Прогноз прогнозирование

В таких случаях следует проводить анализ явлений на основе вероятностно-статистических представлений, как в различных разделах физики и биологии. Сравнительно простые статистические методы, однако, не дают эффективных результатов из-за слишком большого количества переменных и, главным образом, неточности имеющихся данных. Как ясно из вышеизложенного, корреляционные методы, базирующиеся на гипотезе Гаммета—Тафта, обладают очень ограниченной способностью к экстраполяции их прогнозов за пределы узкого круга катализаторов, соединений и реакций. Можно ожидать, что современные более мощные методы статистического анализа, базирующиеся на математической теории распознавания, окажутся более эффективными. Аналогичные математические методы прогнозирования успешно применяются в медицине, геологии и метеорологии. [c.164]

Из анализа энергетики химических взаимодействий непосредственно следует еще более важный вывод о принципиальной возможности прогнозирования многих химических реакций. Свыше 100 лет назад основой для таких прогнозов служил принцип Б е р т л о — Томсена, согласно которому химический процесс осуществляется лишь в том случае, если он сопровождается выделением теплоты, т. е. является экзотермическим. Однако на практике оказалось, что многие эндотермические реакции довольно легко осуществляются при повышенных температурах. [c.50]

Квантовохимические исследования каталитических реакций в настоящее время не выходят за рамки простейших кластерных моделей, при этом активный центр моделируется одним-двумя атомами катализатора [16]. Применение подобных моделей особенно перспективно в случаях, когда объектом исследования является механизм каталитических реакций, однако неполноценное представительство в этих моделях самого катализатора как твердого тела снижает эффективность решения задач прогнозирования. В рамках данного подхода удается дифференцировать катализаторы весьма примитивным способом. По существу, катализатор характеризуется природой атома, выступающего в качестве адсорбционного центра. Качественные закономерности, выявление которых является предметом подобных исследований, иногда нужно установить, не проводя никаких расчетов. Таким образом, чрезмерное упрощение модели обесценивает квантовохимический прогноз, а ее усложнение и попытки адекватно передать твердотельные характеристики катализатора связаны с резким возрастанием вычислительных трудностей, и, следовательно, невозможностью изучать представляющие практический интерес сложные объекты. [c.62]

Прогнозирование типа углеводородных флюидов и их состава по данной методике с построением карт прогноза было выполнено в ряде регионов Советского Союза. Следует еще раз подчеркнуть, что подобное прогнозирование требует предварительных детальных, региональных геохимических исследований углеводородных флюидов. [c.161]

В настоящее время подсолевой комплекс (С—Pi) в Прикаспийской впадине — весьма перспективный объект для разведки. В этих отложениях открыто около 20 месторождений, среди которых много газоконденсатных, особенно на северном и западном бортах. Прогнозирование фазового состояния углеводородных флюидов в залежах для данного комплекса весьма актуально. Поэтому специально для комплекса -Pi был сделан такой прогноз и составлена карта прогноза состава нефтей и фазового состояния углеводородных флюидов. [c.165]

Возникает проблема выработки такой стратегии принятия решений, которая обеспечивала бы оптимальный прогноз катализатора в условиях существования указанных альтернативных ситуаций. Пример реализации такой стратегии, состоящей в по-стадийном решении задачи, приведен на схеме (рис. 2.1). Согласно этой схеме, использование ЭВМ необязательно на всех этапах прогнозирования катализаторов. Расчеты выполняются по мере необходимости лишь на отдельных этапах, что определяется конкретной ситуацией сложностью испытуемых катализаторов, требуемой степенью точности предсказания и т. п. [c.62]

Прогнозирование катализаторов на основе принципа перцептрона производится с помощью алгоритмов, при реализации которых ЭВМ запоминает в ходе предъявления ей реализаций обучающей последовательности, какие комбинации признаков соответствуют одному из классов, а какие другому, а затем в соответствии с этим классифицирует новые прогнозируемые реализации. При этом в качестве признаков фигурирует не только наличие или отсутствие у реализаций некоторых свойств, например окраски, но и наличие или отсутствие некоторого свойства в заданных границах значений, нанример электропроводности в интервале 10—20 1/Ом. На принципе перцептрона основан алгоритм программы Прогноз-73 [2], программы перцептрона Кора [42] и др. [c.87]

