Cтраница 4
Математические модели классифицируют по следующим критериям: 1) поведению моделей во времени; 2) видам входной информации, параметров и выражений, составляющих математическую модель; 3) структуре математической модели; 4) типу используемого математического аппарата. [46]
Чтобы определить, какое воздействие оказывает неопределенность исходных данных на поведение модели бизнес-плана, в пакете Project Expert 6 используется метод Монте-Карло. Однако надо отметить, что возможности данного метода использованы только частично: предполагается, что все отобранные неопределенные переменные ( составляющие плана) равномерно распределены в пределах своих граничных значении и являются независимыми случайными величинами. [47]
Следующий важный шаг в изучении нервной ткани состоит в исследовании поведения модели, учитывающей распределение нейронов в пространстве - нейронном поле. Мы уже видели, как это может быть сделано для модели брюсселятора в гл. Работа по построению уравнений нейронного поля опубликована Уилсоном [ 3351 в серии лекций под редакцией Хаке-на, создателя новой дисциплины - синергетики. [49]
Структурная схема моделирования при снижении напряжения сети. [50] |
Для перехода от дифференциального уравнения системы электропривода к уравнению, описывающему поведение модели системы и для нахождения коэффициентов усиления усилителен математической машины следует воспользоваться масштабным преобразованием. [51]
Таким образом, пользуясь программами моделирования, инженер может проигрывать различные варианты поведения модели: находить ее отклики на внешние сигналы, пытаться подобрать оптимальный режим работы или произвести синтез САУ. [52]
ДИНАМИЧЕСКАЯ ИМИТАЦИЯ [ dynamic simulation ] - вид машинной имитации, расчет поведения модели в течение продолжительных периодов времени, обычно без изменения условий эксперимента ( ср. [53]
Даже при достаточно простых реологических свойствах, принятых для подэлементов, анализ поведения модели при тех или иных программах нагружения может быть осуществлен лишь расчетом кинетики ее деформирования, что и было продемонстрировано в предыдущих параграфах данной главы. Однако при пропорциональном нагружении, как было показано в гл. [54]
Знание источника стохастичности позволяет построить, со значительной полнотой, статистическую теорию поведения космологической модели в асимптотической близости к особенности. Но при определении параметров этой теории в I было использовано приближение, точность которого нельзя определить заранее. Цель данной работы - показать, что эти параметры могут быть определены точным образом. [55]
Итак, крупные ошибки при создании модели обычно легко выявляются при сопоставлении явно ошибочного поведения модели с тем, что следует ожидать в реальной системе. Если поведение модели недостаточно близко ожидаемому в реальной системе ( определение достаточно близко зависит от целей модели и существа наблюдаемых различий), то мы должны вновь начать с рассмотрения элементарной структуры системы, ее границ и элементов. Необходимо найти объяснение причин несходства, что позволит исправить поведение модели. Чтобы изменить конкретные характеристики любой модели, необходимо выполнить значительный объем работ; для этого требуется глубокое знание рабочих деталей действительной системы. [56]
Более того, эти нефизические свойства качественно согласуются с наблюдаемым на практике поведением моделей. Все это позволяет доверять проведенному анализу. [57]