Метод статистической информации

Основным источником информации служит текущая эксплуатационная документация за длительный период рапорты начальников смен и машинистов журналы учета работы оборудования и записей аварийных остановок цеха ремонтные книги акты о сдаче оборудования в ремонт графики ППР и паспорт.а на технологическое оборудование. Такой метод получения информации имеет ряд недостатков, но позволяет в условиях эксплуатации на основе статистического материала оценить показатели надежности оборудования. Несмотря на отсутствие единых форм документации, такая информация все же сопоставима. Отображение данных в нескольких параллельных источниках при дополнительном анализе, как правило, обеспечивает повышение качества информации. [c.220]

Для выполнения операций рассматриваемого этапа процедуры оптимизации адсорбционной установки в условиях неполноты исходной информации кроме изложенного может быть применен и другой подход, базирующийся на представлении всей используемой информации (кроме детерминированной) как случайной. Должно быть намечено несколько вариантов наиболее вероятных законов ее распределения. Для решения такой задачи стохастического программирования в принципе могут применяться такие же методы, что и для решения задач оптимизации в детерминированной постановке. Однако систематизированные конструктивные проработки алгоритмов имеются лишь для задач линейного и квадратичного стохастического программирования. Существенным недостатком такого подхода является большая трудоемкость расчетов, что, естественно, ограничивает область применения строгих методов решения задач и вызвало появление приближенных методов, например метода статистических испытаний (метод Монте-Карло). Значительный интерес для решения стохастических задач представляет использование итерационной многошаговой процедуры, в основу которой положены идея стохастической аппроксимации для учета случайных величин и метод штрафных функций для учета ограничений [51]. При использовании любого из указанных методов следует помнить, что решение задачи всегда будет иметь погрешность вслед- [c.163]

В 1972—76 гг. были опубликованы работы автора [2.25—2.26], посвященные вопросам оценки качества функционирования систем пожарного водоснабжения и анализа стохастической природы потребления воды на пожарные нужды. В этих работах впервые было приведено комплексное описание процесса функционирования системы водоснабжения с помощью аналитических моделей, построенных на основе обработки вероятностно-математическими методами статистической информации о случайном процессе потребления воды на пожарные нужды. Указанная концепция нашла развитие в книге автора [3.28] и последующих его работах [7.12—7.13], касающихся совершенствования методов расчета систем пожарного водоснабжения вообще и вопросов научно обоснованного прогнозирования бесперебойной подачи воды на пожарные нужды в частности. [c.199]

Итак, создание информационной базы САПР состоит в выборе универсальной или разработке специализированной СУБД определении числа и разработке структуры баз данных разработке алгоритмов проверки, обработки экспериментальных и расчета недостающих данных заполнении баз данных. Первые два пункта будут рассмотрены подробнее в гл. 5. Определение числа баз производится па основе обобщения опыта проектирования в данной отрасли и состоит в установлении количества единиц информации базы, согласовании терминологии. Проверка достоверности данных производится путем выявления достоверных параметров и использования известных закономерностей между отдельными параметрами, либо путем применения методов статистической обработки данных. Часто при обработке данных проводится и проверка их достоверности. [c.117]

При большом числе факторов, оказывающих влияние на технологический процесс, и значительных массивах экспериментально-статистической информации, подлежащей обработке, непосредственное использование методов факторного анализа приводит к весьма трудоемким вычислительным процедурам. В этих случаях для оперативного обследования объекта в режиме нормальной эксплуатации и выработки предварительного заключения о наиболее значимых факторах, оказывающих влияние на ход процесса, эффективное применение находят методы алгебры логики [27]. Исследование проводится в два этапа. На первом этапе рабочие диапазоны изменения переменных квантуются на отдельные уровни и методом минимизации булевых функций строится булева модель ФХС. На втором — решается задача интерпретации булевых моделей в терминах существующих содержательных теорий. [c.100]

В последнее время химии получило существенное развитие изучение свойств веществ при очень высоких температурах. Первоначально это было связано с практическими потребностями Некоторых областей новой техники. В дальнейшем расширению исследований в этом направлении способствовали развитие экспериментальных методов исследований в области высоких температур, развитие теории состояния веществ при высоких температурах, теории методов расчета термодинамических свойств при высоких температурах на основе выводов статистической термодинамики и широкое использование этих методов с применением быстродействующих электронных счетных машин. Большая часть новой информации о термодинамических свойствах веществ при высоких температурах получается в настоящее время именно на основе сочетания методов статистической термодинамики с новой расчетной техникой. [c.170]

