Модели детерминистические

В рамках АСУ склада, как показано выше, решается комплекс оптимизационных задач математического программирования оптимальное адресование грузов, распределение порожних, груженых ТС и взаимозаменяемых ПТМ между грузовыми пунктами и др. В детерминистической постановке параметры управления а также и такие величины, как загрузка ТС, производительность ПТМ, затраты на перемещение грузов в этих задачах принимаются средними. В действительности эти величины являются случайными и значительно колеблются от их средних значений. Замена случайных моделей детерминистическими не всегда оправдана и может привести к неправильным результатам, поэтому в условиях неполной информации могут оказаться весьма полезными методы стохастического программирования [5]. [c.232]

При исследовании задач, которые можно описать с помощью наиболее простых, детерминистических математических моделей, теория отыскания оптимальных решений оперирует классическими методами решения задач на оптимум. [c.562]

Компьютерный эксперимент (КЗ) состоит в моделировании методами КЭ модели физ. системы с целью изучения её характеристик, выявления новых закономерностей. В отличие от численного анализа модели, когда её осн. исследование выполняется аналитически, в КЭ модель системы строится из первых принципов либо с использованием фундам. законов и небольшого числа параметров. Методы КЭ подразделяются на стохастические (см. Монте-Карло метод) и детерминистические (см. Молекулярной динамики метод) [2, 8, 9]. Прогресс в КЭ связан с прогрессом технологии и теории параллельных вычислений [10]. Базой для них являются совр. многопроцессорные вычислит. системы с параллельной обработкой данных (см. Микропроцессор, Процессор), производительность к-рых достигает 10 плавающих операций в секунду ведутся работы над проектом компьютера производительностью 10 плавающих операций в секунду [10]. [c.482]

Теоретический анализ явлений, технологических процессов и функционирования машин и конструкций основан на выборе определенных моделей или расчетных схем. При этом выделяют существенные факторы и отбрасывают несущественные, второстепенные. Возможны два подхода к анализу детерминистический и стохастический (вероятностный, статистический). При детерминистическом подходе все факторы, влияющие на поведение модели, т.е. параметры модели и параметры окружающей среды, начальные условия и т.п. считают вполне определенными, детерминированными. Решение корректно поставленной детерминистической задачи единственно и, следовательно, предсказывает поведение реальной системы однозначным образом. Однако выводы, основанные на детерминистических моделях, могут расходиться с результатами опытных наблюдений. Одна из причин состоит в том, что на поведение реальных систем влияет большое количество разнообразных, слабо контролируемых и сложным образом взаимодействующих факторов. Поэтому поведение реальных систем в том или иной мере носит неоднозначный, [c.11]

Видим, что в обоих случаях отношение 1, т. е. модель позволяет достичь результатов, близких к детерминистическим. [c.40]

Рассмотрим вначале самую простую модель, когда машины эксплуатируют до достижения предельного состояния, после чего списывают. Размер машинного парка в /fe-м сезоне обозначим N (к), число новых машин, поступающих к началу этого сезона, п k) число машин, списанных в конце сезона, [д, (к). Текущее техническое обслуживание не учитываем. Предположим, что в течение сезона размер парка постоянный (чтобы учесть его изменение, следовало бы ввести в пределах сезона дополнительный аргумент — непрерывное время). Вероятность Р к) сохранения работоспособности по критерию предельного состояния для произвольной машины полагаем заданной. Параметры п (к) считаем детерминистическими (заданными или искомыми) величинами. Параметры N (к) и и (к) в общем случае случайные. Если размеры парка достаточно велики, то дисперсия этих величин относительно мала, что позволяет при решении прикладных задач отождествлять случайные величины с их математическими ожиданиями. При необходимости можно вычислить их дисперсии и другие параметры распределения. [c.211]

Обсудим вначале вопрос обоснования расчетного ускорения на основе простейшей модели (6.91) системы с одной степенью свободы. Для назначения расчетных детерминистических нагрузок используем следующий принцип [221 расчетные нагрузки должны быть таковы, чтобы рассчитанная по ним конструкция удовлетворяла требованиям надежности и безопасности по отношению ко всем нагрузкам и воздействиям, которые могут встретиться в течение установленного срока службы, обеспечивая вместе с тем достаточно высокие показатели экономичности и эксплуатационной эффективности. [c.254]

