Классификация методов моделирования

Рис. 5-1, Классификация методов моделирования.

Классификация методов моделирования [c.88]

Классификация методов моделирования основана на материалистическом понимании модели как средства отражения и воспроизведения той или иной части действительности с целью ее более глубокого познания. С этой точки зрения модели делят в зависимости [c.88]

Наибольшее распространение в отечественной литературе получила классификация прогностических методов, предложенная Г. М. Добровым [17], согласно которой всю совокупность методов научно-технического прогнозирования можно разделить на три класса методы экстраполяции тенденций, методы экспертизы и методы моделирования, которые включают 8 видов (схема 5). [c.22]

Решение на моделях может осуществляться дискретным, непрерывным и дискретно-непрерывным способом. Классификация методов и способов моделирования показана на рис. 5-1. В основу этой классификации положены электрические, механические и гид равлические модели как наиболее распространенные. [c.196]

Для построения адекватных статистических моделей атмосферы наряду с традиционным обобщением данных многолетних аэрологических наблюдений требуются, как известно, довольно сложные преобразования первичной климатической информации, полученной для отдельных пунктов земного шара, такие, как расчет средних площадных статистических характеристик, составление различных классификаций климатов Земли, проведение климатического районирования, построение многочисленных климатических карт и т. п. Все это требует большого объема ручного труда специалистов-метеорологов и тщательного физического анализа полученных данных, поскольку они обладают значительной субъективностью. Поэтому в последние годы активно разрабатываются новые подходы к классификации и моделированию метеорологических полей, которые основаны на использовании объективных методов статистического анализа этих полей, учитывают изменчивость физических параметров по пространству и времени и реализуются на современных быстродействующих ЭВМ. [c.161]

Среди многих классификаций испытательных средств наиболее полно информирует о существующих методах и средствах оценки покрытий при изнашивании и контактном нагружении в парах трения классификация (рис. 0.2), предложенная А. И. Григоровым и О. А. Елизаровым [121. Она позволяет выбрать кинематическую схе- му установки, подходящую для моделирования конкретных условий эксплуатации деталей с покрытием. Испытательные средства под- разделяются на четыре основные группы машин трения. [c.93]

Авторы публикации [48] отмечают общий недостаток этих классификаций, заключающийся в том, что моделирование неправомерно противопоставлять методам экстраполяции. Действительно, экстраполяция тенденций, как обязательное условие, предполагает построение адекватной математической модели. Однако при простой экстраполяции эта модель строится в системе координат прогнозируемый параметр — время , в то время как моделирование представляет собой создание некоторой логической или информационной 22 [c.22]

Аналогично при имитации смешанных стратегий, где в качестве случайных параметров рассматривается удельный вес каждого способа производства в общем объеме производства промышленной продукции, также можно получить бесконечное множество смешанных стратегий. Поэтому для группировки исходных сочетаний случайных величин, полученных методами статистического моделирования, на третьем этапе методики прогнозирования ВЭР используются алгоритмы машинного распознавания образов. Решением задач теории распознавания образов является такое правило распознавания (классификации), которое соответствует экстремуму целевой функции — показателю качества распознавания (обучения). При этом правильный выбор информативных признаков, в которых сосредоточена наиболее существенная для распознавания информация, является одной из важнейших и необходимых предпосылок успешного решения задачи распознавания в целом. В данном случае полученные путем машинной имитации совокупности случайных параметров естественно интерпретировать как точки в многомерном пространстве, инфор- [c.270]

Работая над вторым изданием книги, автор стремился рассмотреть возможно более широкий круг вопросов, относящихся к проблеме прокаливаемости. С этой целью в книгу введены новые главы и разделы. Это гл. I Физические основы прокаливаемости стали. Классификация сталей по прокаливаемости , пп. 2, 3, 7 и 9 гл. II, в которых рассмотрены влияние легирования комплексом элементов, колебаний химического состава, скорости кристаллизации стали при затвердевании и химической микронеоднородности твердого раствора на прокаливаемость стали соответственно, гл. III Пути управления прокаливаемостью и п. 5 гл. IV, в котором рассмотрен метод определения прокаливаемости путем моделирования реальных условий охлаждения крупных поковок. [c.4]

Классификация каждой функции осуществляется с использованием описания проекта, анализа, моделирования, метода аналогий, наземных и летных испытаний и пр. [c.216]

Классификация всей совокупности натурных испытаний содержит множество признаков в зависимости от целей испытаний (контрольные, определительные), продолжительности их (нормальные, ускоренные, с применением методов физического моделирования), характера последствий (разрушающие, неразрушающие), от организационной структуры их проведения и пр. [c.85]

Применительно к каждому конкретному случаю для характеристики ПИНС выбирают комплексы методов и комплексы показателей, содержащие полную информацию о функциональных свойствах. Для оценки свойств по системе моделирования и оптимизации выбраны типичные представители продуктов согласно их классификации (отечественные ПИНС и соответствующие им зарубежные аналоги последние выбирались из числа продуктов высокого качества с известной характеристикой, областями применения, гарантийными сроками защиты в разных условиях хранения, транспортирования и эксплуатации металлоизделий). Результаты испытаний и исследования продуктов и соответствующие балльные оценки выбранных ПИНС, также приведены в табл. 9. [c.86]

