Cтраница 2
Для идентификации параметров электрических моделей в подсистеме АСОНИКА-Э разработан специальный виртуальный прибор, позволяющий решать эту задачу. Исходными данными для решения задачи идентификации параметров моделей являются данные, приводимые в технических условиях на элементы. [16]
Рассматриваемая нами задача представляет собой так называемую задачу идентификации параметров, играющую важную роль в теории управления и связи. Оценивание неизвестных параметров по существу эквивалентно одному из типов минимизации, который будет рассмотрен ниже. [17]
Значения n ( t) формируют ЛПР на основе оценки состояния выхода логических существенно нелинейных функций ( СНФ) экспертизы ОИС [4], например, на основе СНФ, устанавливающей взаимосвязь экспертных оценок между значением вектора состояния, характеризующего параметры БД и БЗ в заданной ПрО патентов на изобретения на исследуемом временном интервале в ГВС. В общем случае, в зависимости от задачи идентификации параметров систем ЛПР-ОИС-ГВС, решающее значение приобретают цели анализа взаимодействий субъектов и объектов ИС в ГВС, источник данных ( качественный или количественный), требуемая точность модели, удобство при вычислении, сравнительная простота интерпретации данных, а также личный опыт ЛПР. [18]
В прикладном плане для теории проектирования разработки месторождений природных газов становится характерным создание комплексных адаптирующихся геолого-математических моделей залежей газа. В рамках таких моделей по мере накопления фактической информации решаются задачи идентификации параметров пласта, прогнозирования, регулирования и оптимизации показателей разработки. На основе таких моделей осуществляется имитационное моделирование для оценки эффективности тех или иных технологических решений, которые предполагается реализовать на рассматриваемом месторождении. Подобные модели начинают широко использоваться для постановки математических экспериментов. В результате удается доказать эффективность применения новых методов регулирования разработки, повышения компонентоотдачи пласта. Вопросы подобного рода также излагаются в настоящей книге. [19]
В прикладном плане для теории проектирования разработки месторождений природных газов становится характерным создание комплексных адаптирующихся геолого-математических моделей залежей газа. В рамках таких моделей по мере накопления фактической информации решаются задачи идентификации параметров пласта, прогнозирования, регулирования и оптимизации показателей разработки. На основе таких моделей осуществляется имитационное моделирование для оценки эффективности тех или иных технологических решений, которые предполагается реализовать на рассматриваемом месторождении. Подобные модели начинают широко использоваться для постановки математических экспериментов. В результате удается доказать эффективность применения новых методов регулирования разработки, повышения компонентоотдачи пласта. Вопросы подобного рода также излагаются в настоящей книге. [20]
Проанализирован круг задач обработки навигационной информации, при решении которых необходимо использование аппарата теории нелинейной фильтрации. Отмечено, что такая потребность возникает: при учете нелинейности уравнений динамики объекта, в задачах первичной обработки радиотехнических измерений, при решении задач идентификации параметров модели объекта и действующих на него возмущений, задач навигации с использованием данных карты, при исключении неоднозначности фазовых измерений и контроле целостности GPS, выставке ИНС при грубой априорной информации о курсе и ряд других. [21]
Проанализирован круг задач обработки навигационной информации, при решении которых необходимо использование аппарата теории нелинейной фильтрации. Отмечено, что такая потребность возникает: при учете нелинейности уравнений динамики объекта, в задачах первичной обработки радиотехнических измерений, при решении задач идентификации параметров модели объекта и действующих на него возмущений, задач навигации с использованием данных карты, при исключении неоднозначности фазовых измерений и контроле целостности GPS, выставке ИНС при грубой априорной информации о курсе и ряд других. [22]
Индикаторы дают возможность узнать не только число реально действующих пропластков, но и по разности моментов подхода индикаторов к добывающим скважинам оценить соотношение их проницаемостей. В случае пласта с линзой наблюдается характерное запаздывание выхода индикатора из скважины. Таким образом, было показано, что на основе анализа динамики выхода индикатора возможно решать задачи идентификации параметров пласта с более детальным распознаванием его свойств. [23]
Рассмотрим теперь другой подход к решению задачи идентификации параметров непроектных схем работы ГТС, базирующийся на привлечении данных о нескольких режимах работы объекта. Необходимо отметить, что в рамках и этого перспективного подхода существуют значительные сложности. Они связаны с возможной близостью, неразличимостью режимов в период многосеансового сбора информации. С точки зрения математики это приводит к плохой обусловленности матрицы системы нормальных уравнений [45], на которой основан известный метод наименьших квадратов. Таким образом, наиболее благоприятная область применения метода математический расходомер - ситуации, для которых характерны значительные изменения режимных параметров. Сформулированным условиям удовлетворяют периоды изменения структуры объекта. Так, в работе [16] предлагается для идентификации расходов по ниткам ЛУ изменять положение шлейфовых кранов на КС, т.е. предлагается проводить активный эксперимент. Возвращаясь к анализу задачи идентификации параметров трубопроводов при непроектной схеме работы технологического оборудования, отметим, что данные конфигурации ( по-прежнему будем назьшать их СЗ) являются нестабильными: они возникают, в частности, при выводе в ремонт газоперекачивающих агрегатов. Следовательно, решение задачи идентификации параметров СЗ целесообразно основывать на данных периода проектной структуры объекта и данных, характеризующих новую схему соединения трубопроводных элементов. [24]
Рассмотрим теперь другой подход к решению задачи идентификации параметров непроектных схем работы ГТС, базирующийся на привлечении данных о нескольких режимах работы объекта. Необходимо отметить, что в рамках и этого перспективного подхода существуют значительные сложности. Они связаны с возможной близостью, неразличимостью режимов в период многосеансового сбора информации. С точки зрения математики это приводит к плохой обусловленности матрицы системы нормальных уравнений [45], на которой основан известный метод наименьших квадратов. Таким образом, наиболее благоприятная область применения метода математический расходомер - ситуации, для которых характерны значительные изменения режимных параметров. Сформулированным условиям удовлетворяют периоды изменения структуры объекта. Так, в работе [16] предлагается для идентификации расходов по ниткам ЛУ изменять положение шлейфовых кранов на КС, т.е. предлагается проводить активный эксперимент. Возвращаясь к анализу задачи идентификации параметров трубопроводов при непроектной схеме работы технологического оборудования, отметим, что данные конфигурации ( по-прежнему будем назьшать их СЗ) являются нестабильными: они возникают, в частности, при выводе в ремонт газоперекачивающих агрегатов. Следовательно, решение задачи идентификации параметров СЗ целесообразно основывать на данных периода проектной структуры объекта и данных, характеризующих новую схему соединения трубопроводных элементов. [25]