Внутренняя энергия имеет единицу измерения Дж/моль. Численное значение изменения внутренней энергии АО=и—Уо определяется по данным калориметрических измерений или рассчитывается с помощью методов статистической термодинамики. Полную информацию о состоянии системы можно получить, [c.22]

Разработаны некоторые формализованные приемы и методы выбора совокупностей исходных данных использование метода статистических испытаний (метода Монте-Карло) расположение точек, характеризующих совокупности исходных данных, в центрах шаров одинакового и максимального возможного диаметра расположение искомых точек в узлах равномерной сетки, заданной внутри единичного п-мерного куба, и др. [63]. При этом в ряде случаев могут быть учтены корреляционные связи между отдельными показателями, но сохраняет силу отмеченный выше основной недостаток формализованных методов —невозможность учета неравноценности отдельных составляющих исходной информации. [c.161]

Метод статистической регуляризации и, в частности, только что более подробно рассмотренный вариант, удобен нри отсутствии какой-либо априорной информации о распределении частиц по размерам в дисперсной среде. В настоящее время ведутся интенсивные работы по обоснованию возможности применения метода статистической регуляризации для решения обратной задачи рассеяния. Большое значение приобретают исследования влияния различных факторов на точность обращения оптической информации [72, 73]. [c.38]

Обзор и оценка различных методов (статистических и динамических, интегральных и дифференциальных, импульсных) изучения кинетики нефтехимических процессов, а также информация об аппаратурном оформлении экспериментальных кинетических установок (реакторная система, дозаторы реагентов, устройства циркуляции, различное вспомогательное оборудование и т. д.) наиболее полно представлены в [11]. [c.81]

Предложен метод, позволяющий определить расчетную нагрузку, действующую на аппарат колонного типа при внешнем взрыве, с учетом высоты расположения эпицентра взрыва относительно колонного аппарата, подобранный в результате анализа известных методов по оценке воздействия взрыва на промышленные объекты. Получены коэффициенты динамического усиления нагрузки Кд, действующей при взрыве на аппараты колонного типа, от параметров взрывной волны (избыточного давления на фронте ударной волны - Ар, импульса - 1) с учетом высоты расположения эпицентра взрыва Ь относительно колонны для рассмотренных колонных аппаратов величина Кд находится в диапазоне 1,04...22,28. Установлена зависимость величины ударной нагрузки от высоты расположения эпицентра взрыва относительно колонного аппарата и выявлено, что максимальные нагрузки на аппарат возникают при взрыве, центр которого расположен у основания колонны, что согласуется с проведенным анализом статистической информации о взрывоопасности технологических установок НПЗ. [c.22]

Для решения системы (VI 1.2) необходимо в явной форме раскрыть зависимость от измеряемых параметров Т, р, Xi, у i. Классическая термодинамика, как известно, выражает эту зависимость в виде точных и общих дифференциальных соотношений, но для их интегрирования в каждом конкретном случае необходима информация, отражающая специфику рассматриваемой системы. Такая информация может быть получена в эксперименте или методами статистической физики. По способу ее преобразования в развернутую форму (VI 1.2) из существующих методов расчета фазовых равновесий можно выделить два основных. [c.157]

Получение эффективных несмещенных оценок параметров предполагает выполнение ряда требований как к исходной информации, так и к методу ее обработки. Прежде всего, в экспериментальных результатах должна отсутствовать заметная систематическая погрешность. Ее присутствие в наборе величин х — у — Т — р может быть обнаружено проверкой данных на термодинамическую согласованность. Для уменьшения влияния случайных ошибок измерений желательно, по возможности, иметь достаточно подробную информацию о системе, относящуюся к широкому концентрационному интервалу. При оценке параметров на основе подробной информации могут быть использованы методы статистической обработки данных. [c.211]

Обсуждение ошибок играет решающую роль для планирования, оценки и интерпретации химико-аналитических исследований. Поэтому аналитику нужна подробная информация обо всех возможных в данной области исследований ошибках. Принимая во внимание их характерные свойства, он получит затем с помощью математико-статистических методов желаемую информацию о собранных числовых результатах. Методы математической статистики превратились в подсобный инструмент для решения ряда задач, таких, например, как сравнение средних, оценивание межлабораторных опытов или обнаружение систематической ошибки. Задача аналитика — отобрать из множества различных математико-статистических методов наиболее подходящие для решения поставленной перед ним конкретной задачи. [c.28]

