Выбор - аппроксимирующая функция
Cтраница 1
Выбор аппроксимирующих функций в виде ( 105) практически не был обоснован. [1]
Выбор аппроксимирующих функций - наиболее ответственный этап приближенного решения. Аппроксимирующие функции, с одной стороны, должны удовлетворять граничным условиям и физическому смыслу задачи, с другой стороны, должны быть удобными для математической обработки. [2]
 |
Гистограммы определения потребления нефтепродуктов нефтебазами Одесской области в среду ( а и пятницу ( б и Запорожской области в понедельник ( в. [3] |
Для выбора аппроксимирующих функций необходимо возможно более детальное представление о закономерностях рассматриваемого случайного процесса и формирование обоснованных гипотез о его характере. [4]
Для выбора аппроксимирующей функции необходимо знать граничные условия. [5]
Какие требования к выбору аппроксимирующих функций для перемещений предъявляются при применении метода Бубнова - Галеркпна. [6]
Какие требования к выбору аппроксимирующих функций для перемещений предъявляются при применении метода Бубнова - Га-лершгаа. [7]
Последний вопрос связан с выбором аппроксимирующих функций, удовлетворяющих краевым условиям задачи, что в известной мере является произвольным и влияет на получение окончательного результата. Не все вариационные методы допускают контроль характера ( приближение сверху или снизу) и степени приближения к действительному решению. [8]
Это является одной из причин выбора аппроксимирующих функций (6.13), (6.14), описывающих экстремальное ( при соответствующем подборе показателей степени) изменение стойкости в зависимости от скорости протягивания. [9]
Сходимость ряда (4.13) зависит от выбора аппроксимирующих функций. [10]
В большинстве исследований [48], [62] выбор аппроксимирующих функций производят в основном по методу Ритца, так как заранее удовлетворить статическим ( а тем более и динамическим) условиям на поверхности тела не всегда представляется практически возможным. [11]
Для тел сложной конфигурации основная трудность состоит в выборе аппроксимирующих функций. Поэтому тело разбивают на малые, связанные между собой области, в пределах которых подбираются простые аппроксимирующие функции. По такому принципу строятся вариационно-разностные методы и метод конечных элементов. [12]
Корреляционный анализ начинается с графического построения поля корреляции в удобной координатной системе с целью выбора аппроксимирующей функции. [13]
В процессе построения аналитической макромодели выделяют следующие этапы: сбор информации о характеристиках объекта, выбор аппроксимирующих функций, вычисление коэффициентов функций и проверка погрешности полученной макромодели. Исходная информация получается при изучении структуры объекта и измерении его характеристик и параметров. Аппроксимирующие функции выбираются с учетом характеристик устройств данной функциональной группы. Они могут задаваться аналитически и в виде таблицы. Коэффициенты аппроксимирующих функций определяются путем минимизации погрешности моделирования. Кстати, погрешность моделирования определяет точность макромодели. Если точность макромодели не устраивает разработчика, выбирается иная аппроксимирующая функция. [14]
Из способа получения этой системы уравнений видно, что здесь имеется большой произвол как в выборе аппроксимирующей функции, так и в выборе моментов и уравнений, которым они удовлетворяют, ибо при выбранных Л / моментах можно воспользоваться любыми N уравнениями моментов. [15]
Страницы: 1 2 3