Как известно [29], системы, проявляющие режим СОК, подразделяются на два больших класса детерминистические системы, подвержен- ные случайному воздействию внешней среды (сюда относятся модели [c.67]

В связи с внедрением быстродействующих вычислительных машин в последний период наметилась тенденция к исчерпывающему исследованию виброударных систем, включающему рассмотрение сложных ) режимов, которым, как уже отмечалось, обычно отвечают весьма узкие области существования и устойчивости в пространстве параметров, а также узкие области притяжения в фазовом пространстве. Такие исследования, несомненно, представляют важный шаг в развитии теории. Однако необходимо помнить о грубости обычно применяемых моделей виброударных систем, использующих понятие о коэффициенте восстановления как о физической постоянной. Вследствие зависимости коэффициента восстановления от ряда неучитываемых (в том числе и случайных) факторов, указанные сложные режимы могут оказаться практически нереализуемыми. В свете сказанного, наряду с полным детерминистическим исследованием вибро-ударнЫх систем особый интерес представляет статистическое рассмотрение, учитывающее, что коэффициент восстановления изменяется случайным образом от удара к удару. [c.101]

На ранней стадии развития систем регулирования и управления господствовала сугубо детерминистическая точка зрения, согласно которой перед построением системы требовалось не только построить качественную модель объекта управления, но и определить количественные соотношения в ней во всех подробностях. Если представить себе систему управления как автомат-орга-низм, погруженный в окружающую среду, то такая точка зрения вполне соответствует ламаркистскому подходу оптимального соответствия организма -и окружающей его среды. [c.166]

После вводного раздела 5.1. в главе рассмотрены основные модели, связывающие параметры дискретных сред - пористость, проницаемость, характер насыщения - с сейсмическими свойствами (разделы 5.2 - 5.4). Эти модели подразделяются на три класса эмпирические соотношения, теоретические границы возможных значений параметров, и детерминистические эффективные модели. [c.123]

Тем не менее необходимость учета факторов случайности и неопределенности при рассмотрении вопросов надежности уже щи-роко признана. Вероятностные подходы используют даже в гражданской авиации и атомной энергетике, где требования к надежности весьма высоки, а рассматриваемые объекты и события нельзя признать массовыми. С другой стороны, нельзя преувеличивать адекватность вероятностных моделей и достоверность используемых в них численных параметров, а также абсолютизировать численные оценки, особенно если они относятся к редким собьггиям. Вероятностные методы, будучи применены даже к малосерийным объектам, могут оказаться все-таки полезными. Они позволяют обнаруживать слабые (с точки зрения надежности) места, вводить в рассмотрение большое число факторов, в том числе не учитываемых в обычных детерминистических расчетах, проводить сравнение вариантов технических решений и т.п. Обе крайности - недооценка вероятностных методов и их переоценка одинаково вредны. [c.12]

Большинство норм расчета носят детерминистический характер. Часто высказывают сомнения в принципиальной возможности применения теории надежности к машинам и конструкциям, особенно если они уникальные или малосерийные. Связанные с этим проблемы рассмотрены в работах [17, 88]. Основное затруднение — неполнота и недостоверность статистической информации для выбора вероятностных моделей и оценки их параметров. Но это затруднение типично для многих других прикладных теорий, основанных на вероятностно-статистических методах. Назначение теории в таких случаях—дать общую схему расчета и указать направления, по которым должно идти совершенствование нормативных материалов и накопление статистической информации. [c.60]

Формулы (5.41)—(5.45) составляют основу полудетерминисти-ческого метода. Название отражает тот факт, что метод является детерминистическим лишь на первом этапе, когда рассматриваем накопление повреждений в системе с заданными свойствами при внешних воздействиях, заданных с точностью до вектора s. Дальнейший расчет проводим по вероятностной модели с учетом случайных свойств векторов г и s. [c.177]

До сих пор свойства объекта считали заданными детерминистически или хотя бы идентифицированными с высокой степенью достоверности. В действительности информация всегда имеет элементы неполноты и неопределенности. Как и при прогнозировании полного ресурса, учитываем этот фактор с помощью вероятностных моделей. Объединим всю вероятностную информацию с помощью случайного вектора г с апостериорной плотностью вероятности /7 (г Ти). Символ Th означает, что по сравнению с априорной плотностью р, (г) здесь учтена дополнительная информация, полученная в ходе наблюдений за объектом. Функция распределения остаточного ресурса (7.16) в сущности характеризует условное распределение при заданном векторе г. Чтобы подчеркнуть это обстоятельство, используем обозначение Fq (0 г), где введена двойная условная зависимость первая — от результатов наблюдений, вторая — от значений вектора г. Для безусловной апостериорной функции распределения остаточного ресурса имеем формулу типа (5.84) [c.275]

