Cтраница 2
Таким образом, влияние емкостной проводимости и, соответственно, зарядной мощности на общее потокораспределение В Л 35 кВ незначительно и не превосходит ошибок исходных данных. Доля зарядной мощности КЛ 35 кВ в общей загрузке весьма ощутима. Такая мощность должна быть учтена в расчете режима линии. [16]
Для проверки определяем по ( 111 25) на основании значений ДСр ф ( Т) я Д / / 298 - 57 796 ( см. табл. 1) значение ДЯ0 - 57265; она в пределах ошибок исходных данных совпадает с принятым значением этой постоянной. Хотя эта величина значительно отличается от найденной по графику Ф ( 7 - 1), она мала, и расхождение, равное в общем случае 0 074 Т, даже при Т 3000 составит только 220 кал. [17]
Точность определения пунктов государственной сети 2 и 3 классов удовлетворяет требованиям, предъявляемым к точности построения геодезического обоснования для крупномасштабных съемок, только при условии, что при уравновешивании государственных сетей в районе крупномасштабных съемок нет заметного влияния ошибок исходных данных. Поэтому полезно перед использованием координат пунктов государственной триангуляции в качестве исходных ( для последующего сгущения их) получить необходимые сведения о точности определения координат пунктов, принимаемых в качестве исходных. [18]
Расчеты показывают, что если геодезическое обоснование в виде полигонометрической сети, равномерно покрывающей с требуемой густотой всю территорию съемки, имеет относительную точность в отдельных ходах в 2 5 раза выше, чем опирающаяся на него система теодолитных ходов, то ошибки исходных данных оказывают мало заметное влияние на искажение измеренных элементов при уравновешивании невязок. [19]
Хотя использование математических выводов создает видимость правильного предвидения поведения пласта, неточность исходных данных неблагоприятно отражается на полученных результатах. Ошибки исходных данных могут быть вызваны либо использованием данных, недостаточно обоснованных экспериментально, либо случайными или систематическими ошибками наблюдений. [20]
Формулы (11.19) не учитывают ошибок исходных данных. [21]
При точности T ( xL) в 0 05 К и выше параметры исходной модели полностью восстанавливаются в результате решения. Вполне приемлемые результаты получаются и при ошибках исходных данных в 0 5 К. Но ошибки в 5 К полностью искажают решение задачи. Однако получить удовлетворительные значения заложенных в расчет параметров без дополнительной информации о решении при погрешности ликвидуса в 10 и более градусов не удается. [22]
Существуют по крайней мере две группы факторов, влияющих на качество прогнозов: 1) связанные с подготовкой, обработкой и анализом информации; 2) связанные с качеством построения модели, ее соответствием прогнозируемому процессу. Кроме того, при прогнозировании необходимо учитывать ошибки исходных данных, модели прогноза, согласования, стратегии, которые заключаются в расхождении данных прогноза и фактических данных. Ошибки исходных данных связаны главным образом с неточностью измерений, некорректностью выборки, недостоверностью показателей. Ошибки модели возникают из-за неправильного подбора целевой функции и системы ограничений, из-за низкого качества экспертизы. Ошибки согласования вызваны несопоставимостью методик расчета отдельных показателей в разных отраслях и регионах. Ошибки стратегии предопределены неправильным выбором концепции прогноза. [23]
Далее предположим, что ошибки осуществления запроектированного процесса нет, что все запроектированные технические мероприятия осуществляются своевременно, правильно и в полном объеме. Тогда остается, что ошибка проектирования связана с ошибкой исходных данных, с ошибкой моделирования и ошибкой вычислений. [24]
При многостадийном построении планового обоснования коэффициент К понижения точности при переходе от более высокой стадии сгущения обоснования к более низкой не следует допускать менее двух. При коэффициенте К менее двух в процессе уравновешивания заметно сказываются ошибки исходных данных, искажающие непосредственно измеренные элементы в уравновешиваемом построении. [25]
Динамические модели оптимального развития и размещения нефтебазового хозяйства методически могут строиться по принципу однородного описания процесса нефтеснабжения. Однако область применения таких моделей при практических расчетах крайне ограничена из-за большой размерности их и увеличения вероятности ошибки прогнозных исходных данных. [26]
Источниками теоретико-расчетных ошибок являются следующие причины - сама теоретическая модель, исходные данные, приближенность метода вычисления и округления при расчетах. Ошибки модели вызываются ее неадекватностью и обусловлены наличием в модели элементарных процессов, не имеющих место в действительности, или, напротив, неучетом тех или иных реальных процессов. Ошибки исходных данных имеют экспериментальную природу, связаны с неточностью измерений и, присутствуя в задаче во все время ее решения, сохраняются до конечного результата. Они иногда называются неустранимыми ошибками. [27]
Существуют по крайней мере две группы факторов, влияющих на качество прогнозов: 1) связанные с подготовкой, обработкой и анализом информации; 2) связанные с качеством построения модели, ее соответствием прогнозируемому процессу. Кроме того, при прогнозировании необходимо учитывать ошибки исходных данных, модели прогноза, согласования, стратегии, которые заключаются в расхождении данных прогноза и фактических данных. Ошибки исходных данных связаны главным образом с неточностью измерений, некорректностью выборки, недостоверностью показателей. Ошибки модели возникают из-за неправильного подбора целевой функции и системы ограничений, из-за низкого качества экспертизы. Ошибки согласования вызваны несопоставимостью методик расчета отдельных показателей в разных отраслях и регионах. Ошибки стратегии предопределены неправильным выбором концепции прогноза. [28]
Феномен стабилизации функций при больших размерностях довольно существенно влияет на понимание и трактовку задач оптимизации. Упрощенно говоря, суть дела заключается в следующем. Поэтому ошибки исходных данных могут сводить на нет усилия, направленные на точное решение задачи. Задание, например, сотни параметров с округлением до второго знака, может в принципе менять значение целевой функции в несколько раз. Кроме того, из-за неточностей моделирования сами постановки оптимизационных задач при больших размерностях становятся непохожи на реальность. Возникает парадокс: чем больше учтено факторов, тем хуже становится модель. [29]
Всякий раз, когда некоторая величина вычисляется на основании экспериментальных данных, возникает вопрос о том, какова связь между точностью искомой величины и точностью исходных данных. В интересующей нас области искомой величиной может быть разность между наблюдаемой активностью и фоном или отношение активностей двух образцов. Ошибку вычисляемой величины легче определить в том случае, если ошибки различных исходных данных независимы. [30]