Важность понятия идеальный газ как основы для сравнения трудно переоценить, поскольку все газы при низких давлениях приближаются к идеальному состоянию. Более того, для расчетов свойств идеальных газов вполне применимы методы статистической механики, причем результаты-подобных расчетов зачастую превосходят результаты экспериментов, проведенных на газах, свойства которых приближаются к идеальным. Дополнительную информацию по этим вопросам можно получить в книге [112]. [c.18]

Возможности метода имитационного моделирования можно показать на примере анализа кинетики разрушения сварных штуцерных соединений оболочковых конструкций, работающих в условиях малоциклового нагружения при двухосном поле растягивающих напряжений. Экспериментальной основой для создания банка исходной статистической информации послужили результаты испьгганий крупногабаритных образцов со сварными штуцерными соединениями [155, 157 . [c.382]

Наиболее сложным параметром в формуле (4.16) является интенсивность дождя. В бюро погоды США имеются самопишущие регистрирующие приборы, которые автоматически вычерчивают графики количества выпадающих дождевых осадков во времени. Эти данные статистически обрабатываются для построения кривых интенсивность дождя — длительность дождя , подобных тем, которые показаны на рис. 4.14. Из этого графика видно, что для ливней продолжительностью 30 мин максимальное среднее количество осадков, выпадаемых при повторяемости дождя 1 раз в 5 лет, составляет 75 мм/ч, а при периоде повторяемости дождя 25 лет — 95 мм/ч. Хотя вычерчивание таких кривых является обычным методом представления информации о выпадении дождей, для различных районов США были выведены специальные формулы для вычисления дождевых осадков. При проектировании ливневой канализации в жилых районах используется пятилетний период повторяемости дождя, а для деловых кварталов — десятилетний для отдельных районов, где затопление территории дождевыми осадками привело бы к значительному материальному ущербу, период повторяемости дождя принят равным 15 годам. Продолжительность дождя — это время, необходимое для сбора всей стекающей воды со всей площади водосбора. Если вода с некоторой части исследуемого участка водосбора стекает в дождеприемники ливневой канализации, то продолжительность дождя равна времени добегания стекающих осадков [c.105]

Сущность метода статистической регуляризации состоит в том, что априорная информация об искомой функции вносится в виде того или иного распределения вероятностей, т. е. решение системы уравнений (2.34) ищется в том или ином статистическом ансамбле. Это приводит к замене точного решения системы уравнений на некоторое приближенное регуляризованное решение. Априорный ансамбль возможных решений может быть охарактеризован по-разному. В соответствии с этим существуют различные варианты метода статистической регуляризации. Если имеется некоторая конкретная априорная информация, то решение может определяться в ансамбле, заданном конечной выборкой или корреляционной матрицей. В том случае, когда подробной информации о решении нет я известно только то, что /(р) более или менее гладкая функция, решение можно рассматривать в ансамбле гладких функций с некоторым параметром гладкости а. Этот ансамбль характеризуется плотностью вероятности (априорной) [58] [c.36]

Заранее ясно, что статистическое приближение удовлетворительно описывает далеко не все типы реакций. Однако даже и для таких реакций результаты статистической теории полезны при описании их динамики в качестве начального приближения, подлежащего дальнейшему уточнению. На этом основан сформулированный недавно так называемый теоретико-информационный подход, использующий некоторые методы теории информации для описания характеристик элементарного процесса. Анализируются отличия истинной (экспериментально измеренной или достаточно точно рассчитанной) зависимости от теоретически ожидаемой (так называемой априорной). Для построения такой априорной зависимости используется статистическое приближение, которое уточняется дополнительной теоретической или экспериментальной информацией. При этом оказывается, что полная модель исследуемого процесса может быть составлена с использованием незначительного числа дополнительных параметров, учитывающих вновь привлекаемую информацию. Например, теоретико-информационный анализ предлагает описывать ряд динамических величин — сечения, функции распределения продуктов реакции по состояниям и др.— функциями, вычисленными в статистической модели и несколько подправленными введением некоторых дополнительных параметров. Теоретико-информационный синтез позволяет восстановить динамические величины по их известным средним значениям. Хотя в настоящее время существуют веские аргументы для критики этого подхода в плане его общности, простота теоретико-информационного метода и его эффективность в смысле сжатия информации о динамике элементарного акта привела к широкому использованию его при изучении химических элементарных процессов. [c.52]

