Полученная аппроксимация

Cтраница 1

Полученные аппроксимации для сечений захвата (5.28) и (5.29) не удовлетворяют условию симметрии, и их необходимо подправить. [1]

Полученная аппроксимация дифференциального уравнения (7.9) имеет первый порядок, поскольку при замене (7.9) на (7.14) допускается погрешность О ( hi) ( см. гл. [2]

Разница полученных аппроксимаций границ и близость второй к оптимальной байесовой границе в данном примере весьма существенны. [3]

С точки зрения полученных аппроксимаций для деформаций (5.9) здесь улучшение достигается за счет уненьиения ( или исключения пои полной отбрасывании) оиибки в сдвиговой энергии, которая весьма опасна вследствие высокой сдвиговой жесткости тонких, пластин и оболочек. Однако ошибке в мембранных дефорнациях при зтсн сохраняется и ножет привести к существенной погреиности при расчете тонких непологих оболочек, неходящихся в условиях нерастяжимого изгибе. [4]

Мощность, потребляемую нагнетателем, определяют по формуле (4.11), полученной аппроксимацией графической характеристики приведенной мощности; коэффициенты aN и Ьк получают из этой характеристики для каждого типа нагнетателей. [5]

Изменение величин rr и rfe в процедуре eg. [6]

Таким образом, очень важно знать тот момент, начиная с которого уже нельзя улучшить полученную аппроксимацию, а поэтому итерационный процесс должен быть прекращен. Завершение итерационного процесса после п шагов не всегда целесообразно. [7]

Интегральную теплоту растворения NaOH ( в кДж / кг), рассчитывают по зависимости, полученной аппроксимацией табличных данных [156] для диапазона изменения концентраций aNaOH 0 1 - 0 425 ( в масс. дол. [8]

Проверяем свойства ошибок МНК. Если ошибки не удовлетворяют допущениям МНК, то полученная аппроксимация является слишком грубой. [9]

Использование рядов при интегрировании дифференциальных уравнений имеет еще одно важное достоинство, которое состоит в том, что, обрывая ряд на конечном числе слагаемых, можно использовать его частичные суммы в качестве приближенных решений. Этот прием широко используется в теории и особенно при решении различных прикладных задач. Однако следует помнить, что в каждом конкретном случае для обоснования используемой процедуры требуется оценка меры приближения полученной аппроксимации к точному решению. [10]

Приведем описание одной итерации алгоритма с оптимальным выбором полиномиальной аппроксимирующей модели ( регрессии), относящегося к классу методов непрямой ( стохастической) оптимизации. На втором этапе происходит поиск корней развернутой, подвергшейся дифференцированию аппроксимирующей функции и устанавливается принадлежность полученных корней ( являющихся либо точками минимума, либо точками максимума) отрезку, на котором ищется экстремум. Так как речь идет об одномерной оптимизации, то при реализации алгоритма на ЭВМ легко удается вывести график полученной аппроксимирующей функции ( регрессии) и визуально определить точность полученной аппроксимации. [11]

Такой подход сам по себе не позволяет определить величину ошибки дискретизации. Однако если имеется последовательность решений, на сетках с равномерно убывающим шагом, то можно получить приближенную оценку точности найденного решения. Как правило, на практике желательно иметь как можно больше информации о возможных погрешностях, чтобы лучше распорядиться полученной аппроксимацией. Идеальной, очевидно, была бы ситуация, когда для каждого дискретного решения с твердой уверенностью можно было бы утверждать, что погрешность не превосходит некоторого заданного значения, являющегося разумной оценкой реальной погрешности. [12]

Однако при выборе критерия приближения для определения коэффициентов этой характеристики встречаются уже ранее отмечавшиеся серьезные трудности. В частности, с определенной осторожностью следует относиться к использованию широко распространенного метода наименьших квадратов. Обусловлено это тем, что применение такого метода позволяет получить приближение переходной характеристики в среднем на всем диапазоне ее изменения. Между тем аппроксимация переходных характеристик не является самоцелью - она нужна для последующего построения системы регулирования объекта. Соответственно при использовании частотных методов синтеза о качестве полученной аппроксимации свидетельствует не столько близость самих переходных характеристик, сколько близость соответствующих им частотных характеристик в диапазоне частот, существенном - для разрабатываемой системы регулирования. При этом следует иметь в виду, что этот диапазон для достаточно совершенных систем регулирования обычно смещается в высокочастотную область ( участок СЕ на. Значит, может возникнуть такая ситуация, когда внешне казалось бы вполне удовлетворительная аппроксимация характеристики в среднем а всем диапазоне ее изменения ( например, как показано на рис. 11 - 2 пунктиром), в действительности будет совершенно непригодной для последующего использования ее в расчетах из-за недопустимо большой относительной погрешности аппроксимации в существенном частотном диапазоне. [13]

Страницы: 1