и объекта производится путем сравнения основных рассчитанных выходных величин со значением, измеряемым непосредственно на объекте. В случае неадекватности модели происходит корректировка модели. [18]
Для оценки адекватности модели использованы данные дополнительных экспериментов при сопоставлении по значениям степени конверсии и молекулярной массы. По F-критерию доказана адекватность такой модели. [19]
Таким образом, вопрос оценки адекватности модели имеет две стороны: приобретение уверенности в том, что модель ведет себя таким же образом, как и реальная система; установление того, что выводы, полученные из экспериментов с моделью, справедливы и корректны. Оба эти момента в совокупности сводятся к обычной задаче нахождения равновесия между стоимостью каждого действия, связанного с оценкой адекватности модели, ценностью получаемой все в больших количествах информации и последствиями ошибочных заключений. [20]
Поскольку имитационный эксперимент предлагается начинать с формулировки проблемы, а не с изучения моделируемого процесса, то основное внимание уделяется проблеме планирования эксперимента, оценке адекватности модели, методам статистической обработки результатов эксперимента. [21]
В пособии изложены ключевые понятия и математические модели элементов измерительного процесса; подробно рассмотрены методы и алгоритмы расчета характеристик погрешности в статическом и динамическом режима измерения. Большое внимание уделено многократным измерениям как эффективному способу обеспечения единства измерений относительно погрешности результата измерения; приводятся оптимальные алгоритмы обработки многократных измерении постоянных и переменных величин, а также алгоритмы оценки адекватности моделей этих величин и качества изделий с использованием алгоритмических шкал нглменований и порядка. [22]
Изложены ключевые понятия и математические модели элементов измерительного процесса; подробно рассмотрены методы и алгоритмы расчета характеристик погрешности в статическом и динамическом режимах измерения. Большое внимание уделено многократным измерениям, как эффективному способу обеспечения единства измерений относительно погрешности результата измерения; приводятся оптимальные алгоритмы обработки многократных измерений постоянных и переменных величин, а также алгоритмы оценки адекватности моделей этих величин и качества изделий с использованием алгоритмических шкал наименований и порядка. [23]
Коррекция математической модели процесса ректификации проводится на основе экспериментальных данных о моделируемом процессе. В качестве таких данных чаще всего используются значения концентраций компонентов разделяемой смеси по высоте колонного аппарата в паровой и жидкой фазах, значения температур на ступенях разделения, а также составы продуктов разделения. При этом под оценкой адекватности модели объекта моделирования понимается сравнение расчетных и экспериментальных данных, по результатам которого и проводится коррекция математических моделей Следует отметить, что получение достаточно полного объема экспериментальных данных во многих случаях представляется сложной задачей и может служить источником ошибок, если не принять соответствующих мер по проверке их корректности. [24]
Коррекция математической модели процесса ректификации проводится на основе экспериментальных данных о моделируемом процессе. В качестве таких данных чаще всего используются значения концентраций компонентов разделяемой смеси по высоте колонного аппарата в паровой и жидкой фазах, значения температур на ступенях разделения, а также составы продуктов разделения. При этом под оценкой адекватности модели объекта моделирования понимается сравнение расчетных и экспериментальных данных, по результатам которого и проводится коррекция математических моделей. Получение достаточно полного объема экспериментальных данных во многих случаях представляется сложной задачей и может служить источником ошибок, если не принять соответствующих мер по проверке их корректности. [25]
Свойство плана, задающееся разностью между числом точек спектра плана и числом оцениваемых параметров, называется насыщенностью плана. План, в котором число точек спектра плана совпадает с числом оцениваемых параметров, называется насыщенным планом. Если применять насыщенные планы, то для регрессионного анализа ( оценка адекватности модели, дисперсии и доверительного интервала коэффициентов регрессии) необходимо проведение дублирующих опытов. [26]
 |
Зависимость функции интенсивности от безразмерного времени для систем с застойной зоной и байпаси. [27] |
Так, например, в простейшем: случае, когда математическая модель процесса разрабатывается при изучении влияния условий разделения на характеристики конечных продуктов, наибольшие значения весовых коэффициентов принимаются для переменных, которые представляют в модели эти характеристики. Естественно, что чем больше измеряемых переменных может быть включено в выражение (VII.26), тем точнее оценка адекватности модели реальному процессу. [28]
Так, например, в простейшем случае, когда математическая модель процесса разрабатывается при изучении влияния условий разделения на характеристики конечных продуктов, наибольшие значения весовых коэффициентов принимаются для переменных, которые представляют в модели эти характеристики. Естественно, что чем больше измеряемых переменных может быть включено в выражение ( 11 72), тем точнее производится оценка адекватности модели реальному процессу. [29]
Так, например, в простейшем случае, когда математическая модель процесса разрабатывается при изучении влияния условий разделения на характеристики конечных продуктов, наибольшие значения весовых коэффициентов принимаются для переменных, которые представляют в модели эти характеристики. Естественно, что чем больше измеряемых переменных может быть включено в выражение ( 11 72), тем точнее производится оценка адекватности модели реальному процессу. [30]
Страницы: 1 2 3