Методы, в основе которых используется информация о решении в ряде предшествующих точек, называются конечно-разностными методами или методами прогноза и коррекции. В отличие от формул Рунге—Кутта, в этих методах на каждом шаге интегрирования правые части уравнений вычисляются один или два раза, а разность между прогнозированным и скорректированным решениями дает оценку точности интегрирования и можёт быть использована для контроля величины шага. [c.365]

Точность прогноза существенно повышается, если вместо выбора знаков полюсов эталона по большинству + или — в столбцах признаков применить аналогичную операцию прогнозирования знака для траектории каждого столбца. Это значит, что для каждого столбца матриц строится своя тройка эталонов + , О и — , по которой осуществляется прогноз. Эти эталоны естественно назвать вторичными в отличие от первичных, соответствующих исходной траектории. Ту же процедуру можно применить для матриц, связанных с вторичными эталонами, и т. д. Таким образом, получается иерархическая структура распознавания. [c.126]

Блоки План-прогноз приема нефтей на расчетный период планирования , Модели прогнозирования потребления нефтей , Прогноз потребления нефтей на расчетный период планирования . [c.161]

Обработка результатов применения автоматизированной базы данных методами факторного и регрессионного анализов позволила оценить влияние основных факторов на коррозионные процессы в трубопроводах. Матрица наблюдений, с помощью которой построены модели прогноза образования дефектов, состояла из одиннадцати параметров и включала характеристики дефектов и труб, а также режимов работы трубопроводов. Особенность прогнозирования заключается в подготовке [c.106]

Научно-техническое прогнозирование изменения качества нефтепродуктов представляет собой оценку возможных направлений и результатов изменения качества топлив и масел, а также необходимых организационно-технических мероприятий для возможно полного предотвращения этого изменения. В настоящее время известно более 150 различных методов и приемов прогнозирования. Прогноз может быть краткосрочным (до 3—5 лет), среднесрочным (до 10 лет) и долгосрочным (15—20 лет и более). Прогнозы с большей дальностью (30—40 лёт) применительно к нефтепродуктам при хранении в обычных условиях, вероятнее всего, будут носить гипотетический характер. Для прогнозирования изменения качества нефтепродуктов целесообразно применять методы экстраполяции, моделирования, экспертных оценок и морфологического расчленения. Их классификация приведена на рис. 33. Наибольшее практическое значение имеют, однако, методы экстраполяции, моделирования и экспертных оценок. Рассмотрим кратко эти методы. [c.153]

Отраслевое прогнозирование представляет собой процесс технико-экономического исследования возможных направлений развития отрасли на длительный период. Прогноз призван раскрыть основные особенности состояния отрасли в пред-прогнозном периоде, определить возможные варианты ее развития отрасли и дать их качественную оценку в целях создания базы для выбора плановых решений на более короткие сроки. [c.159]

Показатель П можно выразить в логарифмическом виде. Если коэффициенты а определены или известны и установлен момент времени т ,, то подстановка в (198), времени Тд т позволяет экстраполировать П из прошедшего времени (т е т, ) в будущее (т Тт). Таким образом, тенденция изменения параметра качества переносится из прошлого в будущее. Точность прогноза увеличивается с уменьшением разности т — и увеличением т . Прогнозирование изменения качества на основе динамической экстраполяции состоит из следующих операций [c.156]

Блоки План-прогноз приема нефтей (по кварталам) , Фактическое потребление нефтей (по кварталам) и Модели прогнозирования потребления нефтей . [c.158]

Второй способ прогнозирования с форсированием влияния одного из внешних факторов становится оправданным и достаточно точным при условии близости механизмов протекания химических реакций, приводящих к изменению качества. Кроме того, должен быть известен и сам механизм процессов старения нефтепродуктов. В этих условиях изменение концентрации вещества, например смол, кислот, пропорционально его начальной концентрации, времени прогноза и коэффициенту, учитывающему химическую природу нефтепродукта и внешние условия, [c.161]

