Точность - модель
Cтраница 2
Класс точности моделей характеризует собой допустимые отклонения их размеров от номинальных размеров по чертежу с учетом усадки. [16]
Критерий точности модели позволяет, во-первых, уточнил, каждую методику за счет выбора соответствующего набора входящих в нее параметров - ут, во-вторых, распределить их ( провести их дискриминацию) по степени точности. [17]
Недостаток точности модели отношений очевиден: задавая большее число более точных отношений, мы могли бы усовершенствовать модель отношений куба, чтобы она соответствовала только кубам. [18]
Оценка точности модели контроля качества производится сравнением с данными лабораторного анализа. [19]
 |
Сводка оптимизационных процедур. [20] |
Зависит от точности модели. [21]
Естественно, точность модели не повысится, если порядок разностного уравнения будет превышать порядок, обусловленный данными физического процесса. [22]
Низкие по точности модели принято классифицировать как приближенные, и область их применения обычно ограничивается прикидочными расчетами, в результате которых выявляются качественные характеристики объекта. Получение же количественных оценок, как правило, производится на базе точных моделей. Получение количественных зависимостей за практически приемлемое время счета возможно как результат снижения размерности задачи поиска ( сокращения числа просматриваемых вариантов) или как результат разработки точных и быстродействующих моделей. Во втором случае задача заключается в разработке быстродействующих алгоритмов решения уравнений математического описания, использования аппроксимационных моделей. Снижение размерности пространства поиска оптимального варианта широко используется при разработке алгоритмов синтеза технологических схем ( см. гл. Обычно с решением этой же задачи связана и разработка аппроксимационных моделей. [23]
Для оценки точности модели рассчитаны разности между экспериментальными значениями и значениями выходных параметров, предсказанными по уравнениям регрессии в проверочных точках. [24]
Для повышения точности модели производится многократное уточнение коэффициентов а сглаживанием функций тренда для каждого коэффициента регрессии. [25]
Для повышения точности модели обоснована целесообразность выбора интервала наблюдения AK. TQ - При этом повышается точность основных статистических параметров и модели в целом. [26]
Для повышения точности модели в нее вводят дополнительные элементы, учитывающие те или иные эффекты, перечисленные выше, и получают более сложные модификации исходной модели. Однако при усложнении модели ее точность хотя и возрастает, но возникают трудности экспериментального определения все большего числа параметров, многие из которых не могут быть измерены непосредственно. Поэтому применяемые для расчета электронных схем модифицированные модели Эберса - Молла представляют компромисс между точностью и сложностью. [27]
Сложнее вопрос о точности модели решается при отсутствии экспериментальных данных, это именно тот вопрос, который особенно важен при решении задач проектирования. В настоящее время не существует готовых математических или логических методов контроля точности моделей. Практические методы разрабатываются индуктивно на основе обобщения опыта моделирования и имеют форму эвристических рекомендаций, которые, в общем-то, не гарантируют оптимальности построенной модели. Стратегия поиска оптимальной по сложности и точности математической модели может быть следующей. В результате анализа исходных предпосылок создается полный математический образ проектируемого процесса в виде ППП. При выполнении программ производится оценка результатов, их соответствие ограничениям, количественным и качественным характеристикам проекта. При несоответствии результатов проектирования заданным требованиям создается новый образ процесса, который оценивается аналогично. Альтернативой такому подходу является создание упрощенного образа процесса, который будет усложняться по мере оценки результатов проектирования. В последнем случае решение о дальнейших действиях принимает пользователь. Развиваемые в работах [10-13] практические принципы достижения компромисса между сложностью и точностью моделей основаны именно на таком подходе. [28]
Естественно, что точность модели должна быть согласована с точностью располагаемой исходной информации и точностью реализации решения. Раздельный подход к точности информации и модели учитывает то обстоятельство, что для удобства решения в ряде случаев при формировании модели сознательно загрубляется описание системы по сравнению с располагаемой информацией. Так поступают, например, при использовании линейных моделей для решения нелинейных задач. [29]
Однако численные значения точности модели для различных схем могут оказаться разными, так как долевое участие того или иного параметра изучаемой модели зависит от режима работы схемы. Кроме того, погрешности, вносимые схемными компонентами, меняются от схемы к схеме. И наконец, погрешности экспериментальной оценки различных параметров схемы также неодинаковы. В связи с этим прогноз точности модели носит вероятностный характер. [30]
Страницы: 1 2 3 4