Наряду с методами, входящими в систему моделирования и оптимизации, для общей характеристики ПИНС всех типов и их классификации используется ряд известных методов, оценивающих вязкость составов в растворителе, толщину их пленки, характеристики активного вещества. [c.86]

Авторы уверены в том, что системы технического зрения, использующие методики моделирования высокого уровня, в случае применения оптических методик могут получить ряд преимуществ, поскольку они объединяют элементы как цифровых (например, обнаружение/усиление края объекта, фурье-методи-ки для вычислений признаков), так и символьных (сопоставление с образцом, распознавание объектов и т. д.) вычислений [14]. Так как такие системы требуют интенсивной работы с базой знаний, то применение систем с большой пропускной способностью памяти (см. разд. 10.4) может облегчить решение некоторых задач, связанных с итерационным процессом идентификации. Наиболее совершенные системы понимания изображений [15, 16] требуют сопряжения чисто цифровой обработки изображения, выполняемой на самом низком уровне выделения фрагментов изображения, с символьными вычислениями, выполняемых на более высоких уровнях в процессе классификации и распознавания объектов [17]. Сочетание цифровых и символьных вычислений для решения таких задач технического зрения, как управление оптическими потоками, может явиться для оптических вычислений наиболее важным применением в области ИИ. [c.313]

Ниже излагается методика климатического районирования и статистического моделирования аэрологических полей, проведенных впервые с помощью метода е. о. с. При этом классификация аэрологических полей выполнена по комплексу температура—влажность, поскольку данные об озоне, углекислом газе и малых газовых примесях недостаточны и не могут быть использованы для глобального районирования. [c.190]

Все методы классификации объектов разделяют на индуктивные и дедуктивные. Если на основании проверки некоторых мер сходства, объекты в направлении снизу вверх (от частного к общему) объединяют в их подмножества все более высоких категорий, которые в конечном счете формируют полное множество объектов, то такие методы считают индуктивными. Дедуктивные методы предусматривают последовательное разделение объекта на все более дробные части. Методы инженерно-геологического районирования, которые следует рассматривать как классификацию объектов в геологическом признаковом пространстве, не представляют исключения. Они также разделяются на индуктивные и дедуктивные, и в первых и во вторых можно использовать приемы, основанные на операциях с количественной информацией. Наиболее простым и апробированным методом выделения единиц районирования, не имеющих жесткой таксономической определенности, является метод конфигуратора. Он состоит в следующем 1) формулируют цель инженерно-геологического районирования 2) проводят анализ накопленной инженерно-геологической информации и с учетом целевого назначения моделирования обосновывают набор признаков-оснований районирования. [c.243]

Следует ожидать, что совершенствование методов математического моделирования и дальнейшее развитие теории формообразования поверхностей при механической обработке деталей будет связано с применением тензорного исчисления и элементов теории групп. Используя обобщенные математические модели более высокого порядка, чем модели, основанные на методах классической дифференциальной геометрии, тензорный анализ даст возможность в обобщенной форме аналитически описывать различные варианты кинематики формообразования, а с применением элементов теории групп Ли разработать классификацию возможных видов технологических процессов обработки в машиностроении. В рамках развитого в математическом отношении аппарата тензорного анализа могут быть получены все основные результаты, известные в теории формообразования поверхностей при механической обработке деталей. [c.561]

В настоящее время имеются методы обработки измеренной информации, позволяющие оценивать параметры дефектов сплошности трубы с достаточной точностью и с заданной достоверностью. Для облегчения решения практических задач обычно используется моделирование дефектов, на основе которого распознаются реальные дефекты, имеющие произвольные формы. Имеется методика, позволяющая оценивать допустимость моделирования теми или иными упрощенными формами реальных дефектов, при котором обеспечивается заданная точность оценки параметров дефектов сплошности. В магнитной дефектоскопии дефекты разделяются на три группы - поверхностные, внутренние и дефекты внутренней поверхности, что обусловлено физикой формирования их магнитных полей рассеяния. При внутритрубной дефектоскопии число групп значительно увеличивается, при этом происходит классификация по форме и размерам. Здесь, по-видимому, необходим более строгий подход к классификации дефектов сплошности на трубопроводе, что потребует более тесного взаимодействия специалистов, занимающихся распознаванием дефектов сплошности и расчетом остаточного ресурса трубопроводов, от которого выиграют и те и другие. [c.229]

Методам и некоторым результатам объективной классификации и моделирования аэрологических полей в нижнем 60-километ- [c.161]

Модель среднего масштаба, реализованная в виде тренд-поверхности параметра и его среднего квадратического отклонения, помимо решения обратных задач и задач классификации геологических тел, в методическом отношении позволяет построить региональные схемы главных направлений изменчивости наметить направления опорных профилей, ориентированных по главным сечениям, для проведения на них рекогносцировочных работ в рамках среднемасштабной инженерно-геологической съемки приближенно оценить объемы и параметры системы пунктов получения информации (сппинфов) установить число и положение ключевых участков-эталонов. Ниже рассматриваются основные операции этого процесса, общие для всех методов моделирования. [c.207]