Исключительно важное значение для приложений метода Монте-Карло имеет тот факт, что его использование не связано ни с какими ограничениями начальной степени отклонения системы от равновесия, которые могут быть произвольно велики. При этом количество исходных данных, которое необходимо заложить в расчет на ЭВМ, невелико, а часть из них может быть получена в процессе реализации самого метода статистических испытаний. Для решения задач об эволюции молекулярных систем к равновесному состоянию (задач существенно нелинейного типа) необходимо сочетание метода Монте-Карло с методом периодических граничных условий или с заменой непрерывного пространства скоростей дискретными уровнями. Такой метод позволил получить ценную информацию о процессе максвеллизации двух газов различной начальной температуры, о воздействии химической реакции на распределение по энергии и влиянии созданного таким образом нового распределения на скорость химической реакции, [c.9]

Вопросы обработки статистической информации о надежности сведены в Государственные стандарты и методики. С 1973 г. действуют ГОСТ 17509—72 Надежность изделий машиностроения. Система сбора и обработки информации. Методы определения точечных оценок показателей по результатам наблюдений , ГОСТ 17510—72 Надежность изделий машиностроения. Система сбора и обработки информации. Планирование наблюдений . В 1978 г. Госстандартом СССР выпущена Методика статистической обработки информации о надежности технических изделий на ЭЦВМ . В настоящей книге вопросы обработки информации о надежности анализаторов не рассматриваются. [c.190]

Если для функции (ШШН использовать линейную аппроксимацию вблизи устойчивых равновесных уровней, то получим модель КМ, которую можно исследовать (в большинстве практически важных случаев это уже сделано) обычными методами статистического анализа. Таким образом, модель КМ удовлетворительно описывает колебания уровня моря вблизи устойчивых состояний равновесия до момента перехода с уровня на уровень. Информацию о возможных переходах и их вероятностном описании можно извлечь только из нелинейной модели. [c.89]

Для сбора исходной статистической информации проводят эксперимент неносредственно на изучаемом объекте. Различают пассивный и активный эксперимент. Пассивный эксперимент является традиционным методом, когда ставится большая серия опытов с поочередным варьированием каждой из неременных. К пассивному эксперименту относится также сбор исходного статистического материала в режиме нормальной эксплуатации на промышленном об эбкте. Обработка опытных данных для получения математиче- [c.7]

Применение машинной техники при расчетах термодинамических функций методами статистической термодинамики сильно облегчило получение новых данных. В настоящее время большую часть новой информации в этой области, в особенности для высоких температур, получают с помощью электронных счетных машин. На основе результатов, полученных разными методами, создаются справочные сводные таблицы, содержащие взаимно согласованные значения основных термодинамических свойств веществ для разных условий их существования. В первую очередь такие таблицы были разработаны для углеводородовпозднее и для ряда других групп неорганических и органических соединений. [c.20]

При постулировании гипотезы о функции распределения Ф следует опираться на статистическую информацию об объекте. Последняя часю отсутствует либо не является достаточно полной. В этих слчаях существует опасность того, что критерий согласия выбран неправильно, вследствие чего основанный на нем метод статистической обработки превращается в формальную вычислительную схему. В практике физико-химических исследований нередко встречается ситуация, когда метод обработки результатов измерений (обычио метод наименьших квадратов) применяется вообще без каких-либо обоснований или предположений о законе распределения. Естественно, что подобный способ обработки, строго говоря, не может быть [c.56]

Если сравнивать между собой информационные свойства так называемых биополимеров, встречающихся в природе, и синтетических полимеров, ТО, как неоднократно отмечалось в данной главе, структура последних в значительной степени детерминирована вероятностными процессами. Однако в связи с этим вряд ли стоит ограничиваться лишь сетованием на скромность человеческих возможностей и упованием на волю провидения. Говоря о каком-либо явлении, что оно является вероятностным, мы имеем в виду, чта многое в этом явлении для нас остается неизвестным. Следовательно, если использовать только те данные, которыми мы располагаем в данный момент или можем каким-то образом получить, важно четко представлять, какая именно информация содержится в этих данных, а как раз в этом и заключается метод теории информации В качестве примера рассмотрим понятие статистической регулярности, KOTop fro мы касались в предыдущих разделах, и противоположное ему понятие статистической нерегулярности. Как мы уже указывали, эти понятия применимы не только к процессам сополимеризации, но также и к реакции стереоспецифической полимеризации. При стереоспецифической полимеризации, зная мольные доли триад /, Н TI S, можно рассчитать по уравнениям (11.50) и (П.58) параметры эффекта предпоследней группы А ер и эффекта последней группы Д,Бя. Поскольку мольные доли трех указанных триад связаны между собой нормирующим соотношением [c.145]