Если известны вероятностные закономерности исходных параметров, характеризующие режим работы, свойства и начальное состояние трибосистемы, то можно провести серию математических экспериментов над детерминистической моделью процесса, каждый из которых соответствует случайному набору исходных параметров. По результатам таких экспериментов так же, как и для натурных, можно построить распределение искомых параметров плотности вероятности распределения ресурса узла трения P(f) при р = onst [c.170]

Возвращаясь к схемам, на наш взгляд, более приемлемым, будем считать пласт пространственным телом, локальная проводимость которого является случайным полем, масштабы корреляции которого достаточно малы по сравнению с характерными масштабами всей системы. Как уже говорилось, если есть основания выделить крупномасштабные неоднородности, то это должно быть сделано, и их влияние следует учесть в модели скорее всего детерминистически. [c.8]

Детерминистические эффективные модели также исходят из определенных теоретических предпосылок, но в отличие от моделей границ диапазонов параметров, эффективные модели нацелены на получение определенного значения искомого параметра при заданных значениях остальных параметров модели. Степень строгости теоретических предпосылок, закладываемых в эффективную модель, варьирует в широких пределах от попытки дать логичное объяснение эмпирическим зависимостям (модель среднего времени , Wyllie, 1956 Rayraer, 1980) до моделей Био, Молоткова и др., выводимых непосредственно из фундаментальных уравнений теории упругости. Однако практическая ценность таких моделей определяется не столько степенью строгости физических предпосылок, сколько простотой и степенью соответствия результатов имеющимся экспериментальным данным примером может служить та же модель среднего времени . Сильной стороной эффективных моделей является возможность не только предсказания значений неизвестного параметра по известным параметрам (это обеспечивается и эмпирическими зависимостями), но отображения физических причин тех или иных вариаций искомого параметра при тех или иных вариациях известных параметров. Как правило, детерминистические эффективные модели требуют калибровки по экспериментальным данным. [c.123]

В рамках принятой модели (6.1), (6.5) задача определения атрибутов с последующим переходом к оценке литологии, коллекторских свойств и характера насыщения выглядит вполне решаемой. На самом деле удовлетворительное решение удается получить далеко не всегда, что вообще характерно для проблемы определения вещественного состава, и в частности - прямых поисков углеводородов. Причины хорошо известны - это неполное соблюдение допущений, на которых базируется модель (6.1), (6.5), и малость целевых эффектов (от вариаций литологии, пористости и насыщения) по сравнению с эффектами мешающими (тонкослоистость, погрешности учета геометрического расхождения в условиях структурной и вещественной неоднородности, анизотропия, остаточные аддитивные помехи и т.п.). Эти причины были хорошо осознаны ещё в эпоху увлечения прямыми поисками в 60-е - 70-е г.г. прошлого столетия (Мустафаев, 1958 Земцова, Земцов, 1966 Кунарев и др., 1970 Рапопорт, 1969 Рапопорт, 1975). Новые решения в теории и технологии AVO, выбираемые для преодоления или обхода упомянутых причин, также не новы это расширение числа используемых атрибутов и дополнение чисто детерминистических решений статистическими, в том числе с использованием аппарата нейронный сетей, который в 60-е - 70-е гг. прошлого столетия был геофизикам ещё не известен. Эти решения не опираются на модели среды и потому здесь не рассматриваются. [c.193]

Непостоянство предпочтения — как изменение в предпочтениях с течением времени, так и нетранзитивность — могут быть учтены несколькими способами. В некоторых детерминистических моделях предполагается, что полезность является постоянной, но что существуют случайные ошибки восприятия, вычисления и реакции. В других моделях полезность считается случайно флуктуирующей во времени. Есть такие модели, в которых сам процесс выбора рассматривается как стохастический в своей основе, при этом зависимой переменной является вероятность выбора, а не сам выбор. Все эти подходы являются вероятностными и возможно их даже нельзя отделить один от другого. [c.294]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...