В идеале можно представить некую теорию социально-экономических задач, в рамках которой создана достаточно общая и строгая их классификация. Эта классификация позволит выделить типологические характеристики отдельных классов задач, содержательно возможные допущения и упрощения при их моделировании и решении. В то же время представим себе общую, формальную аксиоматическую теорию решений, которая с единых позиций охватывает набор математических методов принятия решений и выделяет отдельные их классы по используемым аксиомам и допущениям. Тогда можно было бы сопоставить содержательную классификацию задач с формальной классификацией методов решения, срав1нить их аксиомы и допущения и для каждой задачи выбрать (или разработать) соответствующий метод (см. Майминас, 1971). [c.267]

При классификации количественных методов, поскольку они наиболее разработаны и широко применяются на практике, их естественно сопоставить с классификацией моделей. Уже при построении прикладных моделей по существу предполагается использование определенного метода решения так, что в известном смысле можно его трактовать как метод моделирования и решения. Следовательно, многие классификационные характеристики моделей будут относиться и к методам решения. Однако ввиду общности математических методов их значительно меньше, чем математических моделей и тем более экономико-математических задач. С другой стороны, в принципе все математические методы, даже не имеющие ничего общего с теорией принятия решений, применяются при анализе тех или иных социально-экономических явлений. [c.309]

При составлении курса гидравлики естественно возникает вопрос о последовательности изложения отдельных разделов данной дисциплины. Решение этого вопроса затрудняется тем, что в технической механике жидкости (в гидравлике) дается несколько различных классификаций движения жидкости, в связи с чем и общее построение курса, вообще говоря, может выполняться по-разному. Как видно будет из дальнейшего, нами при изложении практической части гидродинамики турбулентного потока была принята следующая система вначале мы освещали так называемое плавно изменяющееся движение жидкости (где имеется свой законченный метод исследования), а затем резко изменяющееся движение жидкости (где также имеется свой особый подход к решению соответствующих задач). Такие вопросы, как ламинарное движение грунтовых вод, случай взвесенесущих потоков, ветровые волны, а также вопросы физического моделирования гидравлических явлений, пришлось излагать в конце книги как отдельные, как бы дополнительные, статьи к курсу. [c.5]

Различают три группы методов прогнозирования общенаучные, интернаучные и частнонаучные. К первой группе относят логические и эвристические средства прогнозирования, применяемые к любым объектам наблюдение и эксперимент, морфологический анализ и синтез, воображение и предположение, индукция и дедукция, аналогия, классификация, генетический метод и т. п. Во вторую группу включают методы, применяемые к объектам более чем одной науки методы экстраполяции и интерполяции, моделирования, ассоциаций, проб и ошибок, математической статистики, теории вероятностей, матричные методы, метод Дельфы, метод ПАТТЕРН и др. В третью группу объединяют специфические методы, основанные на закономерностях или эмпирических формулах какой-либо одной науки. Всего классифицировано более 100 методов прогнозирования. [c.6]

Особое место в исследойании С. занимают методы матем. и физ. моделирования. Широко используется моделирование периферия, слуховой обработки, прежде всего филь ации сигнала в улитке внутр. уха. Исследования С. имеют важное врактич. значение для диагностики в лечения нарушений С., к-рыми страдает, по ориентировочной оценке, 4—6% взрослого населения планеты. Второе важное практич. применение работ по изучению С.— разработка на бионической основе систем анализа и классификации сложных звуковых сигналов, прежде вСейо речи, [c.559]

Рассматриваются вопросы физического и математического моделирования структуры порового пространства горных пород. Приведена классификация структурных моделей, на основе которых устанавливаются аналнгпческие связи между различным свойствам пород-коллекторов нефти и газа. Особое внимание уделено фильтрационным, емкостным, электрическим и деформационным характеристикам горных пород. Приводятся некоторые новые результаты теоретических и экспериментальных исследований механизмов фильтрации на гранулярных, капиллярных, трещинно-капиллярных и биокомпонеитных моделях структуры порового пространства. С помощью ново 1 нелинейно-упругой модели установлены связи между пористостью, сжимаемостью и тензорам проницаемости и удельного электрического сопротивления пород коллекторов нефти и газа в условиях сложнонапряжеиного состояния. На основе рассмотренных структурных моделей предлагаются новые методы изучения физическ 1Х свойств нефтяных н газовых коллекторов. [c.2]

Мы охарактеризовали теоретические проблемы моделирования социально-экономических систем, выделив актуальные нерешенные вопросы для того, чтобы читатель видел известную ограниченность и неполноту используемых экономико-математических методов и моделей, классификации которых будут приведены в следующих параграфах. Это, разумеется, никоим образом не -от рицает необходимости их применять, а служит лишь предостережением против неоправданной расширительной тр 1 Ктовки, [c.265]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...