Блоки Прогноз потребления нефтей на расчетный период планирования , Модели прогнозирования выработки нефтепродуктов, поступления нефтей, прочих показателей (по группам) , Прогноз выработки нефтепродуктов, поступления нефтей, прочих показателей (по группам) . [c.162]

Однако на первом этапе исследований а тем более при расчетах по прогнозированию свойств катализатора, до проведения экспериментальных работ необходимые данные о параметрах моделей, естественно, не известны. Выход заключается в выработке стратегии исследования в виде многоэтапной итеративной процедуры принятия решений (ППР) 1) прогноз химического состава катализатора 2) по данным первого этапа и по имеюш имся аналогам получение начальных оценок скорости реакции 3) начальный ири-ближенный прогноз качественного характера о целесообразной текстуре катализатора (например, круннонористый с малой поверхностью, либо мелкопористый с развитой поверхностью и т. п.) 4) экспериментальная проверка результатов качественного прогноза текстуры катализатора 5) экспериментальное определение кинетики процесса на удовлетворяюш,ем требованиял катализаторе пз числа занрогнозированных 6) расчет оптимальной текстуры катализатора и ее приспособление к реальным возможностям синтеза катализаторов 7) выбор способа синтеза приемлемого катализатора 8) выбор способа формирования структуры катализатора 9) приготовление образца катализатора и его опробование. [c.121]

Как было отмечено выше, погрешность прогноза оценивалась путем сравнения расчетных показателей с фактическими промысловыми данными. Однако при реальном проектировании задача сводится к прогнозированию показателей разработки на будущий период, естественно при отсутствии возможности такого сравнения. [c.155]

Для оперативного прогнозирования денежных потоков предприятия используется метод скользящего планирования. Основной принцип скользящего планирования состоит в постоянном отодвигании вперед планового периода, в отнощении которого осуществляется более детальная разбивка. Составление прогноза на ближайший период производится после анализа фактических или ожидаемых данных прошедшего периода. Годовой прогноз разрабатывается по кварталам с разбивкой первого квартала по месяцам. Квартальный прогноз разрабатывается по месяцам с разбивкой первого месяца по декадам. Месячный прогноз составляется по декадам с разбивкой первой декады по дням. [c.194]

Следующим этапол стратегии является процедура обучения машины раснознаванию активных катализаторов. Эта процедура сама по себе итеративная и заканчивается не только установлением факта способности машины распознавать катализаторы с заданной степенью вероятности, но и отсеиванием незначащих признаков и ранжировкой влияющих признаков по степени их влиятельности. После обучения машины пли в ходе его проводится прогнозирование новых катализаторов, не включенных в обучающую последовательность. Результаты машинного прогноза подвергаются экспериментальной проверке. [c.88]

Хотя многие теплообменники разрабатывались с учетом вибраций, понимание возникающих при этом проблем оставляет желать лучшего. Лишь несколько исследователей рассмотрели специфические проблемы, связанные с промышленными кожухотрубными теплообменниками. Обычно экспериментальные данные по влиянию вибрации получены в определенных условиях с использованием одиночных труб или идеальных пучков труб, равномерно обтекаемых параллельным или по поперечпым потоком жидкости. Применение результатов таких идеализированных опытов для прогнозирования условий в реальном теплообменнике может оказаться неприемлемым из-за различий в конфигурации, способе обтекания потоком труб и из-за непостоянства направления потока. Следовательно, прогноз наведенной потоком вибрации и вероятность виб-рационнмх повреждений должны считаться в известной мере неопределенными. [c.321]

Обычно различают период упреждения прогноза - время, на юоторое разрабатьшается прогноз максимально возможный период упреждения прогноза - горизонт прогнозирования. Последовательность операций при прогнозировании ведется наблюдение за процессом вычисляется его будущее значение в упрежденной [c.76]

При определении периода прогнозирования (временного горизонта) необходимо учитывать важ1гейшие особенности отрасли, прежде всего те, которые определяют длительность цикла оборота основных фондов, средних сроков разработки и внедрения новой техники, строительства и освоения новых предприятий и др. В химической промышленностн с учетом большого разнообразия подотраслей, входящих в ее состав, указанные факторы позволяют принять в качестве срока, определяющего временной горизонт, периоды в 15—20 лет. Поскольку в настоящее время базой для разработки прогноза может быть 1985 г., то ближайший срок прогноза — 2000—2005 гг. Такой срок принят для прогнозирования развития народного хозяйства и его ведущих отраслей. [c.159]