По месторождению в целом и по вьщеленным представительным участ кам осуществляется статистический анализ данных по контролю за разработке, методами ГИС (информация о работающих, вырабатываемьк и заводняемы интервалах, заколонных перетоках и т.д. ) и систематизация наиболее типичны ситуаций для конхретных геологических условий. [c.195]

ЗПР в условиях неопределенности <ЗПР>з. Для этого класса задач возмущения от внешней среды учитываются, т. е. Ф О, Z) Ф 0. Эти возмущения неизвестны ЛПР. В таком случае верояг-лости исходов, рассмотренные для подкласса задач <ЗПР>.з, могут быть неизвестны или не имеют смысла. Тем не менее ЛПР на основании качественной информации и своего опыта знает альтернативы (ху,. . Xi,. . ., Xj X -а множество возможных желаемых состояний (S ,. . ., Sj,. . ., Sm) Er S. Кроме этого, ЛПР может сформулировать степени предпочтения на множестве состояний S, ожидаемых в результате принятия решений. Тогда для ре-П1ения задач подкласса <ЗПР>д применяются методы статистических решений, если вероятности исходов р (sj х,) имеют смысл п могут быть заданы ЛПР, теории игр, различные эвристические методы [7—9]. Приведем основные схемы решения ЗПР на основе теории статистических решений [8, 9]. [c.244]

В докладе рассмотрено применение методов распознавания образов и других методов статистической классификации дан-ГШ1Х для формирования минимального факторного пространства, несущего необходимую информацию о процессе. Приведена обобщенная схема принятия решения об использовании тех или иных методов классификации в зависимости от априорной информации и подстройки метода к получаемым экспериментальным данным. Показана эффективность рассматриваемых методов при выделении допустимой области существования технологического процесса, обеспечивающего выпуск продукции в соответствии с ТУ. [c.156]

Современные масштабы общественного произвоства и сложность управления нефтеснабжением народного хозяйства требуют широкого внедрения в эту область экономико-математических методов и вычислительной техники. Процесс нефтеснабжения сегодня связан с огромными потоками плановой, оперативной и учетно-статистической информации, обработка которой вручную становится практически невозможной. Кроме того, влияние нефтеснабжения на эффективность работы предприятий потребителей нефтепродуктов требует отыскания быстрых и оптимальных решений с помощью современных электронно-вычислительных машин. В этих условиях настоятельной необходимостью является создание автоматизированной системы управления нефте-снабжением — АСУнефтеснаб. [c.6]

Вместе с тем, не исключена возможность установления механизма статистическими методами. Статистическое исследование химической реакции следует понимать лишь как первый этан, заканчиваюш,ийся созданием математической модели на основе минимального количества информации. Используя данную модель, можно из ряда предлагаемых механизмов выбрать один наиболее вероятный. Таким образом, любое исследование целесообразно заканчивать исследованием модели. [c.257]

Рассмотрим теперь результаты исследований наноструктурных ИПД материалов, полученных с использованием высокоразреща-ющей электронной микроскопии (ВРЭМ). Данный метод дает информацию лищь о локальных участках исследуемой структуры и для получения статистически надежной картины требуется изучение многих районов. Вместе с тем очевидным преимуществом этого метода является возможность детального исследования струк- [c.65]

Метод статнстической информации. Это целое семейство процедур, в которых для отбора конформаций, служащих исходными приближениями в последующем расчете, используется разного рода вероятностная информация. Ее источником может быть банк данных белковых структур, статистическое распределение остатков на конформационных картах усредненная предпочтительность парных остаток-остаточных контактов или алгоритмы предсказаний вторичных структур [210-216]. Очевидно, данные такого рода ориентировочны и могут скорее ввести в заблуждение, чем помочь в решении структурной проблемы пептидов и тем более белков. Конформационные возможности каждого из них определяются не статистикой, а определенной и всегда уникальной аминокислотной последовательностью. Показательно в этом отношении исследование М. Ламберта и Г. Шераги [210-212] панкреатического полипептида из 36 остатков. В расчет его структуры в качестве дополнительной вероятностной информации привносятся данные о распределении значений двугранных углов основной цепи в четырех областях конформационной карты ф-ц/ и распределении конформационных состояний трипептидных сегментов на нерегулярных участках трехмерных структур белков, изученных кристаллографически. Набор исходных для оптими- [c.244]

