Cтраница 2
Технологические расчеты проведены с использованием методов математической статистики. Интервал дебитов по группе скважин устанавливается так, чтобы каждая группа эксплуатировалась оборудованием одного типоразмера. [16]
Прогноз МРП производится с использованием методов математической статистики. Очевидно, что МРП зависит от целого ряда технологических параметров работы скважины, и эту зависимость можно использовать для выбора оптимального технологического режима. Анализ промысловых данных по ремонтам скважин позволяет выделить наиболее значимые по влиянию на МРП параметры и получить регрессионную зависимость. [17]
Однако расчетно-аналитический метод не исключает использования методов математической статистики. [18]
Корреляционный анализ, основанный на использовании методов математической статистики при обработке исходных данных, позволяет выявить комплексное влияние на величину себестоимости ряда основных, наиболее существенных факторов. [19]
Можно привести пример, показывающий возможность использования метода математической статистики для установления обоснованного показателя веса станков, подлежащего включению в параметрические стандарты. Следует заметить, что весовой параметр вызывает наибольшие споры при согласовании проектов стандартов. Этот показатель включается в государственные стандарты для того, чтобы работа конструкторов имела четкую направленность в снижении веса создаваемой новой техники и экономии металла. Такое нормирование веса вновь проектируемых машин и оборудования, основанное - на учете их прочности, габаритных размеров, мощности и других параметров, имеет большое практическое значение и является одной из важных задач стандартизации. [20]
Определим количественные показатели такого сравнения с использованием методов математической статистики. [21]
Анализ промысловых данных эффективности ГРП с использованием методов математической статистики дает возможность оценить влияние различных факторов на их эффективность. Таким методом является многофакторный анализ, состоящий из дисперсионного и корреляционного анализов. [22]
В работе [71] выполнен обзор работ по использованию методов математической статистики для прогнозирования коэффициента нефтеотдачи пластов. Показано, что первой попыткой сбора, систематизации и анализа промыслового материала по нефтеотдаче, выполненной специально с целью статистической обработки данных, следует считать опубликованную в 1948 г. работу Крейза и Баклея. В этой работе были собраны и обработаны геолого-промысловые данные по разработке 103 нефтяных месторождений США. Была решена задача о влиянии плотности сетки добывающих скважин на нефтеотдачу пласта методом графического анализа парных связей между различными факторами и нефтеотдачей. [23]
Статистический контроль в условиях производства основан на использовании методов математической статистики для обработки данных неразрушающего контроля, результатов контроля исходных материалов и параметров технологических процессов. [24]
Автоматизированный поиск возможных дефектов в активной части предполагает использование методов математической статистики для корректного выявления аномальных температурных областей. [25]
Исследование Минчева и авторов [49], проведенное с использованием методов математической статистики, показало, что при высушивании ряда пастообразных материалов ( медно-никелевый катализатор, лак прозрачный красный СБК, лак красный С, краситель оранжевый спирторастворимый) наибольшее влияние на конечную влажность материала оказывает температура воздуха на выходе из аппарата; температура поступающего воздуха, его скорость и масса инертных тел практически не влияют на величину этого параметра. [26]
Изложены результаты метода автоматической калибровки, основанного на использовании методов математической статистики для обработки информации, поступающей лишь от хроматографа. Рассмотрены оценки калибровочных коэффициентов, получаемых по этому методу при различных ошибках дозирования и вычисления определяющего параметра. [27]
Развитие этого способа [7] в дальнейшем было направлено на использование методов математической статистики. [28]
Одним из перспективных подходов к изучению диффузных систем является использование методов многомерной математической статистики с применением математических моделей для описания поведения систем. Статистические методы исследования позволяют предсказать макроскопические результаты процессов без полного описания микроскопических явлений. При таком подходе отпадает необходимость в разграничении переменных, и задача сводится к тому, чтобы, варьируя одновременно большим числом переменных, найти оптимальные условия протекания процесса. В этом случае диффузная система представляется в виде черного ящика с множеством входных параметров. С помощью локально-интегральной ( полиномиальной) математической модели определяется связь между входными и выходными параметрами почти при полном отсутствии сведений о механизме протекающих явлений. Вместе с тем поиск оптимальных условий с помощью полиномиальных моделей не исключает возможности параллельного изучения механизма представляющих интерес явлений с помощью эскизных моделей, заданных, в частности, дифференциальными уравнениями. [29]
Решение многих проблем современной науки и техники сводится к использованию методов математической статистики. В частности, методы выделения полезных сигналов из шума принимаемых радиосигналов, основаны на этих методах. К числу проблем, которые могут быть решены методами математической статистики, относятся системы автоматического управления, подвергаемые случайным возмущениям или работающие в условиях помех. [30]