Cтраница 2
Математическая модель необходима для прогноза результатов поведения процесса и выработки рекомендаций по возможным действиям на его ход. [16]
О ( устойчивым) для изучения поведения процесса Xf на больших отрезках времени при малом е существенна цепь Маркова Zn на множестве у J dD, где у - граница малой окрестности О. [17]
К этому уравнению мы пришли путем изучения поведения процесса (5.69) при достаточно больших i. [18]
Теория систем предназначена для решения практических задач предсказания поведения процессов и синтеза процессов с требуемым поведением. Разрешимость этих задач возможна только при использовании концепции состояния системы. Поэтому построение курса основано на методе пространства состояний. [19]
Невозможность самопроизвольного возникновения явлений приводит при формализации закономерности поведения процесса к необходимости введения другого процесса, который находится с данным в причинно-следственной связи. В теории систем причинный процесс называют входом ( вводом), а процесс-следствие - выходом. [20]
Напрашивается вывод, что в этом случае знание поведения процесса в прошлом ( от 0 до Т) мало что дает для предсказания его будущего, кроме ближайших к концу интервала наблюдения моментов времени, а именно отстоящих не далее чем на 1 / ( 2В) от конца интервала наблюдения. [21]
Моделирование, как правило, используется для прогнозирования поведения процесса в условиях, отличных от реализованных в настоящее время. Для этого необходимо, чтобы вычислительные блоки имели достаточную точность при экстраполяции на новые условия. [22]
Из наших рассуждений следует вывод о том, что поведение процессов можно представлять в форме древовидных объектов, которая повышает наглядность и понимание. Каждый узел такого дерева представляет состояние процесса; р котором возможно несколько альтернатив. Эти альтернативы представляются выходными дугами узла, где метки служат именами возможных событий. Выполнение события приводит к перемещению по соответствующей дуге к поддереву, корень которого представляет новое состояние. [23]
Основная особенность детерминированных процессов заключается в том, что поведение процесса в будущем можно точно предсказать, зная его поведение в прошлом. [24]
В настоящее время в водохозяйственной и гидроэнергетической практике обычно исследуется поведение процесса в отдельном пункте. В этом случае одним из основных вопросов, возникающих при математическом описании процесса стока, является выбор наиболее подходящего для данного процесса теоретического закона распределения вероятностей. [25]
По возможности координировать свою работу на стадии проектирования так, чтобы поведение процесса было бы наиболее удачным с точки зрения динамики, а проблемы управления были по возможности упрощены. [26]
Использование фильтра Калмана предполагает глубокий физический анализ механизмов, определяющих характер поведения процесса во времени. Задача прогнозирования ставится следующим образом. [27]
На втором этапе комплексной отладки программной модели проверяется соответствие информации алгоритму поведения процессов. При этом широко применяются временные диаграммы функционирования компонентов модели. На этом этапе отладки в программы процессов вставляются операторы выдачи содержимого их таблиц и отладки, предоставляемые системой моделирования. По окончании проверки эти операторы отладки исключаются из тела процессов. Существенно помогает при этом наличие в системе моделирования библиотеки процессов и средств оперативной компоновки модели из нее. Развитые средства автоматизации моделирования, как правило, предоставляют в распоряжение разработчика широкий спектр диагностических сообщений об ошибках динамики имитации. [28]
В ряде случаев анализ математической модели процесса позволяет обнаружить такие особенности поведения процесса, качественное предсказание которых ( или предсказание по опытам на лабораторных моделях) чрезвычайно сложно. Две такие особенности рассмотрены ниже. [29]
Один из методов основывается на оценке длины процесса, базирующейся на предыдущем поведении процесса. При этом запускается процесс, у которого оцененное время самое маленькое. Допустим, что предполагаемое время исполнения команды равно Г0 и предполагаемое время следующего запуска равно 7V Можно улучшить оценку времени, взяв взвешенную сумму этих времен аТ0 ( 1 - а) Т Выбирая соответствующее значение а, мы можем заставить алгоритм оценки быстро забывать о предыдущих запусках или, наоборот, помнить о них в течение долгого времени. [30]