Васкес, Г. Немети и Г. Шерага, анализируя возможности метода с излечением статистической информации, замечают, что "...он не может ггь полезным в отсутствие сведений о дальних взаимодействиях" [136. р, 2196], иными словами, без знания трехмерных структур. [c.245]

Существует большое разнообразие подходов к теоретическому изучению полимеров. Велико и число задач, которые ставятся перед исследователем теорией и практикой. Во всем этом разнообразии отчетливо выделяются два вопроса первый — объяснение макроскопических свойств полимеров как свойств коллективов микроскопических индивидуумов на основе знания свойств индивидуумов и законов взаимодействия между ними второй — феноменологическое описание свойств макроскопического объекта, не опирающееся на информацию о его микросвойствах. Ответ на первый вопрос может быть получен методами статистической механики, на второй отвечает механика сплошных сред или (в каком-либо смысле) заменяющие ее теории. Изучая полимеры в растворе, где макромолекулы разобщены, мы сталкиваемся с проблемой первого типа. Полимеры в блоке, построенные из макромолекул, интенсивно взаимодействующих друг с другом, рассматриваются в рамках теорий второго типа. [c.5]

Дифференциальные и интегральные кривые распределения частиц загрязнений по размерам (рис. 4.13), полученные обработкой индикатрис (см. рис. 4.12) по методу статистической регуйяризации, рвидетельствуют о том, что основную массу загрязнений (по числу) составляют частицы меньше 2 мкм. Дифференциальная кривая распределения частиц по размерам имеет только правую ветвь. По-видимому, максимум кривой распределения лежит в области частиц меньших или равных 0,1 мкм. С повышением точности оптической информации до 1—3% можно будет конкретнее определить эту область, так как частицы меньше 0,1 мкм дают вклад в рассеяние на порядок меньший, по сравнению с частицами, большими 0,1 мкм. В настоящее время о присутствии значительного числа мелких частиц можно судить по диссимметрии индикатрисы. [c.111]

Если пренебречь влиянием изотопных эффектов на скорости процесса, то скорость адсорбции дейтерия равна суммарной скорости адсорбции, умноженной на молярную долю дейтерия в газовой фазе. Точно так же скорость десорбции дейтерия пропорциональна молярной доле дейтерия на поверхности. При постоянной степени покрытия можно воспользоваться линейными уравнениями типа (IV.61). Подчеркнем, что линейные соотношения типа (IV.61) справедливы только для дейтерия при постоянстве суммарного количества водорода. Поэтому уравнение (IV.61) применимо только к одной точке нелинейной изотермы адсорбции, соответствующей данной суммарной концентрации. Для полной информации, следовательно, необходимо провести опыты при разных парциальных давлениях водорода. Предположение о возможности пренебрежения изотопными эффектами в случае водорода является упрощением [49, 50], справедливость которого была, однако, проверена в [48] экспериментально. После сделанных предположений авторами [48] была записана система линейных дифференциальных уравнений, учитывающих продольную диффузию дейтерия в газовом потоке, диффузию внутрь сферических пористых частиц, скорость адсорбции и десорбции [уравнения (IV.55) — (IV.60)] и начальные и граничные условия. Используя развитый в [30—33, 51] метод статистических моментов, Падберг и Смит получили расчетные уравнения для первого [c.189]

Рассмотрим вид функции потенциальной энергии при взаимодействии двух молекул воды. Информация об этой функции получается частично путем преобразований вириальных коэффи-циеитов с помощью методов статистической механики, с помощью расчетов, основанных на моделях хлшлекулы воды и из аналогии с потенциальны.ми функциями более простых систем. Эта информация, как увидим ниже, далеко не полная. Все же пет [c.41]

Здесь мы остановимся на широко применяемом способе извлечения информации о меяшолекуляриых силах из эксперимента путем расчета измеряемой характеристики с одним из модельных потепциалов с последуюпцей подгонкой параметров так, чтобы достигалось наилучшее согласие между измеренными и расчитан-шдми значениями. Существует ряд математических методов, позволяющих стандартизовать процедуру подгонки. Наибольшее распростраиение получили метод максимального правдоподобия и метод наименьших квадратов [79—81]. В случае небольшого числа параметров применяют также метод статистических испытаний (метод Монте-Карло) [82]. [c.241]