Прогаозирование индивидуального ресурса включает целый комплекс задач оценка текущего технического состояния объекта, прогнозирование развития этого состояния на ближайшее будущее и вьщача на основе этого прогноза рекомендаций об оптимальном остаточном сроке эксплуатации (до сшкания данного объекта или го очередного ремонта). Если доступной информации недостаточно йля вьшесения решений о прекращении эксплуатации, то необходимо назначить обоснованный срок очередного диагностирования объекта. Вместе с тем в задачу прогнозирования входит оценка вероятностей наступления различных отказов с целью их предупреждения. [c.96]

Достоверность и содержание прогноза определяются полнотой статистической информации глубиной выявления закономерностей прогнозируемых процессов и анализом основных тенденций изменения качества нефгепродуктов в прошлом, настоящем и будущем экспериментальными данными, полученными в процессе хранения и применения нефтепродуктов в различных условиях учетом влияния внешних факторов в прогнозируемый период детальной информацией о химическом составе и физических свойствах нефтепродуктов надежностью математического аппарата прогнозирования данными лабораторных испытаний. [c.153]

Сравнение расчетных показателей с фактическими промысловыми данными при обычном заводнении показывает, что точность прогноза рассматриваемого метода в несколько раз выше, чем в случае применения характеристик вытеснения. В подтверждение сказанного нами проведено сопоставление точности прогноза накопленной добычи нефти по программе Гипровостокнефть EMPIRI (характеристики вытеснения) с предлагаемым методом адаптации (см. таблицу 3.6). Оценка погрешности прогноза по характеристикам вытеснения заимствована нами из таблицы 3 работы [9]. В этой таблице приведены данные, полученные в соответствии с разработанными авторами указанной работы критериями минимизации погрешности при прогнозировании на поздней стадии разработки. Из И анализируемых характеристик вытеснения выбраны наиболее точные, которые прогнозируют добычу нефти с минимальной погрешностью. Следовательно, в таблице 3.6 настоящей работы сопоставляется погрешность прогноза по наиболее точной характеристике вытеснения с предлагаемым методом адаптации. [c.208]

Слибар и Пэслей получили систему определяющих уравнений с пятью физическими параметрами, которую можно использовать для прогнозирования влияния сдвиговой предыстории на течение тиксотропных материалов. Они установили хорошее совпадение аналитических прогнозов с результатами экспериментов Джоунза и Бэбсона. [c.186]

Определение запаса устойчивости. Опасность возникновения неустойчивых режимов в работе установки приводит к необходимости иметь в составе АСУТП развитые программы аварийной защиты и прогнозирования запаса устойчивости процесса. Причем работа систем защиты направлена в основном на предотвращение или минимизацию последствий уже произошедшего нарушения — обеспечение безопасности обслуживающего персонала, защита технологического оборудования от разрушений. Применение АСУТП, в состав которой входит вычислительный комплекс, позволяет прогнозировать возможность возникновения аварийной ситуации и принять, благодаря такому прогнозу, своевременные меры по ее предотвращению. Алгоритм прогноза основан на результатах исследования устойчивости реактора по его математической модели [83]. Модель динамики реактора представляет собой систему нелинейных дифференциальных уравнений в частных производных и включает уравнение материального баланса для инициатора и уравнения тепловых балансов [c.111]

Исходя из отмеченного, сопоставление разных вариантов развития коксового производства будущего производилось нами по капитальным затратам, выраженным в долларах США. Для прогнозирования капзатрат использован упрощенный вариант методики, в общих чертах изложенной в [279]. Ориентировочно, погрешность прогноза не превышает 20% с вероятностью 95%. По ней выполнен ряд расчетов, результаты которых сведены в табл. 9.16-9.19. При их проведении были приняты основные условия, типичные для коксохимических предприятий РФ. Принято, что время на обработку одной печи составляет 12 мин. [c.364]

Справочник химика 21

Химия и химическая технология