Cтраница 1
Сложность модели зависит от размерности решаемой задачи ( одномерный, двумерный или трехмерный случай), количества перемещающихся фаз и числа компонентов в каждой из них, а также от количества учитываемых эффектов: влияния силы тяжести, капиллярных давлений, массообмена между фазами, сжимаемости породы, степени однородности и изотропности среды. На сложность модели влияет степень детализации описания рассматриваемых физических законов: выражений для функций состояния и законов, определяющих фазовые переходы, а также чувствительность системы к воздействию со стороны таких физических параметров, как эквивалентная теплопроводность, удельная теплоемкость, вязкость, плотность и эффективная проницаемость. [1]
Сложность модели ( т.е. степень полинома) выбирается в зависимости от объема и точности имеющейся экспериментальной информации. [2]
Сложность модели зависит от размерности решаемой задачи ( одномерный, двумерный или трехмерный случай), количества перемещающихся фаз и числа компонентов в каждой из них, а также от количества учитываемых эффектов: влияния силы тяжести, капиллярных давлений, массообмена между фазами, сжимаемости породы, степени однородности и изотропности среды. На сложность модели влияет степень детализации описания рассматриваемых физических законов: выражений для функций состояния и законов, определяющих фазовые переходы, а также чувствительность системы к воздействию со стороны таких физических параметров, как эквивалентная теплопроводность, удельная теплоемкость, вязкость, плотность и эффективная проницаемость. [3]
Сложность модели уменьшается в указанной порядке, причем менее сложная модель обычно получается упрощением более сложной. Это разделение подтверждается реальной практикой и потону является убедительный. Действительно, производственный аппарат может быть выполнен конструктивно близким к идеализированной и, следовательно, более простой модели. При управлении аппаратом допустима любая связь входных и выходных переменных, дающая удовлетворительное совпадение с опытом. [4]
Сложность модели, определяемой решающим правилом, является функцией числа используемых наблюдений. [5]
Сложность модели определяется: 1) целями моделирования, 2) изученностью механизма моделируемого процесса, 3 той исходной информацией, которая может быть получена без неоправданно больших затрат. Неразумно, например, на стадии первоначального проектирования разработки газового месторождения требовать его детальной разведки, которая позволила бы не только оценить на далекую перспективу общие объемы внедрившихся пластовых вод, но и определить сроки обводнения отдельных скважин. [6]
Сложность моделей накладывает свой отпечаток на сам процесс моделирования. Обычно наибольшую пользу приносят иерархические структуры моделей, причем модель, находящаяся в вершине такой иерархической пирамиды, позволяет исследовать только общие тенденции, постепенно конкретизируемые по мере перехода к более низким уровням. [7]
Сложность модели в этом случае равна п - т ш -, 1, поскольку время релаксации Л также требует определения. [8]
Сложность моделей РОВОП приводит к необходимости использования вычислительных машин. При этом регрессионное уравнение должно определяться после каждого очередного цикла на основе экспериментов, выполненных в данной фазе. Оценка значимости коэффициентов регрессии и проверка адекватности уравнения могут проводиться с использованием обычного аппарата регрессионного анализа. [9]
Здесь сложность модели определяется числом искомых параметров. [10]
Здесь сложность модели определяется числом искомых параметров. [11]
Степень сложности моделей формирования структуры гибкой системы зависит от принятого уровня ее гибкости. В общем слу - vae трудно сформировать модель в аналитическом виде, поэтому структуру системы формируют по эвристическим алгоритмам. Подробно алгоритмы формирования допустимых структур гибких технологических систем и их оптимизации рассмотрены в следующей главе при решении задачи структурно-параметрического синтеза. [12]
Под сложностью модели понимается число параметров / 7, входящих в расчетные модели. [13]
Несмотря на сложность моделей этого типа, известных под названием артикуляционного аналога, они широко применяются для исследовательских работ. [14]
Нелинейность или сложность модели и целевой функции не увеличивают сложности этого способа, поскольку имитационный метод позволяет обойтись без аналитического решения задач. [15]